汽车故障安全电子设备 – Semiwiki

汽车行业正处于革命性变革的边缘，其中预测性维护和监控占据中心地位。在最近的一次网络研讨会小组会议中，行业专家深入探讨了围绕任务概况的保证和扩展的挑战、当前方法和未来创新。

proteanTecs 主办了该网络研讨会，小组成员包括以下专家：

Heinz Wagensonner，CARIAD（大众集团软件部门）高级 SoC 设计师

Jens Rosenbusch，英飞凌科技 SoC 安全架构高级首席工程师，

Xiankun “Robert” J​​in，恩智浦半导体汽车 SoC 安全架构师

Gal Carmel，proteanTecs 汽车部执行副总裁兼总经理。 Circulor 首席外部事务官 Ellen Carey 主持了小组会议。

出现的关键主题是对人工智能 (AI) 的日益依赖、实时监控的重要性以及行业思维范式转变的必要性。以下是该小组会议的要点。您可以访问该 从这里点播整个小组会议。

当前的挑战

对话首先承认汽车行业面临的挑战。例如，引入长时间连接到云端的中央网关控制器对可靠性和安全性提出了挑战。传统上，管理不确定性涉及在设计、制造和测试过程中建立利润。然而，这种方法在未来可能变得不可持续。

目前的方法

为了应对这些挑战，该行业正在转向更加主动和预测性的维护方法。重点不是仅仅依赖内置裕量，而是实施持续评估设备状态的健康监视器或传感器。这些数据可能通过机器学习进行汇总和分析，提供以前无法获得的见解。这种新发现使得人们能够在即将发生故障之前做出诸如更换设备之类的决策，这一概念被称为预测性维护。

协作和标准化

向预测性维护的过渡不是单个公司的旅程，而是需要汽车行业内的协作努力。小组会议期间提到的一项重要举措是创建汽车预测性维护框架。去年夏天发布了技术报告 TR 9839，为 ISO 26262 标准第三版铺平了道路。这种协作方法涉及利益相关者，包括半导体供应商、原始设备制造商 (OEM) 和监管机构。

人工智能在预测性维护中的作用

人工智能的集成成为预测性维护变革的关键因素。人工智能能够分析大量数据集并识别人类观察者无法识别的模式，这使其成为预测故障的宝贵工具。无论是优化生产流程还是分析现场故障，人工智能在提高效率和准确性方面都发挥着关键作用。

人工智能不仅仅是发现已知问题，而是发现可能导致失败的潜在缺陷或异常。人工智能在分析车队中数百万辆车辆的传感器数据中的应用为及早发现潜在故障提供了可能性。然而，讨论也强调了标准化人工智能应用以确保准确性和可靠性的重要性。

片上监控实时洞察

汽车维护转型的一个关键方面是采用片上监控。传统的故障分析过程涉及将故障组件送回进行分析，被认为是缓慢且低效的。如果有效实施，片上监控可以实时洞察车辆运行时芯片的行为。

未来景观

随着汽车行业朝着自主化和互联性增强的方向发展，对灵活且适应性强的维护方法的需求变得至关重要。演讲者强调了思维的转变，采用跨平台、数据驱动的方法。这涉及创建通用语言、汇集见解以及利用硬件机制和软件分析的组合来推动主动维护。

总结

小组会议强调了行业从被动维护策略向主动维护策略的动态转变。人工智能与片上监控的集成代表了增强可靠性、降低成本和提高整体产品质量的飞跃。行业利益相关者之间的合作、标准化工作以及垂直方法思维的转变将是塑造汽车维护未来的关键。随着行业在这一变革之旅中前行，重点仍然是利用技术来确保车辆不仅满足而且超越可靠性和安全标准。

您可以在此处收听整个小组会议。

另请参阅：

将可靠性融入先进汽车电子产品中

释放数据的力量：为汽车系统创造更安全的未来

proteanTecs 片上监控和深度数据分析系统

通过以下方式分享此帖子：

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://semiwiki.com/ip/339946-fail-safe-electronics-for-automotive/