Les véhicules autonomes nécessiteront un système étendu de ressources avancées (capteurs, ordinateurs de bord, réseaux de données haut débit à large bande passante), ainsi qu’un système de câblage pour relier le tout.
Ce réseau complexe de caméras, de radars, de capteurs LIDAR et d’unités de contrôle électronique (ECU) sera chargé de détecter et d’interpréter les conditions environnementales dynamiques afin de prendre les décisions de conduite en temps réel. Il implique la collecte, le traitement et la distribution de gigabits de données chaque seconde pour permettre aux algorithmes et aux ECU de répondre à un environnement de conduite en évolution rapide. En raison de la complexité et de la criticité des systèmes électriques et électroniques nécessaires à la conduite autonome, la conception et l’ingénierie des véhicules seront éminemment problématiques.
En effet, de nombreux essais et validations s’avéreront nécessaires pour garantir la sécurité de ces systèmes. La majorité des estimations prédisent que les véhicules autonomes devront parcourir des milliards de kilomètres de tests pour garantir leur sécurité. Afin de rester compétitifs, les constructeurs devront intégrer les enseignements tirés des tests en simulation et en conditions réelles dans la conception de leurs véhicules autonomes.
ÉVOLUTION VERS L’AUTONOMIE DE NIVEAU 5
La rampe technologique menant aux véhicules totalement autonomes présente des défis importants pour les ingénieurs chargés de leur conception. La technologie avancée des capteurs, les réseaux de données haut débit à large bande passante et l’intelligence artificielle de pointe sont tous essentiels au succès fonctionnel et commercial des véhicules autonomes. Le véritable défi commence toutefois lorsque ces technologies avancées sont intégrées dans un système unique qui doit percevoir, communiquer et décider d’une ligne de conduite (Figure 1).
Figure 1 : Les plateformes de véhicules autonomes doivent connecter un ensemble de capteurs et d’ordinateurs avancés par le biais de réseaux de données haut débit pour percevoir, évaluer et agir sur les stimuli environnementaux.
Par exemple, une voiture présentant une autonomie de niveau deux peut être équipée d’un régulateur de vitesse actif, d’un système d’avertissement de changement de voie, d’une aide au maintien de la trajectoire et d’une aide au stationnement. Au total, cette voiture nécessite environ dix-sept capteurs pour activer ses systèmes d’aide à la conduite. Ces capteurs se composent d’un radar à ultrasons, d’un radar à longue portée, d’un radar à courte portée et de caméras surround pour surveiller l’environnement des véhicules. De plus, les calculs effectués par les systèmes automatisés de cette voiture sont relativement primitifs. Le système d’aide au maintien de la trajectoire, par exemple, n’a pour tâche que de surveiller la position du véhicule par rapport aux voies de la route.
Si le conducteur commence à dévier, le système l’en informe ou prend des mesures correctives, mais la responsabilité ultime du contrôle du véhicule incombe au conducteur. Un véhicule autonome de niveau cinq aura la responsabilité complète du contrôle de la conduite, ne nécessitant aucune intervention humaine. Il devrait disposer de plus de trente capteurs supplémentaires très diversifiés pour couvrir l’immense nombre de tâches qu’un véhicule autonome devra accomplir (Figure 2). En plus du radar à ultrasons, de la caméra surround et des capteurs radar à courte et longue portées d’une voiture de niveau deux, le niveau cinq nécessitera des caméras stéréo et à longue portée, un LiDAR et des capteurs d’estime. L’augmentation du nombre de capteurs va accroître la quantité de câbles dans le faisceau et les ressources de calcul nécessaires pour traiter les gigabits de données produites par les capteurs.
Figure 2 : Un véhicule entièrement autonome nécessitera de nombreux types de capteurs pour percevoir avec précision
les environnements de conduite dynamiques.
