Faalveilige elektronica voor de automobielsector - Semiwiki

Heruitgegeven door Plato

volgers: 0

De auto-industrie staat aan de vooravond van een revolutionaire transformatie, waarbij voorspellend onderhoud en monitoring centraal staan. Tijdens een recente webinarpanelsessie hebben experts uit de industrie zich verdiept in de uitdagingen, huidige benaderingen en toekomstige innovaties rondom het garanderen en uitbreiden van missieprofielen.

proteanTecs organiseerde dat webinar met de volgende experts als panelleden:

Heinz Wagensonner, Sr. SoC Designer, CARIAD (softwaredivisie van Volkswagen Group)

Jens Rosenbusch, senior hoofdingenieur, SoC Safety Architecture, Infineon Technologies,

Xiankun “Robert” Jin, Automotive SoC Safety Architect, NXP Semiconductors, en

Gal Carmel, uitvoerend vice-president, GM, Automotive, proteanTecs. Ellen Carey, Chief External Affairs Officer, Circulor, modereerde de panelsessie.

De belangrijkste thema’s die naar voren kwamen waren de toenemende afhankelijkheid van kunstmatige intelligentie (AI), het belang van realtime monitoring en de behoefte aan een paradigmaverschuiving in het denken van de industrie. Hieronder volgen de meest opvallende punten die uit die panelsessie naar voren kwamen. Daar heb je toegang toe volledige panelsessie on-demand vanaf hier.

Huidige uitdagingen

MegaTrends stimuleren de behoefte aan siliciumcapaciteiten van de volgende generatie

Het gesprek begon met het erkennen van de uitdagingen waarmee de automobielsector wordt geconfronteerd. De introductie van een Central Gateway-controller die voor langere tijd met de cloud is verbonden, brengt bijvoorbeeld uitdagingen met zich mee op het gebied van betrouwbaarheid en veiligheid. Traditioneel betekende het beheersen van onzekerheden het inbouwen van marges in ontwerp-, fabricage- en testprocessen. Deze aanpak kan in de toekomst echter onhoudbaar worden.

Huidige benaderingen

Om deze uitdagingen aan te pakken, verschuift de industrie naar een meer proactieve en voorspellende onderhoudsaanpak. In plaats van uitsluitend te vertrouwen op ingebouwde marges, ligt de nadruk op het implementeren van gezondheidsmonitors of sensoren die voortdurend de status van het apparaat beoordelen. Deze gegevens worden samengevoegd en geanalyseerd, mogelijk via machinaal leren, waardoor inzichten worden verkregen die voorheen ontoegankelijk waren. Dit nieuwe inzicht maakt beslissingen mogelijk zoals het verwisselen van apparaten voordat er een dreigende storing optreedt, een concept dat bekend staat als voorspellend onderhoud.

Samenwerking en standaardisatie

De transitie naar voorspellend onderhoud is geen traject van individuele bedrijven, maar vereist gezamenlijke inspanningen binnen de auto-industrie. Een belangrijk initiatief dat tijdens de panelsessie werd genoemd, is het creëren van een raamwerk voor voorspellend onderhoud in de automobielsector. Afgelopen zomer werd een technisch rapport, TR 9839, gepubliceerd, dat de weg vrijmaakte voor de derde editie van de ISO 26262-norm. Bij deze gezamenlijke aanpak zijn belanghebbenden betrokken, waaronder leveranciers van halfgeleiders, fabrikanten van originele apparatuur (OEM's) en regelgevende instanties.

De rol van AI in voorspellend onderhoud

De integratie van AI kwam naar voren als een cruciale factor in het revolutioneren van voorspellend onderhoud. Het vermogen van AI om enorme datasets te analyseren en patronen te identificeren die menselijke waarnemers kunnen ontgaan, maakt het een waardevol hulpmiddel voor het voorspellen van mislukkingen. Of het nu gaat om het optimaliseren van productieprocessen of het analyseren van fouten in het veld, AI speelt een cruciale rol bij het verbeteren van de efficiëntie en nauwkeurigheid.

AI gaat niet alleen over het vinden van bekende problemen, maar ook over het blootleggen van latente defecten of afwijkingen die tot mislukkingen kunnen leiden. De toepassing van AI bij de analyse van sensorgegevens van miljoenen voertuigen in een wagenpark opent mogelijkheden voor vroegtijdige detectie van potentiële storingen. De discussie benadrukte echter ook het belang van het standaardiseren van AI-toepassingen om nauwkeurigheid en betrouwbaarheid te garanderen.

On-chip monitoring voor realtime inzichten

Een cruciaal aspect bij het transformeren van auto-onderhoud is de adoptie van on-chip monitoring. Het traditionele proces van foutanalyse, waarbij defecte componenten werden teruggestuurd voor analyse, werd als traag en inefficiënt beschouwd. Monitoring op de chip kan, indien effectief geïmplementeerd, realtime inzicht verschaffen in het gedrag van silicium terwijl het voertuig in gebruik is.

Het toekomstige landschap

Nu de auto-industrie richting autonomie en grotere connectiviteit evolueert, wordt de behoefte aan een flexibele en adaptieve benadering van onderhoud van het allergrootste belang. De sprekers benadrukten een verandering in het denken, waarbij een platformonafhankelijke, datagedreven aanpak wordt omarmd. Dit omvat het creëren van een gemeenschappelijke taal, het bundelen van inzichten en het gebruiken van een combinatie van hardwaremechanismen en softwareanalyses om proactief onderhoud te stimuleren.

Samengevat

De panelsessie benadrukte de dynamische verschuiving in de sector van reactieve naar proactieve onderhoudsstrategieën. De integratie van AI en monitoring op de chip betekent een sprong voorwaarts in het vergroten van de betrouwbaarheid, het verlagen van de kosten en het verbeteren van de algehele productkwaliteit. Samenwerking tussen belanghebbenden uit de sector, standaardisatie-inspanningen en een verandering in het denken in de richting van een verticale benadering zullen van cruciaal belang zijn bij het vormgeven van de toekomst van het auto-onderhoud. Terwijl de industrie deze transformatieve reis doormaakt, blijft de focus liggen op het benutten van technologie om ervoor te zorgen dat voertuigen niet alleen voldoen aan de betrouwbaarheids- en veiligheidsnormen, maar deze zelfs overtreffen.

SDV is een automobielrevolutie