Autóipari mérnöki szoftver

A jármű teljesítménye a jármű általános képességeire, hatékonyságára és funkcionalitására vonatkozik, többek között a gyorsulás, az akkumulátor hatótávolsága, a biztonság, az aerodinamika és a vízgazdálkodás, a fejlett vezetősegítő rendszerek (ADAS), az energia- és hőkezelés, a zaj, rezgés és keménység (NVH), valamint az akusztika, szilárdság és tartósság, a járművezérlés és a jármű kezelése.

Az autóipari teljesítménytervezést az üzleti követelmények vezérlik, és folyamatos virtuális tesztelési és felügyeleti hurok révén végpontos rendszeroptimalizálást biztosít. Használja a váltóbalra irányuló stratégia, az autógyártók és beszállítók célja, hogy jobb üzleti értéket biztosítsanak azáltal, hogy felfedezik a potenciális problémákat a fejlesztési ciklus korai szakaszában. A szimuláció alkalmazásával a tervezési folyamat korai szakaszában, és gyakorlatilag tesztelve, hogy a termékek megfelelnek-e a követelményeknek, korán felismerhetik a problémákat és kijavíthatják azokat egy érthető digital twin. Ezenkívül a tervezési szakaszban már korábban is felfedezhetik a tervezési alternatívákat, amikor a tervek megváltoztatása könnyebb és kevésbé zavaró.

A multifizikai szimuláció egy rendszer vagy rendszerek többszörös, egyidejű fizikai jelenségeinek elemzésére és azok közötti kölcsönhatásokra utal. A fogyasztói igények és az üzleti igények alapján a multifizikai autómérnöki szoftver célja a biztonságos, nagy teljesítményű termékek gyorsabb tervezése. Lehetővé teszi a bonyolultság modellezését, a valós körülmények között működő termékek lehetőségeinek feltárását és a fejlesztési ciklus korai szakaszában felfedezni a lehetséges problémákat.

Vegyük például jármű akkumulátor fejlesztése, a tervező és mérnöki csapatoknak integrálniuk kell az elektrokémiai, elektromos, hő- és szerkezettervezést. Ezekre a különálló attribútumokra irányuló elszigetelt kampányok futtatása redundáns és néha ellentmondásos modelleket és adatkészleteket generál. Ehelyett a többfunkciós multifizikai megközelítés lehetővé teszi, hogy pontosan megértse, hogyan fognak működni az alkatrészek másokkal integrálva, és biztosítja, hogy még az első prototípus is a tervek szerint működjön.

Az az idő, amikor az autóipari (rendszer) tesztelést prototípusokon végezték, már rég elmúlt. Ma a fejlesztés nem áll meg a V-ciklus végén. Ehelyett végtelen körben folytatódik, a korábbi adatokat, tesztadatokat és a használt járművek adatait felhasználva tesztalapú modelleket hoz létre, amelyek meghatározzák a jármű jellemzői és teljesítménye közötti kapcsolatot.

Jó példa erre modellalapú rendszertesztelés (MBST). Az MBST egy mérnöki keretrendszer, amely három kulcsfontosságú megoldást alkalmaz: virtuális modellek, virtuális-fizikai rendszerek és fizikai prototípusok. Tesztadatokat használ a szimulációs modellek felépítéséhez, validálásához és javításához, azonosítja az interakciókat a Xil segítségével különböző forgatókönyvekben, és javítja a tesztadatokat a fizikai prototípusok szimulációs modelljeivel. Az MBST-t használó gyártók hatékonyabbak, gyorsabbak és elkerülik az adatátvitel vagy az utófeldolgozás hibáit.

Egy másik kiemelkedő példa az virtuális prototípus. A virtuális prototípuskészítés egy hatékony tesztelési módszer, amely lehetővé teszi a járműszerelési alternatívák feltárását a fizikai prototípusok felépítése előtt. Kifejezetten az NVH teljesítményével foglalkozik, és komponensalapú átviteli útvonal-elemzést (TPA) használ a különböző tervek gyors kiértékeléséhez, költségeket takarítva meg a problémák korai észlelésével és ellenőrzésével.

A hagyományos tervezési és mérnöki módszerek küzdenek a mai összetett munkafolyamatokkal. A mesterséges intelligencia (AI) kiaknázása és a gépi tanulás (ML) felgyorsítja a döntéshozatalt, növeli a mérnöki csapatok termelékenységét és rövidebb időkeretek alatt fejleszti innovatív termékeket. A fejlesztési ciklus bármely szakaszához illeszkedő Simcenter keretet kínál a mesterséges intelligencia alkalmazásához a történelmi adatok felhasználására, a hibák elkerülésére, az elemzés felgyorsítására és a tervek bizalmas optimalizálására.

Például az autonóm járműrendszerekben az AI-t és az ML-t használják az emberi viselkedés beágyazására a gépi érzékelésbe. Míg a jelenlegi autonóm járműérzékelő rendszerek szinte megfelelnek az emberi érzékszervi képességeknek, különösen normál körülmények között, szélsőséges időjárási és összetett forgatókönyvek esetén elmaradnak. Simcenter forgatókönyv létrehozásának folyamata segít kritikus forgatókönyvek létrehozásában az OEM-ek és az AV beszállítók számára, biztosítva a biztonsági előírások betartását, például a tervezett funkcionalitás biztonsága (SOTIF).

A járműrendszerek integrációjának egyetlen fenntartható módja a tervezés és a tervezés teljes ökoszisztémaként való megközelítése. Ez lehetővé teszi a gyártók számára, hogy gyorsan újratervezzék és újra felhasználják a munkafolyamatot, mivel a követelmények változnak, és több tartomány közötti attribútumokat cserélnek. Folyamatszinten kulcsfontosságú a követelmények teljesítése, miközben kapcsolatban maradunk a termékéletciklus-menedzsment (PLM) rendszerrel annak biztosítása érdekében, hogy az egyik tartományban végrehajtott változások tükröződjenek az egész rendszerben. A modellalapú rendszermérnöki (MBSE) megközelítés a járműfejlesztés során összekapcsolja a rendszertervezést a fejlesztő szervezet többi részével, javítva az együttműködést és a döntéshozatalt.

Vegyük a példát elektromos hajtástechnika. Az e-meghajtás elektromos motorból, sebességváltóból és elektromos elektronikából áll. A különböző területek több szakértőjének együtt kell működnie egy hatékony, integrált elektromos hajtás elérése érdekében. Ezért elengedhetetlen, hogy a hagyományos fejlesztési silókat a múltban hagyjuk, és lehetővé tegyük a többfunkciós és a domainek közötti rendszertervezést. Csak az összekapcsolt mérnöki megközelítés, amely integrált, újrafelhasználható munkafolyamatokkal rendelkezik az MBSE és a digital twin ikerprogram alkalmazásával, biztosítja a gyártóknak az autómérnöki szoftver eszközláncot, hogy kezelje az elektromos járműgyártás spirálisan összetettségét — nemcsak a termék, hanem a fejlesztési folyamat esetében is.