Oprogramowanie dla inżynierii motoryzacyjnej

Osiągi pojazdu odnoszą się do ogólnych możliwości, wydajności i funkcjonalności pojazdu, obejmujących takie aspekty, jak przyspieszenie, zasięg akumulatora, bezpieczeństwo, aerodynamika i gospodarka wodna, zaawansowane systemy wspomagania kierowcy (ADAS), zarządzanie energią i temperaturą, hałas, wibracje i uciążliwość (NVH) oraz akustyka, wytrzymałość i trwałość, sterowanie pojazdem i prowadzenie pojazdu.

Inżynieria wydajności w motoryzacji jest napędzana wymaganiami biznesowymi i zapewnia kompleksową optymalizację systemu poprzez ciągłą wirtualną pętlę testowania i monitorowania. Stosując strategię przesunięcia w lewo, producenci samochodów i dostawcy dążą do zapewnienia lepszej wartości biznesowej poprzez wykrywanie potencjalnych problemów na wczesnym etapie cyklu rozwoju. Wykorzystując symulację na wczesnym etapie procesu projektowania i wirtualnie testując, czy produkty spełniają wymagania, mogą wcześnie wykrywać problemy i rozwiązywać je w zrozumiałym cyfrowym bliźniaku. Ponadto mogą badać alternatywy projektowe na wcześniejszym etapie projektowania, kiedy zmiana projektów jest łatwiejsza i mniej uciążliwa.

Symulacja multifizyczna odnosi się do analizy wielu, jednoczesnych zjawisk fizycznych systemu lub systemów oraz interakcji między nimi. Kierując się potrzebami konsumentów i wymaganiami biznesowymi, wielofizyczne oprogramowanie do inżynierii motoryzacyjnej ma na celu szybsze projektowanie bezpiecznych, wysokowydajnych produktów. Umożliwia modelowanie złożoności, badanie możliwości produktów działających w rzeczywistych warunkach i odkrywanie potencjalnych problemów na wczesnym etapie cyklu rozwoju.

Weźmy na przykład zespoły zajmujące się opracowywaniem, projektowaniem i inżynierią akumulatorów samochodowych, które muszą zintegrować inżynierię elektrochemiczną, elektryczną, termiczną i konstrukcyjną. Prowadzenie izolowanych kampanii ukierunkowanych na te oddzielne atrybuty spowoduje wygenerowanie nadmiarowych, a czasem sprzecznych modeli i zestawów danych. Zamiast tego zastosowanie podejścia multifizycznego typu "wszystko w jednym" pozwala dokładnie zrozumieć, jak komponenty będą działać po zintegrowaniu z innymi i zapewnia, że nawet pierwszy prototyp będzie działał zgodnie z planem.

Czasy, w których testowano prototypy w motoryzacji (systemach), już dawno minęły. Dziś rozwój nie kończy się na końcu cyklu V. Zamiast tego kontynuuje w pętli nieskończoności, wykorzystując dane historyczne, dane testowe i dane z używanych pojazdów do tworzenia modeli opartych na testach, które definiują związek między charakterystyką pojazdu a jego osiągami.

Dobrym przykładem jest testowanie systemu opartego na modelach (MBST). MBST to ramy inżynieryjne wykorzystujące trzy kluczowe rozwiązania: modele wirtualne, systemy wirtualno-fizyczne i fizyczne prototypy. Wykorzystuje dane testowe do budowania, walidacji i ulepszania modeli symulacyjnych, identyfikuje interakcje za pomocą XiL w różnych scenariuszach i wzbogaca dane testowe o modele symulacyjne dla fizycznych prototypów. Producenci korzystający z MBST są wydajniejsi, szybsi i unikają błędów w przesyłaniu danych lub przetwarzaniu końcowym.

Innym znakomitym przykładem jest wirtualne prototypowanie. Wirtualne prototypowanie to skuteczna metoda testowania, która umożliwia zbadanie alternatywnych możliwości montażu pojazdów przed zbudowaniem fizycznych prototypów. W szczególności odnosi się do wydajności NVH i wykorzystuje analizę ścieżki transferu (TPA) opartą na komponentach, aby szybko ocenić różne projekty, oszczędzając koszty dzięki wczesnemu wykrywaniu i kontrolowaniu problemów.

Tradycyjne metody projektowania i inżynierii zmagają się z dzisiejszymi złożonymi przepływami pracy. Wykorzystanie sztucznej inteligencji (AI) i uczenia maszynowego (ML) przyspiesza podejmowanie decyzji, zwiększając produktywność zespołów inżynierskich i opracowując innowacyjne produkty w krótszym czasie. Dopasowany do każdego etapu cyklu rozwoju, Simcenter oferuje ramy do zastosowania sztucznej inteligencji w celu wykorzystania danych historycznych, unikania błędów, przyspieszenia analizy i optymalizacji projektów z pewnością.

Na przykład w systemach pojazdów autonomicznych sztuczna inteligencja i uczenie maszynowe są wykorzystywane do osadzania ludzkich zachowań w percepcji maszyn. Podczas gdy obecne systemy percepcji pojazdów autonomicznych prawie dorównują ludzkim zdolnościom sensorycznym, zwłaszcza w standardowych warunkach, nie sprawdzają się w ekstremalnych warunkach pogodowych i złożonych scenariuszach. Proces tworzenia scenariuszy Simcenter pomaga generować krytyczne scenariusze dla producentów OEM i dostawców AV, zapewniając zgodność ze standardami bezpieczeństwa, takimi jak bezpieczeństwo zamierzonej funkcjonalności (SOTIF).