Решения для моделирования и тестирования в Siemens

У компаний растет потребность в инновационных решениях, поскольку продукты, которые они создают, ежегодно становятся более сложными и взаимосвязанными. Инновации дают компаниям конкурентные преимущества, но единого рецепта для всех не существует.

Бизнес развивается и приспосабливается к современным обстоятельствам. Уже никого не удивляет, что управление, R&D, исследования и само производство может находиться в разных точках мира. Пандемия COVID-19 нарушила многие привычные технологические цепочки: теперь многим приходится работать дистанционно, находясь в фактической изоляции от коллег.

Инновации в Siemens

С проблемами столкнулись корпорации по всему миру, тем интереснее посмотреть как справляются со сложностями компании, занимающие лидирующее положение на мировом рынке. Рассмотрим опыт компании Siemens, для которой потребность в цифровых решениях оказалась наиболее насущной, ведь у нее было множество собственных офисов и технологических центров по всему миру.

Он считает, что инновации делают продукт сложнее, но это – не повод от них отказываться. Основная цель – превратить сложности в конкурентные преимущества, поскольку те компании, которые эффективнее справляются со сложностями, смогут лучше конкурентов управлять инновациями.

Опыт компании Siemens

В Siemens считают, что для поддержания конкурентного преимущества необходимо иметь три ключевых направления:

1. Создание цифрового близнеца – то есть виртуального представления продукта на всех этапах его разработки и производства. На базе этой модели можно принимать ключевые решения, которые повлияют на пользовательский опыт, производительность, производство и весь жизненный цикл продукта.

2. Адаптируемые решения для оцифровки – то есть такие, которыми смогут воспользоваться все сотрудники компании. Решения должны быть максимально простыми в использовании.

3. Открытая экосистема – которая позволит взаимодействовать с существующими потоками клиентов.

Для того, чтобы поддерживать эти направления Siemens разработал и постоянно расширяет портфель решений Digital Enterprise. Он включает в себя уникальную комбинацию программного обеспечения и решений для автоматизации, так как виртуальный и физический мир проектирования и производства становятся все ближе и ближе друг к другу.

Все эти наработки суммируются в направлении Xcelerator. Этот портфель сочетает в себе инструменты для механического проектирования и автоматизации электронного проектирования, и также мощные возможности для моделирования. Кроме того, Siemens предлагает программное обеспечение для планирования производства, программное обеспечение для управления производственными операциями (MOM), аналитические инструменты и платформу для разработки приложений.

Решения Siemens в области цифровых моделей

Наряду с Xcelerator, Siemens активно разрабатывает решения для моделирования и тестирования. Собранные в портфеле Simcenter решения направлены на изучение производительности продукта. Разработанные цифровые модели позволяют оптимизировать продукт в соответствии с установленными к ним требованиям. Инвестиции Siemens в этот портфель предназначены для реализации пяти ключевых инициатив, связанных с проектированием, которые позволяют клиентам компании внедрять инновации и быстрее выводить на рынок революционные новые продукты.

К пяти областям, о которых идет речь, относятся:

1. инженерия с фронтальной загрузкой;

2. гибридная инженерия;

3. генеративная инженерия;

4. модельная инженерия;

5. непрерывное проектирование.

Когда клиент впервые начинает проектировать продукт, он хочет определить как можно раньше – будет ли работать подход, который он рассматривает, прежде чем переходить к требованиям к дизайну. В Siemens это называют фронтальной загрузкой.

Встроенный анализ автоматизированного проектирования (CAD) – это инструменты, которые теперь доступны инженерам-проектировщикам для быстрой оценки возможных вариантов проектирования и быстрого внедрения инноваций для поиска лучшего дизайна. Они полностью встроены в среду проектирования и используют для анализа собственную геометрию, что убирает необходимость экспортировать данные и отдельно выбирать их для анализа.

Тестирование продукции в эпоху цифровых двойников

Цифровые двойники позволяют значительно сократить расходы на тестирование, однако полностью исключить этап тестирования готовой продукции пока невозможно.