Lors de la conception, les ingénieurs devront effectuer des analyses d’architecture et de compromis pour étudier les propositions architecturales (par exemple, architecture centralisée, de domaine ou distribuée). Pour une plateforme de véhicule autonome, ces analyses devront prendre en compte des centaines de composants et des millions de signaux tout en optimisant l’emplacement des fonctions, la latence du réseau, les taux d’erreur, etc. Malgré ces défis, la conduite autonome est un marché en plein essor. Au moins 144 entreprises ont annoncé des programmes de véhicules autonomes, et les dépenses annuelles en semi-conducteurs pour applications ADAS devraient augmenter d’année en année (Figure 3).
Certaines sont de grands constructeurs automobiles qui cherchent à garder une longueur d’avance sur la prochaine disruption du secteur, mais la plupart sont des start-ups ou des entreprises d’autres secteurs qui cherchent à accéder à un marché traditionnellement impénétrable. Ces entreprises ne disposent pas d’expérience spécifique dans ce domaine, ni des ressources d’ingénierie nécessaires pour se frayer un chemin à travers les complexités de la conception de véhicules autonomes. Même les grands équipementiers automobiles seront confrontés à des problèmes que leurs flux de conception existants sont mal équipés pour gérer.
Figure 3 : Les dépenses annuelles consacrées aux dispositifs à semi-conducteurs pour applications ADAS devraient augmenter d’année en année.
Cette situation se confirmera à mesure que les projets de véhicules autonomes passeront des stades de la recherche, du développement et du prototypage unique à la production en série. Les systèmes autonomes devront être optimisés en termes de coût, de poids et de consommation d’énergie, tout en respectant les exigences de sécurité les plus strictes auxquelles l’industrie automobile ait jamais été confrontée. Pour être compétitives, ces entreprises auront besoin d’une nouvelle méthodologie de conception permettant aux jeunes ingénieurs de concevoir des systèmes précis et optimisés, ce qui ne peut se faire qu’en s’appuyant sur l’expérience et les connaissances d’ingénieurs chevronnés. Ils auront besoin de la conception générative.
CONCEPTION ET INGÉNIERIE GÉNÉRATIVES
La conception générative prend en compte les définitions et les exigences des systèmes pour générer, à l’aide de l’automatisation basée sur des règles, des propositions architecturales pour la logique, les logiciels, le matériel et les réseaux des systèmes électriques et électroniques (Figure 4). Ces règles permettent de capturer les connaissances et l’expérience des ingénieurs chevronnés pour guider les jeunes ingénieurs tout au long de la conception. L’acquisition de cette propriété intellectuelle aide les entreprises à développer des architectures de véhicules, mais aussi à former de nouvelles générations d’ingénieurs
à mesure qu’ils apprennent et mettent en œuvre les connaissances existantes de l’entreprise.
Figure 4 : La conception générative utilise l’automatisation basée sur des règles pour générer des propositions concernant la logique, les logiciels, le matériel et les réseaux du système E/E.
Un flux de conception générative commence par des modèles fonctionnels. Un modèle fonctionnel représente la fonctionnalité du système électrique à implémenter (sans préciser comment). Il tient compte d’aspects tels que les réseaux de communication, les sources d’énergie et les composants. Ces modèles peuvent être saisis dans divers formats comme des feuilles de calcul, des fichiers SysML ou des diagrammes MS Visio.
Les équipes de conception normalisent ensuite ces divers modèles fonctionnels dans un format unifié (par exemple, Capital) au sein de leur environnement de conception de systèmes électriques. Une fois les modèles normalisés, les ingénieurs peuvent générer des architectures potentielles pour la logique du système E/E, les réseaux, le matériel et les logiciels. La précieuse propriété intellectuelle de l’entreprise est automatiquement intégrée à ces propositions grâce aux règles de conception qui régissent la génération des propositions. À ce stade, les ingénieurs électriciens peuvent rapidement générer, évaluer et comparer plusieurs propositions architecturales, optimisant ainsi la conception à partir des solutions initiales présentées.
