스바루는 데이터 기반 모델링을 활용하여 엔진 캘리브레이션을 크게 개선했습니다.

일본 자동차 제조업체 스바루는 내연기관 엔진을 캘리브레이션할 때 큰 도전에 직면했습니다. 엄격한 규제와 자동차 산업의 변화로 인해 복잡성이 증가함에 따라 더욱 정밀하고 효율적인 캘리브레이션 프로세스가 요구되고 있습니다. 이러한 개발에는 광범위한 측정과 미세 조정된 캘리브레이션이 필요하기 때문에 시간과 비용이 크게 증가합니다.

이러한 과제를 해결하기 위해 수바루는 수년 동안 데이터 기반 모델링 툴을 성공적으로 사용해 왔습니다. 이타스 ASCMO 와 자동화 소프트웨어 INCA-FLOW와 함께 IAV와 협력하여 개발했습니다.

일반적으로 필요한 테스트 벤치 측정 캠페인에는 DoE(실험 설계) 접근 방식이 사용됩니다. 이 접근 방식은 측정 지점을 신중하게 선택하여 제한된 수의 데이터 포인트를 기반으로 의미 있는 모델을 만드는 것을 목표로 합니다. 전문가들은 지나치게 높은 온도나 압력 등 시스템 제한으로 인해 위험한 측정 영역을 사전에 제외할 책임이 있습니다. 그러나 측정 캠페인을 시작할 때 정확한 시스템 한계를 알 수 없는 경우가 많기 때문에 위험 상태에 도달하거나 관련 측정 영역을 간과할 위험이 있습니다. 이는 비효율적인 측정으로 이어질 수 있으며 최악의 경우 비용이 많이 드는 시스템 장애로 이어질 수 있습니다.

이타스 ASCMO-ODCM(제약 조건 모델링이 포함된 온라인 DoE)은 이 프로세스를 혁신적으로 개선합니다. ASCMO는 전문 지식에만 의존하는 대신 머신러닝 기법을 사용하여 캠페인 중에 전체 측정 범위를 자율적으로 탐색하고 시스템 한계를 자동으로 학습하며 잠재적으로 위험한 측정 지점을 제외합니다. 기본 분류 모델은 능동적 학습 방법을 사용하여 작동 중에 지속적으로 개선되고 측정 범위를 안전 영역과 위험 영역으로 분류하여 포괄적이면서도 안전한 측정 전략을 가능하게 합니다.

또한 INCA-FLOW는 이타스 INCA를 자동화할 뿐만 아니라 임시로 개발된 툴박스 테스트벤치 커넥터(TBC)를 통해 ASCMO-ODCM 및 테스트 벤치 시스템을 포함한 기존 툴체인과도 원활하게 통합할 수 있습니다. INCA-FLOW는 모든 작업을 자동으로 시작하고 관리합니다: ASCMO에서 생성된 ExpeDes의 DoE를 ODCM의 기초로 사용하고 테스트 벤치 시스템과 INCA에 해당 명령을 보내 의도한 측정 지점을 타겟팅합니다. 특정 기능과 통합 라이브러리를 사용하여 설계 포인트의 단계적이고 원활한 교정을 보장합니다. 소프트 한계 위반이 발생하면 시스템은 목표 지점에 다시 접근하는 등의 수정 조치를 제공합니다. 그런 다음 해당 지점의 타당성에 대한 피드백이 ODCM으로 반환되어 다음 최적 지점을 목표로 삼을지, 작업을 종료할지 결정합니다.

스바루는 이타스 ASCMO, 이타스 ASCMO-ODCM, INCA-FLOW를 결합하여 효율성을 크게 향상시켰습니다. 구체적으로 세 가지 주요 이점을 실현했습니다:

• 중요한 측정 지점을 피함으로써 상당한 시간을 절약할 수 있을 뿐만 아니라 엔진 손상 및 관련 비용도 절감할 수 있었습니다.
• 관련 측정 영역을 정밀하게 좁히면 모든 시스템 관련 영역에서 성공적인 측정 횟수가 증가했습니다. 이를 통해 이타스 ASCMO의 강력한 모델을 구현하는 동시에 전체 캘리브레이션 프로세스를 더욱 효율적으로 만들 수 있었습니다.
• 전문 지식에 대한 의존을 없애고 ODCM 및 INCA-FLOW를 사용한 테스트 설정 및 실행이 자동화되어 수동 개입이 필요하지 않아 측정 준비가 크게 간소화되었습니다.

이러한 최적화를 통해 스바루는 자동차 산업의 증가하는 수요를 충족하는 동시에 리소스를 절약하고 위험을 최소화할 수 있습니다.

자세한 내용은 ASCMO 제품 페이지.