AUTOMOTIVE TESTING: COME ACCELERARE I TEMPI DI VALIDAZIONE

Nella moderna industria automobilistica, la crescente complessità tecnologica introdotta da sistemi ADAS (Advanced Driver Assistance System) e guida autonoma (AD – Autonomous Driving) sta rendendo le attività di automotive testing quantomai cruciali per ottenere prodotti finali di qualità e conformi alle normative e agli standard di sicurezza e safety. Fortunatamente, oggi, questi complicati processi di testing possono essere resi più efficienti e rapidi sfruttando la potenza delle tecniche di intelligenza artificiale (AI) e machine learning (ML).

Attualmente, nel settore automobilistico, la raffinatezza tecnologica dei modelli di vetture e dei sistemi ADAS/AD continua a crescere. Differenziazione dei modelli e ricchezza di funzionalità hanno l’obiettivo di soddisfare la domanda di mercato proveniente da tipologie di utenti sempre più sofisticati, ma vanno perseguite minimizzando i malfunzionamenti: quando emergono, e soprattutto quando minacciano l’incolumità delle persone, tali difetti comportano inevitabili campagne di richiamo e ritiro degli autoveicoli, deleterie, sia a livello di costi sia di reputazione e immagine per le Case costruttrici.

Sfide chiave nell’automotive testing

Nei sistemi embedded hardware-software integrati “in-vehicle”, il software sta assumendo un peso crescente: le auto a guida completamente autonoma (Livello 5), ha chiarito tempo fa Jaguar Land Rover citando dati Arm, richiederanno un miliardo di linee di codice. Nelle auto cresce di continuo anche il numero di sensori intelligenti (telecamere, sensori d’immagine, pressione, temperatura, velocità e movimento, radar, LiDAR) e di ECU (electronic control unit) installati a bordo. Tra i dispositivi elettronici, il quadro strumenti (IPC), sempre più digitale, si sta arricchendo tramite HUD (head-up display) di sistemi di realtà aumentata che coadiuvano la guida, mentre il sistema di infotainment, oltre a fornire informazioni sulla navigazione e sulle condizioni del traffico, deve rendere disponibili svariate opzioni d’intrattenimento, interfacce e modalità di connessione wired e wireless (USB, Bluetooth, Wi-Fi, 4G, GPS). Tutta questa complessità, come ben spiega un documento tecnico redatto da SAE International, trasforma l’auto da semplice sistema “stand alone” in “sistema di sistemi” (SoS). Un’entità, quindi, sempre più connessa e orientata a integrarsi nel paradigma V2X (vehicle to everything).

Automatizzare e velocizzare l’automotive testing

Con l’integrazione in auto di sistemi ADAS/AD sempre più sofisticati, gli scenari e i casi di test da gestire sono diventati sempre più numerosi e articolati, dovendo verificare, ad esempio, requisiti che spaziano dalla sicurezza funzionale (functional safety) dei sistemi elettrici ed elettronici all’affidabilità di sistemi di navigazione evoluti (Livello 4, Livello 5) nelle diverse situazioni e condizioni di guida: tale complessità finisce per rendere inefficienti, disorganiche, lunghe e costose le tradizionali procedure di collaudo e validazione, in genere condotte sviluppando codice manualmente, utilizzando strumenti di simulazione MBD (model-based design), come Matlab/Simulink, ma anche facendo svariati test fisici su strada.

Oggi, però, tali procedure di automotive testing possono essere razionalizzate e velocizzate affiancando agli strumenti tradizionali l’utilizzo di tool appropriati, in grado di usare AI e ML per selezionare in maniera intelligente, sulla base dei dati di collaudo su strada, gli scenari di test davvero necessari, e ridurre così il numero di test case e combinazioni di test richiesti per validare il prodotto in maniera completa. E tutto ciò, naturalmente, senza compromettere la qualità della validazione stessa.

Individuare subito i test case critici

In sostanza, implementando strumenti di simulazione potenziati da intelligenza artificiale e machine learning diventa possibile identificare rapidamente le condizioni più critiche e gli scenari che potrebbero realisticamente presentarsi durante la guida, scartando quelli che si verificherebbero solo in teoria, ed evitando in tal modo di dover eseguire il testing virtuale di tutti i possibili casi di test. Applicando strategie di automotive testing di questo genere si arriva a ridurre anche il numero di collaudi su strada, rispettando le tempistiche di progetto e produzione, e comprimendo ulteriormente il time-to-market per i prodotti da commercializzare.

Prototipazione virtuale e automotive testing

Simulando il funzionamento del sistema-auto nel reale contesto di crescente connettività e interdipendenza tra sistemi e domini del veicolo, e rilevando possibili difetti e malfunzionamenti non alla fine, ma già nelle fasi iniziali del ciclo di sviluppo, le moderne procedure di automotive testing consentono di collaudare il sistema embedded automotive nel suo complesso anche prima che l’hardware sia stato fabbricato e reso disponibile per le attività di verifica e validazione.