À partir de la proposition architecturale sélectionnée, les ingénieurs peuvent extraire des systèmes logiques discrets pour générer des conceptions de réseaux au niveau de la plateforme et le système de distribution électrique (SDE). Cela permet ensuite à l’équipe de synthétiser la conception des faisceaux de câbles pour chaque sous-système, de générer des aides à la fabrication et les coûts de production, de publier des données sur les services électriques et de générer une documentation sur les services spécifiques aux NIV.
POURQUOI GÉNÉRATIVE ?
Si le contenu électrique et électronique croissant des véhicules modernes pousse déjà les méthodes de conception actuelles à leurs limites, la complexité des systèmes automobiles ne fera que croître à l’avenir. Les voitures autonomes contiendront les systèmes électriques et électroniques les plus complexes jamais observés dans l’industrie automobile. Plus de trente capteurs, des kilomètres de câbles et des centaines d’ECU seront nécessaires pour collecter, déplacer et traiter les données nécessaires à la conduite autonome. Les réseaux de données devront être extrêmement rapides pour permettre la perception, la prise de décision et l’action en temps réel afin de prévenir les collisions et les blessures aux passagers ou aux piétons. Les ingénieurs qui développent ces véhicules devront également trouver un équilibre entre les exigences de performances et la consommation d’énergie, les contraintes d’espace physique, le poids et les considérations thermiques.
La conception générative offre aux ingénieurs automobiles les moyens de relever les défis liés à la conception de systèmes électriques et électroniques pour les véhicules autonomes. Elle utilise une automatisation basée sur des règles pour une synthèse rapide de la conception, permet aux ingénieurs de concevoir dans le contexte d’une plateforme automobile complète et intègre étroitement divers domaines de conception pour assurer la continuité des données.
Tout d’abord, le recours à l’automatisation tout au long du processus aidera les équipes de conception à faire face à la complexité sans augmenter le délai de commercialisation. L’automatisation aide les ingénieurs à se concentrer sur les aspects les plus critiques de la conception et de la vérification de la fonctionnalité du système E/E et réduit les erreurs dues à la saisie manuelle de données. Ils disposent ainsi de plus de temps pour mettre leur créativité et leur ingéniosité au service de l’innovation technologique dans le secteur automobile. L’automatisation applique également la propriété intellectuelle de l’entreprise aux propositions générées par le biais de règles de conception, ce qui augmente la précision et la qualité des modèles.
Ensuite, la conception dans le contexte de la plateforme complète aide les ingénieurs à comprendre la façon dont les signaux, les câbles et les autres composants sont mis en œuvre sur l’ensemble de la plateforme du véhicule, réduisant ainsi les erreurs au niveau des interfaces ou dues à la complexité du faisceau. Ce flux de conception permet également aux équipes de réutiliser les données validées sur l’ensemble des plateformes de véhicules afin d’améliorer la qualité et de réduire les coûts de développement.
Enfin, un environnement étroitement intégré permet aux ingénieurs électriciens de partager des données avec des ingénieurs et des outils dans d’autres domaines, tels que la conception de composants mécaniques ou de circuits imprimés. Les interactions entre les composants électriques, mécaniques et logiciels d’un véhicule sont de plus en plus nombreuses. La synchronisation transparente des données entre ces domaines améliore leur intégration dans un système unique.
CONTINUITÉ DES DONNÉES
La conception générative crée un fil (thread) continu de données, depuis la définition et les exigences initiales du système jusqu’à la production et au service à grande échelle. Les mêmes données alimentent chaque étape du flux de conception générative afin que rien ne se perde entre les étapes ou les domaines de conception. Ce fil continu de données permet à tous les membres de l’équipe d’ingénierie de se tenir au courant et de travailler avec les données les plus récentes, tout en s’assurant que les conceptions répondent aux diverses exigences en matière de fonctionnalité, de sécurité, de poids, etc. (voir Figure 5).
