Software per l'ingegneria automobilistica

Le prestazioni del veicolo si riferiscono alle capacità complessive, all'efficienza e alla funzionalità di un veicolo, comprendendo aspetti quali l'accelerazione, l'autonomia della batteria, la sicurezza, l'aerodinamica e la gestione dell'acqua, i sistemi avanzati di assistenza alla guida (ADAS), la gestione dell'energia e del calore, il rumore, le vibrazioni e la ruvidità (NVH) e l'acustica, la resistenza e la durata, i controlli del veicolo e la maneggevolezza del veicolo.

L'ingegneria delle prestazioni automobilistiche è guidata dai requisiti aziendali e offre un'ottimizzazione del sistema end-to-end attraverso un ciclo di test e monitoraggio virtuale continuo. Utilizzando una strategia shift-left, le case automobilistiche e i fornitori mirano a fornire un migliore valore aziendale scoprendo potenziali problemi nelle prime fasi del ciclo di sviluppo. Utilizzando la simulazione nelle prime fasi del processo di progettazione e testando virtualmente se i prodotti soddisfano i requisiti, è possibile rilevare tempestivamente i problemi e correggerli in un gemello digitale comprensibile. Inoltre, possono esplorare le alternative di progettazione nelle prime fasi della fase di progettazione, quando la modifica dei progetti è più facile e meno dirompente.

Una simulazione multifisica si riferisce all'analisi di fenomeni fisici multipli e simultanei di uno o più sistemi e delle interazioni tra di essi. Guidato dalle richieste dei consumatori e dai requisiti aziendali, il software di ingegneria automobilistica multifisica mira a progettare prodotti sicuri e ad alte prestazioni più velocemente. Consente di modellare la complessità, esplorare le possibilità dei prodotti che operano in condizioni reali e scoprire potenziali problemi nelle prime fasi del ciclo di sviluppo.

Prendiamo ad esempio lo sviluppo, la progettazione e i team di ingegneria delle batterie dei veicoli che devono integrare l'ingegneria elettrochimica, elettrica, termica e strutturale. L'esecuzione di campagne isolate mirate a questi attributi separati genererà modelli e set di dati ridondanti e talvolta in conflitto. Al contrario, l'utilizzo di un approccio multifisico all-in-one consente di capire esattamente come si comporteranno i componenti una volta integrati con altri e garantisce che anche il primo prototipo funzioni come previsto.

Il tempo in cui i test automobilistici (di sistema) venivano eseguiti sui prototipi è ormai lontano. Oggi, lo sviluppo non si ferma alla fine del ciclo V. Al contrario, continua in un ciclo infinito utilizzando dati storici, dati di test e dati di veicoli in uso per creare modelli basati su test che definiscono la relazione tra le caratteristiche del veicolo e le sue prestazioni.

Un buon esempio è il test di sistema basato su modelli (MBST). MBST è un framework ingegneristico che impiega tre soluzioni chiave: modelli virtuali, sistemi virtuali-fisici e prototipi fisici. Utilizza i dati di test per costruire, convalidare e migliorare i modelli di simulazione, identifica le interazioni attraverso XiL in vari scenari e migliora i dati di test con modelli di simulazione per prototipi fisici. I produttori che utilizzano MBST sono più efficienti, più veloci ed evitano errori nel trasferimento dei dati o nella post-elaborazione.

Un altro esempio eccezionale è la prototipazione virtuale. La prototipazione virtuale è un metodo di test efficiente che consente di esplorare alternative di assemblaggio dei veicoli prima che vengano costruiti prototipi fisici. Affronta in modo specifico le prestazioni NVH e utilizza l'analisi del percorso di trasferimento (TPA) basata su componenti per valutare rapidamente vari progetti, risparmiando sui costi rilevando e controllando tempestivamente i problemi.

I metodi tradizionali di progettazione e ingegneria si scontrano con i complessi flussi di lavoro odierni. L'utilizzo dell'intelligenza artificiale (AI) e dell'apprendimento automatico (ML) accelera il processo decisionale, migliorando la produttività dei team di progettazione e sviluppando prodotti innovativi in tempi più brevi. Adattandosi a qualsiasi fase del ciclo di sviluppo, Simcenter offre un framework per l'applicazione dell'intelligenza artificiale per sfruttare i dati storici, evitare errori, accelerare l'analisi e ottimizzare i progetti in tutta sicurezza.

Ad esempio, nei sistemi di veicoli autonomi, l'intelligenza artificiale e il machine learning vengono utilizzati per incorporare il comportamento umano nella percezione delle macchine. Sebbene gli attuali sistemi di percezione dei veicoli autonomi siano quasi all'altezza delle capacità sensoriali umane, soprattutto in condizioni standard, non sono all'altezza in condizioni meteorologiche estreme e in scenari complessi. Il processo di creazione degli scenari di Simcenter aiuta a generare scenari critici per OEM e fornitori AV, garantendo la conformità a standard di sicurezza come la sicurezza della funzionalità prevista (SOTIF).