Безопасная автомобильная электроника — Semiwiki

Безопасная автомобильная электроника – Semiwiki

Исходный узел: 3039256

Автомобильная промышленность находится на пороге революционной трансформации, в которой центральное место занимают прогнозное обслуживание и мониторинг. На недавнем панельном вебинаре эксперты отрасли обсудили проблемы, текущие подходы и будущие инновации, связанные с гарантией и расширением профилей миссий.

Компания proteanTecs провела этот вебинар, в котором в качестве участников выступили следующие эксперты:

Хайнц Вагенсоннер, старший разработчик SoC, CARIAD (подразделение программного обеспечения Volkswagen Group)

Йенс Розенбуш, старший инженер по архитектуре безопасности SoC, Infineon Technologies,

Сянькунь «Роберт» Джин, архитектор безопасности автомобильных SoC, NXP Semiconductors, и

Галь Кармель, исполнительный вице-президент, генеральный директор автомобильного подразделения proteanTecs. Эллен Кэри, директор по внешним связям компании Circulor, модерировала панельную сессию.

Ключевыми темами, которые возникли, были растущая зависимость от искусственного интеллекта (ИИ), важность мониторинга в реальном времени и необходимость смены парадигмы в отраслевом мышлении. Ниже приведены основные моменты, высказанные в ходе этого панельного заседания. Вы можете получить доступ к этому всю панельную сессию по запросу отсюда.

Текущие проблемы

Мегатренды, вызывающие потребность в кремниевых возможностях нового поколения

Разговор начался с признания проблем, с которыми сталкивается автомобильный сектор. Например, внедрение контроллера центрального шлюза, подключенного к облаку на длительный период времени, создает проблемы с надежностью и безопасностью. Традиционно управление неопределенностями включало в себя увеличение прибыли в процессах проектирования, изготовления и тестирования. Однако в будущем такой подход может стать неустойчивым.

Текущие подходы

Чтобы решить эти проблемы, отрасль переходит к более активному и прогнозирующему подходу к техническому обслуживанию. Вместо того, чтобы полагаться исключительно на встроенные возможности, упор делается на внедрение мониторов или датчиков работоспособности, которые постоянно оценивают состояние устройства. Эти данные агрегируются и анализируются, возможно, с помощью машинного обучения, предоставляя информацию, которая ранее была недоступна. Это новое понимание позволяет принимать такие решения, как замена устройств до неминуемого отказа — концепция, известная как прогнозируемое обслуживание.

Сотрудничество и стандартизация

Переход к профилактическому техническому обслуживанию — это не процесс, предпринимаемый отдельными компаниями, а требующий совместных усилий внутри автомобильной промышленности. Одной из важных инициатив, упомянутых в ходе панельной дискуссии, является создание системы профилактического обслуживания автомобилей. Прошлым летом был опубликован технический отчет TR 9839, проложивший путь к третьему изданию стандарта ISO 26262. В этом совместном подходе участвуют заинтересованные стороны, в том числе поставщики полупроводников, производители оригинального оборудования (OEM) и регулирующие органы.

Роль искусственного интеллекта в профилактическом обслуживании

Интеграция ИИ стала решающим фактором в революционном прогностическом обслуживании. Способность ИИ анализировать обширные наборы данных и выявлять закономерности, которые могут ускользнуть от наблюдателей-людей, делает его ценным инструментом для прогнозирования сбоев. Будь то оптимизация производственных процессов или анализ сбоев на местах, ИИ играет ключевую роль в повышении эффективности и точности.

ИИ занимается не только поиском известных проблем, но и обнаружением скрытых дефектов или аномалий, которые могут привести к сбоям. Применение искусственного интеллекта для анализа данных датчиков миллионов транспортных средств в парке открывает возможности для раннего обнаружения потенциальных сбоев. Однако дискуссия также подчеркнула важность стандартизации приложений ИИ для обеспечения точности и надежности.

Встроенный мониторинг для получения информации в режиме реального времени

Важнейшим аспектом трансформации технического обслуживания автомобилей является внедрение встроенного мониторинга. Традиционный процесс анализа отказов, включающий отправку неисправных компонентов обратно на анализ, считался медленным и неэффективным. Встроенный мониторинг, если он реализован эффективно, может обеспечить в режиме реального времени информацию о поведении кремния во время эксплуатации автомобиля.

Будущий пейзаж

По мере того как автомобильная промышленность движется к автономности и расширению возможностей подключения, необходимость в гибком и адаптивном подходе к техническому обслуживанию становится первостепенной. Выступающие подчеркнули изменение мышления, в котором применяется кросс-платформенный подход, основанный на данных. Это включает в себя создание общего языка, объединение аналитических данных и использование комбинации аппаратных механизмов и программной аналитики для обеспечения упреждающего обслуживания.

Обзор

Панельная сессия подчеркнула динамичный переход отрасли от реактивных к проактивным стратегиям технического обслуживания. Интеграция искусственного интеллекта и встроенного мониторинга представляет собой шаг вперед в повышении надежности, снижении затрат и улучшении общего качества продукции. Сотрудничество между заинтересованными сторонами отрасли, усилия по стандартизации и изменение мышления в сторону вертикального подхода будут иметь ключевое значение в формировании будущего технического обслуживания автомобилей. По мере того, как отрасль движется по пути трансформации, основное внимание по-прежнему уделяется использованию технологий, которые позволят транспортным средствам не только соответствовать, но и превосходить стандарты надежности и безопасности.

SDV — это автомобильная революция

Прослушать всю панельную сессию можно здесь.

Читайте также:

Повышение надежности современной автомобильной электроники

Раскрытие возможностей данных: обеспечение более безопасного будущего для автомобильных систем

proteanTecs Система встроенного мониторинга и глубокого анализа данных

Поделитесь этим постом через:

Отметка времени:

Больше от Полувики