Fail-Safe Electronics For Automotive - Semiwiki

הועלה מחדש על ידי אפלטון

עוקב: 0

תעשיית הרכב נמצאת על סף מהפך מהפכני, שבו תחזוקה וניטור חזויים תופסים את מרכז הבמה. במפגש פאנל סמינר מקוון שנערך לאחרונה, מומחים בתעשייה התעמקו באתגרים, בגישות הנוכחיות ובחידושים העתידיים סביב הערבות והרחבה של פרופילי המשימה.

proteanTecs אירחה את הסמינר המקוון הזה עם המומחים הבאים בתור חברי פאנל:

היינץ וגנזונר, מעצב SoC האב, CARIAD (חטיבת התוכנה של קבוצת פולקסווגן)

ינס רוזנבוש, מהנדס ראשי אב, ארכיטקטורת בטיחות SoC, Infineon Technologies,

Xiankun "רוברט" ג'ין, ארכיטקט בטיחות SoC Automotive, NXP Semiconductors, ו

גל כרמל, סמנכ"ל בכיר, GM, רכב, proteanTecs. אלן קארי, מנהלת לענייני חוץ, מחזור, הנחתה את ישיבת הפאנל.

הנושאים המרכזיים שהופיעו היו ההסתמכות הגוברת על בינה מלאכותית (AI), החשיבות של ניטור בזמן אמת והצורך בשינוי פרדיגמה בחשיבה בתעשייה. להלן הנקודות הבולטות שיצאו מאותו מושב פאנל. אתה יכול לגשת לזה מפגש הפאנל כולו לפי דרישה מכאן.

אתגרים נוכחיים

MegaTrends מניע את הצורך ביכולות סיליקון מהדור הבא

השיחה החלה בהכרה באתגרים העומדים בפני תחום הרכב. לדוגמה, הצגת בקר מרכזי שער המחובר לענן לתקופות ממושכות מציבה אתגרים לאמינות ובטיחות. באופן מסורתי, ניהול אי הוודאות היה כרוך בבניית מרווחים לתהליכי עיצוב, ייצור ובדיקה. עם זאת, גישה זו עלולה להפוך לבלתי ברת קיימא בעתיד.

גישות נוכחיות

כדי להתמודד עם אתגרים אלה, התעשייה עוברת לגישת תחזוקה פרואקטיבית וחזויה יותר. במקום להסתמך רק על שוליים מובנים, הדגש הוא על הטמעת צגי בריאות או חיישנים שמעריכים ללא הרף את מצב המכשיר. נתונים אלה מצטברים ומנתחים, אולי באמצעות למידת מכונה, ומספקים תובנות שבעבר לא היו נגישות. הבנה חדשה זו מאפשרת החלטות כמו החלפת מכשירים לפני תקלה קרובה, מושג המכונה תחזוקה חזויה.

שיתוף פעולה וסטנדרטיזציה

המעבר לתחזוקה חזויה אינו מסע שעורכות חברות בודדות אלא דורש מאמצים משותפים בתעשיית הרכב. יוזמה משמעותית אחת שהוזכרה במהלך מושב הפאנל היא יצירת מסגרת לתחזוקת רכב. דוח טכני, TR 9839, פורסם במהלך הקיץ האחרון, שסלל את הדרך למהדורה השלישית של תקן ISO 26262. גישה שיתופית זו מערבת מחזיקי עניין, כולל ספקי מוליכים למחצה, יצרני ציוד מקורי (OEM) וגופים רגולטוריים.

תפקידה של AI בתחזוקה חזויה

השילוב של AI התגלה כגורם מכריע במהפכה בתחזוקה חזויה. היכולת של AI לנתח מערכי נתונים עצומים ולזהות דפוסים שעשויים לחמוק מצופים אנושיים הופכת אותו לכלי בעל ערך לניבוי כשלים. בין אם מייעלים תהליכי ייצור או ניתוח כשלים בשטח, AI ממלא תפקיד מרכזי בשיפור היעילות והדיוק.

בינה מלאכותית עוסקת לא רק במציאת בעיות ידועות אלא בגילוי פגמים סמויים או חריגות שעלולים להוביל לכשלים. היישום של AI בניתוח נתוני חיישנים ממיליוני כלי רכב בצי פותח אפשרויות לזיהוי מוקדם של כשלים פוטנציאליים. עם זאת, הדיון הדגיש גם את החשיבות של סטנדרטיזציה של יישומי AI כדי להבטיח דיוק ואמינות.

ניטור על שבב עבור תובנות בזמן אמת

היבט קריטי בשינוי תחזוקת הרכב הוא אימוץ ניטור על-שבב. התהליך המסורתי של ניתוח כשלים, הכולל שליחת רכיבים פגומים בחזרה לניתוח, נחשב איטי ולא יעיל. ניטור על-שבב, אם מיושם ביעילות, יכול לספק תובנות בזמן אמת לגבי התנהגות הסיליקון בזמן שהרכב פועל.

נוף העתיד

ככל שתעשיית הרכב מתקדמת לעבר אוטונומיה וקישוריות מוגברת, הצורך בגישה גמישה ומותאמת לתחזוקה הופך להיות בעל חשיבות עליונה. הדוברים הדגישו שינוי בחשיבה, שבו מאמצת גישה חוצת פלטפורמות מונעת נתונים. זה כרוך ביצירת שפה משותפת, איחוד תובנות ושימוש בשילוב של מנגנוני חומרה וניתוח תוכנה כדי להניע תחזוקה יזומה.

<br> סיכום

מפגש הפאנל הדגיש את המעבר הדינמי של התעשייה מאסטרטגיות תחזוקה תגובתיות לאסטרטגיות תחזוקה פרואקטיביות. השילוב של AI וניטור על-שבב מייצג קפיצת מדרגה בשיפור האמינות, הפחתת עלויות ושיפור איכות המוצר הכוללת. שיתוף פעולה בין בעלי עניין בתעשייה, מאמצי סטנדרטיזציה ושינוי בחשיבה לקראת גישה אנכית יהיו המפתח בעיצוב העתיד של תחזוקת הרכב. בזמן שהתעשייה מנווטת את המסע הטרנספורמטיבי הזה, ההתמקדות נשארת במינוף הטכנולוגיה כדי להבטיח שכלי רכב לא רק עומדים אלא גם עולים על תקני אמינות ובטיחות.

SDV היא מהפכת רכב