Automobiltechnik-Software

Die Fahrzeugleistung umfasst die allgemeinen Fähigkeiten, inklusive die Effizienz und die Funktionalität eines Fahrzeugs. Sie schließt Aspekte wie Beschleunigung, Batteriereichweite, Sicherheit, Aerodynamik und Wassermanagement, fortschrittliche Fahrerassistenzsysteme (ADAS), Energie- und Wärmemanagement, Geräuschentwicklung, Vibration und Härte (NVH) und Akustik, Festigkeit und Haltbarkeit, Fahrzeugsteuerung und Fahrverhalten mit ein.

Das Automobil-Performance Engineering orientiert sich an den Geschäftsanforderungen und bietet eine End-to-End-Systemoptimierung durch eine kontinuierliche virtuelle Test- und Überwachungsschleife. Mit einer Shift-Left-Strategie zielen Automobilhersteller und Zulieferer darauf ab, einen besseren Geschäftswert zu erzielen, indem sie potenzielle Probleme frühzeitig im Entwicklungszyklus entdecken. Durch den Einsatz von Simulationen in einem frühen Stadium des Konstruktionsprozesses und das virtuelle Testen, ob Produkte die Anforderungen erfüllen, lassen sich Probleme frühzeitig erkennen und in einem nachvollziehbaren digitalen Zwilling beheben. Darüber hinaus können sie Konstruktionsalternativen zu einem früheren Zeitpunkt in der Konstruktionsphase erkunden, wenn Änderungen einfacher sind und weniger störend wirken.

Eine multiphysikalische Simulation bezieht sich auf die Analyse mehrerer, gleichzeitiger physikalischer Phänomene eines Systems oder von Systemen sowie der Wechselwirkungen zwischen ihnen. Angetrieben von den Anforderungen der Verbraucher und den Geschäftsanforderungen zielt die multiphysikalische Software für die Automobiltechnik darauf ab, sichere, leistungsstarke Produkte schneller zu entwickeln. So werden die Voraussetzungen geschaffen, die Komplexität zu modellieren, die Möglichkeiten von Produkten unter realen Bedingungen zu erforschen und potenzielle Probleme in den frühen Phasen des Entwicklungszyklus zu entdecken.

Nehmen wir zum Beispiel die Entwicklungs-, Konstruktions- und Ingenieursteams für Fahrzeugbatterien, die elektrochemische, elektrische, thermische und strukturelle Technik integrieren müssen. Die Durchführung isolierter Kampagnen, die auf diese separaten Attribute abzielen, führt zu redundanten und manchmal widersprüchlichen Modellen und Datensätzen. Die Verwendung eines All-in-One multiphysikalischen Ansatzes hingegen erlaubt es, genau zu verstehen, wie Komponenten funktionieren, wenn sie in andere integriert werden, und stellt sicher, dass schon der erste Prototyp planmäßig funktioniert.

Die Zeiten, in denen automobile (System-)Tests an Prototypen durchgeführt wurden, sind längst vorbei. Heute hört die Entwicklung nicht am Ende des V-Zyklus auf. Vielmehr läuft sie in einer Endlosschleife weiter, wobei historische Daten, Testdaten und Daten von im Einsatz befindlichen Fahrzeugen verwendet werden, um testbasierte Modelle zu erstellen, die die Beziehung zwischen Fahrzeugeigenschaften und Leistung definieren.

Ein gutes Beispiel ist Model-Based System Testing (MBST). MBST ist ein Engineering-Framework, das drei Schlüssellösungen einsetzt: virtuelle Modelle, virtuell-physische Systeme und physische Prototypen. Es nutzt Testdaten, um Simulationsmodelle zu erstellen, zu validieren und zu verbessern, identifiziert Wechselwirkungen durch XiL in verschiedenen Szenarien und reichert Testdaten mit Simulationsmodellen für physische Prototypen an. Hersteller, die MBST einsetzen, sind effizienter und schneller; sie vermeiden Fehler bei der Datenübertragung und Nachbearbeitung.

Ein weiteres herausragendes Beispiel ist das virtuelle Prototyping. Virtuelles Prototyping ist eine effiziente Testmethode, die es ermöglicht, Alternativen für die Fahrzeugmontage zu untersuchen, bevor physische Prototypen gebaut werden. Es befasst sich speziell mit der NVH-Leistung und nutzt die komponentenbasierte Transferpfadanalyse (TPA), um verschiedene Konstruktionen schnell zu bewerten und Kosten zu sparen, indem Probleme frühzeitig erkannt und kontrolliert werden.

Traditionelle Konstruktions- und Engineering-Methoden haben Mühe mit den komplexen Arbeitsabläufen von heute. Der Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) beschleunigt die Entscheidungsfindung, steigert die Produktivität von Entwicklungsteams und beschleunigt die Produktinnovation. Simcenter bietet in jeder Phase des Entwicklungszyklus ein optimales Framework für die Anwendung künstlicher Intelligenz. So können historische Daten genutzt, Fehler vermieden, schnellere Analysen erstellt und Konstruktionen erfolgreich optimiert werden.

In autonomen Fahrzeugsystemen werden beispielsweise KI und ML eingesetzt, um menschliches Verhalten in die maschinelle Wahrnehmung zu integrieren. Während die derzeitigen Wahrnehmungssysteme autonomer Fahrzeuge vor allem unter normalen Bedingungen nahezu den menschlichen sensorischen Fähigkeiten entsprechen, lassen sie bei extremen Wetterbedingungen und komplexen Szenarien noch einiges zu wünschen übrig. Der Szenarioerstellungsprozess von Simcenter hilft bei der Erstellung kritischer Szenarien für OEMs und AV-Zulieferer und stellt die Einhaltung von Sicherheitsstandards wie der Sicherheit der beabsichtigten Funktionalität (SOTIF) sicher.

Der einzige nachhaltige Weg, Fahrzeugsysteme zu integrieren, besteht darin, Konstruktion und Engineering als ein in sich abgeschlossenes Ökosystem zu betrachten. Dies ermöglicht es Herstellern, den Workflow schnell neu zu gestalten und wiederzuverwenden, wenn sich die Anforderungen ändern und Attribute zwischen unterschiedlichen Domänen ausgetauscht werden. Auf Prozessebene ist es wichtig, die Vorgaben erfüllen, während die Verbindung zum PLM-System (Product Lifecycle Management) erhalten bleibt, damit die Änderungen, die in einer Domäne vorgenommen werden, sich im gesamten System widerspiegeln. Bei einem modellbasierten (MBSE)-Ansatz in der Fahrzeugentwicklung wird das Systems Engineering mit dem Rest der Entwicklungsorganisation verbunden, wodurch sich die Zusammenarbeit und die Entscheidungsfindung verbessern.

Nehmen wir das Beispiel der elektrischen Antriebstechnik. Ein E-Antrieb besteht aus Elektromotor, Getriebe und Leistungselektronik. Mehrere Experten aus unterschiedlichen Domänen müssen zusammenarbeiten, um einen effizienten, integrierten Elektroantrieb zu realisieren. Es ist daher unerlässlich, die traditionellen Datensilos in der Entwicklung hinter sich zu lassen und ein funktions- und domänenübergreifendes Systems Engineering zu ermöglichen. Nur ein vernetzter Engineering-Ansatz mit MBSE und einem digitalen Zwilling bietet Herstellern die erforderliche Toolchain für Automotive-Engineering-Software, um die Komplexität der Elektrofahrzeugentwicklung zu bewältigen – sowohl in Bezug auf das Produkt selbst als auch auf den gesamten Entwicklungsprozess.