文Jeff Phillips

在汽車行業(yè)內(nèi)，人們的焦點都放在趨勢變化方面，卻忽略了制造安全可靠車輛的挑戰(zhàn)。

世界處在不斷變化的過程中。對于交通運輸行業(yè)，這種變化是最明顯的。不僅僅是汽車的未來，而且未來大眾的出行方式將充滿了期待和機遇。網(wǎng)聯(lián)系統(tǒng)的技術革命也帶來了汽車電氣化、自動駕駛系統(tǒng)，車輛與車輛以及車輛與周圍基礎設施之間通信方式的變化。

由于大部分人的焦點都放在了趨勢變化，在某些程度上市場正在忽略目前制造安全可靠車輛的挑戰(zhàn), 即如何配置測試來應對日益縮減的時間期限、集中式 ECU以及缺乏高效的企業(yè)數(shù)據(jù)管理解決方案等問題。

測試配置

法國小說家Jean-Baptiste Karr經(jīng)常被引用的一句話，翻譯下來大致意思是“越多事情改變，改變的部分就越少”（The more things change,the more they stay the same）。 本 文作者曾訪問過世界各地汽車客戶的驗證工程師，包括OEM和一級供應商，大多圍繞“沒有足夠的時間來進行測試”和“沒有預算購買新設備”等問題展開。

現(xiàn)在，許多系統(tǒng)直接控制或連接到非常注重安全的系統(tǒng)，測試這些設備以確保安全性和可靠性的重要性已不言而喻。

其中最重要的莫過于看似簡單的“測試配置”任務。曾經(jīng)很簡單的汽車零部件，例如車頭燈或汽車座椅，現(xiàn)在變成復雜的機電系統(tǒng)，它將ECU、傳感器、執(zhí)行器以及與車輛其他部分的通信結(jié)合在一起。現(xiàn)在驗證這些子系統(tǒng)的行為需要不同的測試方法。以前車門、車窗、轉(zhuǎn)向柱、照明和座椅的測試都是純粹的物理測試，驗證物理性能和生命周期。這些機械測試采用的工具包括振動臺、環(huán)境室、執(zhí)行器和數(shù)據(jù)采集系統(tǒng)。由于這些組件包含了更多的傳感、計算和控制功能，物理組件已經(jīng)演變成車輛子系統(tǒng)，需要的設計和測試方法必須能夠反映動力總成的設計行為。隨著設計團隊適應這一新的現(xiàn)實，建模、軟件設計、回歸測試，硬件在環(huán)（HIL）測試和系統(tǒng)集成所帶來的測試挑戰(zhàn)并不是花費更長時間或投入更多資金就可以解決的。

對于交通行業(yè)來說，采集的數(shù)據(jù)只會隨著汽車朝5級自動駕駛方向發(fā)展而不斷增加。生物識別傳感器的數(shù)據(jù)將有助于了解駕駛員的狀態(tài)和健康狀況。汽車將基于這些數(shù)據(jù)自動啟動車道變換輔助系統(tǒng)和自適應巡航控制系統(tǒng)。而且更令人興奮的是，AI的應用也即將在汽車領域全面爆發(fā)。

解決這一挑戰(zhàn)需要專門的工具進行一次性測試，然后過渡到編程工具進行自動化，或者在改變時間長度、溫度、天氣因素、碰撞力等不同變量的情況下反復進行相同的測試。這種類型的專業(yè)化也體現(xiàn)在鄰近行業(yè)，比如半導體，其中工具專業(yè)化降低了測試的總體成本，并允許供應商更快地將產(chǎn)品推廣上市。這一趨勢也即將發(fā)生在運輸行業(yè)。事實上，已經(jīng)有一些產(chǎn)品開始提供這種專業(yè)化，比如NI FlexLogger，該軟件提供了基于配置的數(shù)據(jù)記錄交互。

集中式還是非集中式

隨著智能和邊緣處理添加到汽車組件中，每輛車的ECU數(shù)量呈指數(shù)級增長。從邏輯上講，這意味著組件設計更模塊化，故障傳播的概率更低。隨著我們朝著5級自動駕駛汽車努力，來自各種傳感器系統(tǒng)的數(shù)據(jù)融合必將給當前分散式ECU趨勢造成影響。

一種觀點是將子系統(tǒng)集成到一個集中式ECU之下，有時稱為融合ECU。處理器集中化有助于簡化軟件更新、數(shù)據(jù)聚合、數(shù)據(jù)流、成本和關鍵路徑測試。這意味著原始設備制造商可選擇其差異化優(yōu)勢，直接內(nèi)部進行開發(fā)，并采用一級供應商提供的完全集成的端到端傳感器系統(tǒng)。例如，對于電動汽車，許多原始設備制造商正在嘗試將他們的IP（包括制動、充電和動力總成）隔離到一個ECU中，并通過業(yè)界的商用現(xiàn)成ECU來減少測試負擔，降低成本以及分散責任。對整個價值鏈來說，了解這些系統(tǒng)如何集成在一起并共享標準至關重要。

