Mitjançant diferents fonts de dades (com ara proves físiques) i models de ML, i habitualment en combinació amb les nostres solucions de digital twin, la nostra solució de millora de dades pot aprendre, predir i simular resultats per oferir configuracions automàtiques de producte que permetin la millora de productes i components durant el procés de desenvolupament.
Això redueix el nombre de proves en les diferents fases del cicle de vida del producte (disseny, desenvolupament, validació), disminuint tant els costos com el temps de llançament al mercat.
Beneficis
-
- Reducció del temps de llançament al mercat del producte
- Minimització dels costos de maquinari
- Reducció del consum energètic
- Millores específiques per sector. Per exemple, en projectes d’automoció es poden assolir:
- Resiliència del vehicle (seguretat, ciberseguretat)
- Millora de l’experiència del conductor: més confort per als passatgers gràcies a la millora de sistemes (com l’aire condicionat), que també pot augmentar l’eficiència energètica del vehicle.
Casos d’ús
Tendim a aplicar aquesta solució a les indústries de l’automoció i el transport per millorar l’eficiència dels vehicles o d’un component específic. Tot i això, també pot resultar adequada per transformar i oferir productes innovadors millorats en altres sectors.
Exemples de productes on hem aplicat solucions de millora de dades:
-
- Sistema de bateria o sistema de gestió tèrmica per a vehicles elèctrics (EV).
- Sistemes avançats d’assistència al conductor (ADAS) per a vehicles autònoms (AV) i vehicles connectats i autònoms (CAV).
- Calibratge automàtic del motor dels vehicles.
- Dades de sistemes EV, AV i CAV que combinem amb un model precís basat en ML i en física. Per exemple, models físics d’un component com les bateries (amb sistemes físic-químics interns).
- Simulació de proves.
- Incrementar la ocurrència d’esdeveniments específics especialment rellevants per a les proves, per mostrar escenaris concrets amb dades artificials que facilitin i optimitzin el desenvolupament del producte.
- Extreure les característiques d’un esdeveniment ocorregut en una altra àrea i recrear un esdeveniment similar, si és necessari.
Com ho fem?
Mitjançant un conjunt d’eines digitals que anomenem Open Framework, executem un digital twin que reprodueix el comportament de determinats components del producte.
Combinen dades del producte (per exemple, en automoció: dades del vehicle, dels seus components i d’altres vehicles —dades de flota— quan estan disponibles) i, juntament amb models de ML, simulem automàticament diferents escenaris per generar una configuració de producte millorada.
