Elektronik Gagal-Aman Untuk Otomotif - Semiwiki

Diterbitkan Ulang Oleh Plato

Followers: 0

Industri otomotif berada di ambang transformasi revolusioner, di mana pemeliharaan dan pemantauan prediktif menjadi pusat perhatian. Dalam sesi panel webinar baru-baru ini, para pakar industri menggali tantangan, pendekatan saat ini, dan inovasi masa depan seputar penjaminan dan perluasan profil misi.

proteanTecs menyelenggarakan webinar tersebut dengan para ahli berikut sebagai panelis:

Heinz Wagensonner, Sr. SoC Designer, CARIAD (divisi perangkat lunak Grup Volkswagen)

Jens Rosenbusch, Sr. Insinyur Utama, Arsitektur Keamanan SoC, Infineon Technologies,

Xiankun “Robert” Jin, Arsitek Keselamatan SoC Otomotif, Semikonduktor NXP, dan

Gal Carmel, Wakil Presiden Eksekutif, GM, Otomotif, proteanTecs. Ellen Carey, Chief External Affairs Officer, Circulor, menjadi moderator pada sesi panel.

Tema utama yang muncul adalah meningkatnya ketergantungan pada kecerdasan buatan (AI), pentingnya pemantauan real-time, dan perlunya perubahan paradigma dalam pemikiran industri. Berikut adalah poin-poin penting yang dihasilkan dari sesi panel tersebut. Anda dapat mengaksesnya seluruh sesi panel sesuai permintaan dari sini.

Tantangan Saat Ini

MegaTrends Mendorong Kebutuhan Kapabilitas Silikon Generasi Berikutnya

Pembicaraan diawali dengan mengetahui tantangan yang dihadapi sektor otomotif. Misalnya, pengenalan pengontrol Central Gateway yang terhubung ke cloud untuk jangka waktu lama menimbulkan tantangan dalam hal keandalan dan keamanan. Secara tradisional, pengelolaan ketidakpastian melibatkan peningkatan margin dalam proses desain, fabrikasi, dan pengujian. Namun pendekatan ini mungkin tidak berkelanjutan di masa depan.

Pendekatan Saat Ini

Untuk mengatasi tantangan ini, industri beralih ke pendekatan pemeliharaan yang lebih proaktif dan prediktif. Daripada hanya mengandalkan margin bawaan, penekanannya adalah pada penerapan monitor kesehatan atau sensor yang terus menilai status perangkat. Data ini dikumpulkan dan dianalisis, kemungkinan melalui pembelajaran mesin, memberikan wawasan yang sebelumnya tidak dapat diakses. Pemahaman baru ini memungkinkan pengambilan keputusan seperti menukar perangkat sebelum terjadi kegagalan, sebuah konsep yang dikenal sebagai pemeliharaan prediktif.

Kolaborasi dan Standardisasi

Transisi ke pemeliharaan prediktif bukanlah sebuah perjalanan yang dilakukan oleh masing-masing perusahaan namun memerlukan upaya kolaboratif dalam industri otomotif. Salah satu inisiatif penting yang disebutkan dalam sesi panel adalah pembuatan kerangka kerja untuk pemeliharaan prediktif otomotif. Laporan teknis, TR 9839, diterbitkan pada musim panas lalu, membuka jalan bagi standar ISO 26262 Edisi Ketiga. Pendekatan kolaboratif ini melibatkan pemangku kepentingan, termasuk vendor semikonduktor, produsen peralatan asli (OEM), dan badan pengatur.

Peran AI dalam Pemeliharaan Prediktif

Integrasi AI muncul sebagai faktor penting dalam merevolusi pemeliharaan prediktif. Kemampuan AI untuk menganalisis kumpulan data yang sangat besar dan mengidentifikasi pola yang mungkin luput dari pengamatan manusia menjadikannya alat yang berharga untuk memprediksi kegagalan. Baik untuk mengoptimalkan proses produksi atau menganalisis kegagalan di lapangan, AI memainkan peran penting dalam meningkatkan efisiensi dan akurasi.

AI bukan hanya tentang menemukan masalah yang diketahui, namun juga mengungkap cacat atau anomali tersembunyi yang dapat menyebabkan kegagalan. Penerapan AI dalam analisis data sensor dari jutaan kendaraan dalam suatu armada membuka kemungkinan deteksi dini potensi kegagalan. Namun, diskusi tersebut juga menyoroti pentingnya standarisasi aplikasi AI untuk memastikan akurasi dan keandalan.

Pemantauan On-Chip untuk Wawasan Real-Time

Aspek penting dalam transformasi perawatan otomotif adalah penerapan pemantauan on-chip. Proses analisis kegagalan yang tradisional, yang melibatkan pengiriman kembali komponen yang rusak untuk dianalisis, dianggap lambat dan tidak efisien. Pemantauan on-chip, jika diterapkan secara efektif, dapat memberikan wawasan real-time mengenai perilaku silikon saat kendaraan sedang beroperasi.

Lanskap Masa Depan

Ketika industri otomotif bergerak menuju otonomi dan peningkatan konektivitas, kebutuhan akan pendekatan pemeliharaan yang fleksibel dan adaptif menjadi hal yang terpenting. Para pembicara menekankan perubahan cara berpikir, yang menerapkan pendekatan lintas platform dan berbasis data. Hal ini melibatkan penciptaan bahasa yang sama, mengumpulkan wawasan, dan memanfaatkan kombinasi mekanisme perangkat keras dan analisis perangkat lunak untuk mendorong pemeliharaan proaktif.

Kesimpulan

Sesi panel menyoroti peralihan dinamis industri dari strategi pemeliharaan reaktif ke proaktif. Integrasi AI dan pemantauan on-chip mewakili lompatan maju dalam meningkatkan keandalan, mengurangi biaya, dan meningkatkan kualitas produk secara keseluruhan. Kolaborasi antar pemangku kepentingan industri, upaya standardisasi, dan perubahan pemikiran ke arah pendekatan vertikal akan menjadi kunci dalam membentuk masa depan perawatan otomotif. Saat industri menavigasi perjalanan transformatif ini, fokusnya tetap pada pemanfaatan teknologi untuk memastikan kendaraan tidak hanya memenuhi tetapi juga melampaui standar keandalan dan keselamatan.

SDV adalah Revolusi Otomotif