無論如何，驗證ECU上嵌入式軟件的行為這一挑戰(zhàn)將變得更加困難，而快速開發(fā)和構(gòu)建HIL測試設備的能力將變得至關重要。目前HIL系統(tǒng)的事實標準是從端到端構(gòu)建整個系統(tǒng)，這聽起來很有吸引力。過去這種模式行之有效，但兩個重要的發(fā)展正在改變這一格局。

首先，市場變化的速度導致這些“黑匣子”測試設備成本過高，因為每次變化都需要開發(fā)全新的黑匣子。其次是ADAS的演變。隨著ECU的功能越來越多，并將來自不同供應商的信息聚集在一起，所以這些知識和IP更為重要，因為汽車公司需要擁有該IP并深入了解才能對其測試系統(tǒng)進行相應的修改，黑匣子就無法實現(xiàn)這一目的。

歷史上，這種“內(nèi)部所有權(quán)”一般體現(xiàn)在發(fā)動機控制中。然而，我認為ADAS系統(tǒng)是實現(xiàn)創(chuàng)新和所有權(quán)道路上的新“動力總成”，這意味著擁有ADAS的IP將同樣重要。由于缺乏靈活性，無法適應未來需求，加上定制服務的成本過高，工程師正在尋求其他解決方案。此外，還存在由于缺乏大規(guī)模應用而導致的成本問題。這些“黑匣子”測試方案不再適用于較小的子系統(tǒng)，而且即使是小型系統(tǒng)，也包含大量的軟件邏輯。

數(shù)據(jù)管理解決方案

這里我們不必要了解采集的數(shù)據(jù)量如何呈指數(shù)級增長。對于交通行業(yè)來說，采集的數(shù)據(jù)只會隨著汽車朝5級自動駕駛方向發(fā)展而不斷增加。來自雷達、激光雷達和相機等傳感器的數(shù)據(jù)將整合在一起，以了解汽車周邊的環(huán)境。生物識別傳感器的數(shù)據(jù)將有助于了解駕駛員的狀態(tài)和健康狀況。汽車將基于這些數(shù)據(jù)自動啟動車道變換輔助系統(tǒng)和自適應巡航控制系統(tǒng)。而且更令人興奮的是，AI的應用也即將在汽車領域全面爆發(fā)。

對于測試工程師來說，由于采集的數(shù)據(jù)量龐大、驗證采集數(shù)據(jù)的步驟增加以及實時分析這些大型數(shù)據(jù)采集的需求，數(shù)據(jù)問題將會加劇。最近發(fā)生的特斯拉死機就是即時數(shù)據(jù)處理挑戰(zhàn)的一個例子。正確做出決策無疑會帶來無限的潛在影響。

設想一種情況，系統(tǒng)發(fā)生崩潰，系統(tǒng)會分析汽車上傳感器的數(shù)據(jù)并識別自動駕駛算法中的錯誤。

如果用于測試這些系統(tǒng)的數(shù)據(jù)與用于監(jiān)控和評估這些系統(tǒng)的數(shù)據(jù)相同，那么接下來的步驟可能是：錯誤被修復并自動更新到存在該錯誤的車上。相同的數(shù)據(jù)會在驗證系統(tǒng)時生成新的測試參數(shù)，以確保不會重復發(fā)生錯誤。

這種情況是未來十年我們對自動駕駛算法、人工智能和物聯(lián)網(wǎng)的預期。但是，目前這種情況并未發(fā)生，因為盡管我們加載的數(shù)據(jù)越來越多，但并沒有真正對這些數(shù)據(jù)進行分析。

這一問題的關鍵在于不僅可能，而且能夠輕松存儲、共享、查找和分析測量數(shù)據(jù)的企業(yè)數(shù)據(jù)管理解決方案。雖然這極具挑戰(zhàn)性，還有一些汽車公司采取了相應的解

決方案，并取得了顯著的成效。豐田將分析數(shù)據(jù)所需的工時減少了50%;道依茨將數(shù)據(jù)分析時間減少了90%。捷豹路虎將其測試數(shù)據(jù)的百分比從10%提高到了95%，而且時間縮短了20倍。這些案例的共同點在哪里呢？答案就是標準化的數(shù)據(jù)管理和分析企業(yè)方案。

發(fā)展趨勢

變化是汽車領域的新元素，其中變化的不僅僅是汽車的使用體驗或采用的技術。政府法規(guī)和責任保險覆蓋范圍即將發(fā)生未知的變化;汽車經(jīng)銷商和汽車租賃公司紛紛倒閉。這些變化的重中之重是用于驗證和測試這些組件的系統(tǒng)和方法，不僅要確保低成本、快速上市時間、高可靠性，同時最重要的就是確保安全性。幸運的是，用于定義這些新系統(tǒng)的組件并不新穎。我們已經(jīng)看到相同的技術正在應用到半導體和國防和航空航天的測試環(huán)境，后者具有許多相同的“自動駕駛”功能。NI在測試方面擁有40多年的卓越歷史，并且我們也專注于汽車行業(yè)。在未來，我們將討論從鄰近行業(yè)類似挑戰(zhàn)中汲取的許多經(jīng)驗教訓，重點介紹汽車領域的許多發(fā)展趨勢以及它們對測試工程師的意義，并最終展示汽車行業(yè)取得的一些重大成功案例。