Кроме того, тестирование все чаще используется в качестве ключевого элемента гибридного инженерного подхода, который сочетает в себе тестирование и моделирование. Использование этого подхода позволяет проверять имитационные модели при реальных нагрузках, позволяет дополнять некоторые имитационные модели моделями, основанными на тестах, и позволяет имитировать само тестирование.

Siemens имеет уникальную возможность помогать своим клиентам развивать эту область благодаря значительному опыту и постоянным инвестициям в методологии моделирования и тестирования, которые дополняют друг друга.

Генеративный инжиниринг как новая парадигма

Генеративный инжиниринг – это смена парадигмы, которая опирается на симуляцию для создания проекта, отвечающего требованиям.

Генеративная инженерия использует моделирование для создания проектов, которые отвечают требованиям. Она ускоряет темпы инноваций, создавая системную архитектуру в области механики, электрики, электроники и программного обеспечения, используя концепции моделирования и искусственного интеллекта.

Вместо того, чтобы начинать с проектирования, а затем проверять его производительность на соответствие требованиям, процесс начинается с спецификации требований, ограничений и контекста. Моделирование с фронтальной загрузкой и методы на основе искусственного интеллекта (ИИ) затем используются для создания инновационных проектов, позволяющих сократить циклы валидации и верификации. Теперь стало возможным применить генеративное проектирование к архитектуре системного уровня, обеспечивая возможность оптимизации в нескольких областях проектирования.

Применение генеративного инжиниринга при проектировании системной архитектуры максимизирует освоение пространства проектирования при разработке концепции. Процесс начинается с определения различных строительных блоков, которые могли бы составить архитектуру системы. Комбинация этих блоков может создать большое количество возможных системных архитектур. До недавнего времени этот подход мог оценивать не более 10 различных конфигураций системы, ограничивая производительность проектирования и инновации.

Тем не менее, последние достижения в области генеративного инжиниринга теперь поддерживают моделирование и оценку более 1 000 систем, что значительно расширяет возможности проектирования для исследования.

Принципы генеративного проектирования также применимы к детальному проектированию, так как он включает оптимизацию топологии. Некоторые из интересных приложений, которые адресованы клиентам, включают сочетание оптимизации топологии с исследованием пространства проектирования и использование генеративного дизайна в сочетании с CFD для оптимизации поведения, связанного с потоком.

Примеры и практический опыт

Вот несколько примеров использования подобных моделей различными предприятиями.

Традиционная антиблокировочная тормозная система (ABS) в автомобиле срабатывает только тогда, когда автомобиль уже начинает скользить. Это слишком поздно. Было бы намного лучше, если бы система ABS могла запуститься незадолго до того, как машина поскользнется. Предположим, что у инженеров есть точная модель автомобиля, работающего внутри автомобиля во время вождения. Эта модель принимает ту же информацию от датчиков, что и реальный автомобиль, такую как скорость, угол поворота рулевого колеса, камера, показывающая предстоящий поворот на дороге, и может заранее рассчитать вероятность возникновения проблем в ближайшие секунды и предпринять корректирующие действия до того, как событие происходит. Это реальная ценность, которую имитационная модель может принести, будучи встроенной в конечный продукт.

В качестве второго примера возьмем автономное вождение транспортных средств. Чтобы моделировать автономное вождение транспортного средства, нужны модели для датчиков, чтобы имитировать, как они воспринимают мир. Затем необходимо объединить эти типы моделей с динамикой автомобиля, с функциями управления, с входом, поступающим от этих датчиков, и даже с методами AI для обработки данных датчика. Так инженеры смогут смоделировать то, что видит камера, а также смоделировать анализ изображения, чтобы увидеть, правильно ли оно идентифицировало, будь то человек, автомобиль или велосипед. Все эти данные будут обработаны, прежде чем перевести его в функцию управления.

В XXI веке только компании, которые знают, как управлять сложностью, останутся инновационными и, таким образом, получат конкурентное преимущество. Используя цифровые технологии и решения двойного назначения, которые являются персонализированными, адаптируемыми и современными, и используя совместимую, высокодоступную и открытую экосистему, они не просто улучшат свои продукты, но и выведут их на рынок быстрее и с меньшими затратами.