Software per l'ingegneria automobilistica

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

L'ingegneria delle prestazioni automobilistiche è guidata dai requisiti aziendali e offre l'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 all'inizio del ciclo di sviluppo. Utilizzando la simulazione nelle prime fasi del processo di progettazione e testando virtualmente se i prodotti soddisfano i requisiti, possono rilevare i problemi in anticipo e correggerli in un digital twin comprensibile. Inoltre, possono esplorare alternative di progettazione all'inizio della fase di progettazione, quando la modifica dei progetti è più semplice e meno problematica.

Una simulazione multifisica si riferisce all'analisi di più fenomeni fisici simultanei di uno o più sistemi e delle interazioni tra di essi. Spinto dalle richieste dei consumatori e dai requisiti aziendali, il software per l'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 all'inizio del ciclo di sviluppo.

Prendiamo ad esempio lo sviluppo delle batterie dei veicoli i team di progettazione e ingegneria 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. Invece, l'utilizzo di un approccio multifisico all-in-one consente di capire esattamente come si comporteranno i componenti quando integrati con altri e garantisce che anche il primo prototipo funzioni come previsto.

I tempi dei test automobilistici (di sistema) sui prototipi sono ormai passati. Oggi, lo sviluppo non si ferma alla fine del ciclo a V. Invece, continua in un ciclo infinito utilizzando dati storici, dati di test e dati dei 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 dei sistemi 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, validare e migliorare i modelli di simulazione, identifica le interazioni tramite 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 del veicolo prima che vengano realizzati prototipi fisici. Affronta in modo specifico le prestazioni NVH e utilizza l'analisi del percorso di trasferimento (TPA) basata sui componenti per valutare rapidamente vari progetti, risparmiando sui costi rilevando e controllando i problemi in anticipo.

I metodi di progettazione e ingegneria tradizionali faticano a tenere il passo con i complessi flussi di lavoro odierni. L'utilizzo dell'intelligenza artificiale (AI) e del machine learning (ML) accelera il processo decisionale, migliorando la produttività dei team di ingegneri e consentendo di sviluppare prodotti innovativi in tempi più brevi. Adattandosi a qualsiasi fase del ciclo di sviluppo, Simcenter offre un framework per applicare l'intelligenza artificiale per sfruttare i dati storici, evitare errori, accelerare l'analisi e ottimizzare i progetti con 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. Mentre gli attuali sistemi di percezione dei veicoli autonomi corrispondono quasi alle capacità sensoriali umane, specialmente in condizioni standard, non si rivelano all'altezza in condizioni meteorologiche estreme e scenari complessi. Il processo di creazione degli scenari di Simcenter aiuta a generare scenari critici per OEM e fornitori AV, garantendo la conformità agli standard di sicurezza come la sicurezza della funzionalità prevista (SOTIF).

L'unico modo sostenibile per integrare i sistemi dei veicoli è affrontare la progettazione e l'ingegneria come un ecosistema completo. Ciò consente ai produttori di riprogettare e riutilizzare rapidamente il flusso di lavoro man mano che i requisiti cambiano e di scambiare attributi tra più domini. A livello di processo, è fondamentale soddisfare i requisiti rimanendo connessi con il sistema di gestione del ciclo di vita del prodotto (PLM) per garantire che le modifiche apportate in un dominio si riflettano nell'intero sistema. Un approccio di ingegneria dei sistemi basata su modelli (MBSE) nello sviluppo dei veicoli collega l'ingegneria dei sistemi con il resto dell'organizzazione di sviluppo, migliorando la collaborazione e il processo decisionale.

Prendiamo l'esempio dell'ingegneria della trazione elettrica. Un e-drive è costituito da un motore elettrico, un cambio e un'elettronica di potenza. Più esperti di diversi settori devono lavorare insieme per ottenere una trazione elettrica efficiente e integrata. È quindi essenziale abbandonare i tradizionali silos di sviluppo per passare all'ingegneria dei sistemi interfunzionale e interdisciplinare. Solo un approccio di ingegneria connesso, con flussi di lavoro integrati e riutilizzabili attraverso l'applicazione di MBSE e un digital twin, fornisce ai produttori la toolchain del software per l'ingegneria automobilistica per gestire la crescente complessità dell'ingegneria dei veicoli elettrici, non solo relativamente al prodotto ma anche al processo di sviluppo.