検証と妥当性確認を通じてソフトウェア・定義型車両のインサイトを強化

自動車メーカーがより複雑なソフトウェア定義型車両 (SDV) の開発に移行するにつれて、ソフトウェア・システムとハードウェアのバリエーションとの間の複雑な相互作用の数が増加するため、検証と妥当性確認のプロセスはより困難で重要なものになります。
ソフトウェア・定義型車両の設計サイクルの修正
検証と妥当性確認に関連する最も深刻な問題の1つは、これまでシステムズ・エンジニアリングのVモデルが使用されてきたことです。
このモデルでは、エンジニアリング・チームはまずシステム定義、次にモジュールとアセンブリ、最後にこれらのモジュールやアセンブリ内のコンポーネントに取り組みます。しかし、検証や妥当性確認を行う際、ボトムアップで逆の順序に従って作業する必要があります。
このモデルに従って、コンポーネント、モジュール、アセンブリの順に検証した場合のみ、システムレベルに達することができます。つまり、エンジニアリング・チームは、開発の最終段階に到達するまで、システムレベルの検証と妥当性確認の問題に関するインサイトを得ることができません。
例えば、電気/電子 (E/E) システムの担当エンジニアが、初期構成に基づいて検証と妥当性確認に関する計算を実行していたとします。
バッテリー管理システム・チームが独自に変更を行った場合、設計サイクルの後半で統合テストと機能レベルのテストを実施するまで、設計チームの誰も競合に気付かない可能性があります。その結果、エンジニアリング・チームは、そうなって初めて車両全体の検証の妨げとなる問題を検出する可能性があります。
ソフトウェア定義型車両の検証と妥当性確認
従来のシステムズ・エンジニアリングのVモデルでは、製品開発の後半に検証と妥当性確認を行います。
このアプローチには、設計と検証の間に大きな時間差があるため、根本的な問題があります。
エンジニアは物理プロトタイプでテストを行いますが、多くの場合、実世界のさまざまな運転条件や安全シナリオで製品の機能を調査することはできません。また、エンジニアがより限られた設計空間で作業しているため、調査、イテレーション、イノベーションが難しくなります。
検証と妥当性確認は課題であり、これらは開発プロセスの最終段階にあるため、エンジニアがシステムレベルでの問題に効果的に対処することが難しくなる可能性があります。

ソフトウェア定義型車両とデジタルツイン
デジタル技術を採用して、より高度なアプローチを取ることで、エンジニアはシステムを段階的かつ継続的に検証する能力を得て、システムズ・エンジニアリングのVモデルに内在するギャップを埋めることができます。エンジニアは、各自の領域固有のシミュレーションを実行して、機能や特徴を検証できます。
エンジニアは設計プロセスの初期段階で潜在的な問題を特定し、解決することができます。これらの問題が解決した後、エンジニアリング・チームはプロトタイプを作成して物理試験を行い、そのデータを使用して正確な応答モデルを作成できます。
エンジニアリング・チームは、検証と妥当性確認のために物理プロトタイプだけに頼る必要はありません。デジタルモデルと物理モデルを組み合わせて使用することで、すべての製品要件が満たされていることを確認し、車両の挙動と機能的性能を理解できます。
ソフトウェア・定義型車両の製品開発サイクルを効率化
これらのソリューションのもう1つの利点は、さまざまなシナリオでモデルの現実的なテストを実施できることです。
エンジニアリング部門は、開発の各進行段階で包括的なシミュレーションを実施できます。
その後、すべてのコンポーネントとシステムが機能と安全性の要件を満たしていることを確認してから、次の段階に進むことができます。このような仮想試験を行うことで、製品開発サイクルを効率化できます。
その結果、検証と妥当性確認の全体的な効率が向上し、実世界での条件を再現する可能性が最も高い結果が得られます。また、エンジニアリング・チームは、開発プロセスの初期段階で設計の潜在的な問題を特定できるため、スケジュールの遅れやコストのかかるやり直しを回避できます。
データを活用した強力なソフトウェア・定義型車両設計の実現
検証と妥当性確認は、ソフトウェア定義型車両固有の複雑な特徴や機能をサポートするために不可欠な要素です。
車両の設計と開発の未来に目を向けている自動車メーカーは、デジタル技術とシミュレーション・ツールを採用することで大きなメリットを得ることができます。
これらのツールを使用することで、エンジニアリング・チームは検証および妥当性確認プロセスの効率性と有効性を高め、従来のシステムズ・エンジニアリングのVモデルが残したギャップを埋めることができます。その結果、エンジニアは、開発プロセスの初期段階で、ソフトウェアとハードウェアの間の複雑な相互作用をより深く理解することができます。
デジタルモデルと物理モデルの両方から継続的に得られるデータ主導のインサイトを活用して、可能な限り強力な設計を考案することができます。