Figure 5 : La conception générative assure la continuité des données depuis les définitions initiales du système jusqu’à la production et l’après-vente pour une traçabilité complète et le respect des exigences.
Les règles de conception intégrées permettent aux ingénieurs de vérifier automatiquement les défauts de conception, défauts qui peuvent facilement être perdus dans la complexité même d’un véhicule autonome. Ces contrôles des règles de conception peuvent détecter les extrémités de fils non terminées, les incohérences dans les longueurs de faisceaux graphiques et physiques, mais aussi vérifier les charges de courant sur les fils, la chaleur générée et d’autres défauts. Là encore, la conception générative fait appel à la propriété intellectuelle de l’entreprise par le biais de ces vérifications afin de déceler les défauts de conception qui ont causé des problèmes dans le passé ou que les nouveaux ingénieurs ne pensent peut-être pas à vérifier.
De plus, la continuité des données améliore la capacité de l’ingénieur à analyser l’impact des changements de conception. Les méthodes traditionnelles ont du mal à quantifier les répercussions des changements de conception. Chaque modification affectant le reste du système, les effets de deuxième et troisième ordres peuvent être très difficiles à prévoir. La migration d’une ECU vers un nouvel emplacement ou un nouveau réseau dans l’architecture peut affecter les performances ailleurs dans le système. Ce changement de comportement peut se produire en cascade, invalidant un nombre illimité de sous-systèmes.
La continuité des données garantit que les projets aient une source de données unique, ce qui permet d’avoir une image claire de la myriade d’interactions entre les domaines et les systèmes. Les modifications apportées à la conception peuvent être examinées à l’aide d’une analyse d’impact détaillée qui informera l’ingénieur des problèmes que le changement peut causer dans d’autres domaines. Par exemple, le déplacement ou le retrait d’une ECU pourrait être évalué en fonction de son impact sur la synchronisation des réseaux, l’intégrité des signaux ou les questions de dégagement physique et de collision. Les changements sont ainsi apportés en connaissant leur impact sur le système.
MOTEUR DE RÉUSSITE POUR LA CONDUITE AUTONOME
Dans le secteur automobile, la conception générative représentera un outil essentiel pour les entreprises, qu’elles soient nouvelles ou établies, qui souhaitent développer des véhicules totalement autonomes. La possibilité de générer automatiquement des architectures de systèmes électriques permet d’explorer et d’optimiser les conceptions dès le départ, tout en intégrant la propriété intellectuelle de l’entreprise dans le flux de conception. En outre, une source unique de données favorise la cohérence entre les domaines, la réutilisation des conceptions et améliore l’analyse de l’impact des changements. Enfin, l’intégration étroite entre les domaines électriques et avec les outils mécaniques et PLM rationalise l’ensemble du flux, de la conception à la production.
L’énorme complexité inhérente à la conception de véhicules autonomes continuera à repousser les limites des outils et des méthodologies employés par les ingénieurs automobiles. C’est particulièrement vrai dans les domaines des systèmes électriques et électroniques, car ils en viennent à dominer l’exploitation des systèmes et des équipements essentiels à la sécurité d’un véhicule. Les gagnants de cette technologie disruptive seront les entreprises qui peuvent le plus efficacement intégrer les technologies avancées nécessaires à la conduite autonome dans un ensemble fiable, sûr et attrayant pour les consommateurs, puis commercialiser ces technologies rapidement et avec un niveau de qualité élevé.
Doug Burcicki est directeur automobile monde de l’équipe IES chez Mentor, a Siemens Business.
Avant d’intégrer Mentor, Doug était directeur du développement commercial avancé chez Yazaki, un poste à vocation mondiale dans lequel il était responsable de l’identification des tendances produits et technologies résultant des indicateurs du marché, de la réglementation et de l’économie.
Pour mettre fin aux stratégies régionales disparates, il a mis en place un processus global de priorisation des projets, des ressources et des investissements en R&D.
