El análisis de ingeniería predictiva ( PEA ) es un enfoque de desarrollo para la industria manufacturera que ayuda con el diseño de productos complejos (por ejemplo, productos que incluyen sistemas inteligentes ). Se trata de la introducción de nuevas herramientas de software, la integración entre ellas y un refinamiento de los procesos de simulación y prueba para mejorar la colaboración entre los equipos de análisis que manejan diferentes aplicaciones. Esto se combina con informes inteligentes y análisis de datos. El objetivo es permitir que la simulación dirija el diseño, predecir el comportamiento del producto en lugar de reaccionar ante los problemas que puedan surgir, e instalar un proceso que permita que el diseño continúe después de la entrega del producto.
Necesidades de la industria
En un enfoque de desarrollo clásico, los fabricantes ofrecen distintas generaciones de productos. Antes de llevarlos al mercado, utilizan procesos extensos de verificación y validación , generalmente combinando varias tecnologías de simulación y prueba. Pero este enfoque tiene varias deficiencias cuando se analiza cómo evolucionan los productos. Los fabricantes de la industria automotriz , la industria aeroespacial , la industria marina o cualquier otra industria mecánica comparten desafíos similares: tienen que reinventar la forma en que diseñan para poder entregar lo que sus clientes quieren y compran hoy. [1]
Productos complejos que incluyen sistemas inteligentes
Los productos incluyen, además de la mecánica, cada vez más electrónica, software y sistemas de control . Aquellos ayudan a aumentar el rendimiento para varias características, como seguridad, comodidad, ahorro de combustible y muchas más. El diseño de estos productos con un enfoque clásico suele ser ineficaz. Un proceso de desarrollo moderno debería poder predecir el comportamiento del sistema completo para todos los requisitos funcionales e incluyendo los aspectos físicos desde el principio del ciclo de diseño. [2] [3] [4] [5] [6] [7] [8] [9]
El uso de nuevos materiales y métodos de fabricación.
Para lograr costos reducidos o economía de combustible, los fabricantes deben considerar continuamente la adopción de nuevos materiales y los métodos de fabricación correspondientes. [10] [11] Eso hace que el desarrollo de productos sea más complejo, ya que los ingenieros ya no pueden confiar en sus décadas de experiencia, como lo hacían cuando trabajaban con materiales tradicionales, como acero y aluminio, y métodos de fabricación tradicionales, como fundición . Los nuevos materiales, como los compuestos , se comportan de manera diferente en lo que respecta al comportamiento estructural, el comportamiento térmico, el comportamiento a la fatiga o el aislamiento acústico, por ejemplo, y requieren un modelado específico.
Además de eso, como los ingenieros de diseño no siempre conocen todas las complejidades de fabricación que conlleva el uso de estos nuevos materiales, es posible que el "producto tal como se fabrica" sea diferente del "producto tal como se diseñó". Por supuesto, es necesario realizar un seguimiento de todos los cambios y, posiblemente, incluso se debe realizar una iteración de validación adicional después de la fabricación. [12] [13]
El desarrollo del producto continúa después de la entrega
Los productos actuales incluyen muchos sensores que les permiten comunicarse entre sí y enviar comentarios al fabricante. Con base en esta información, los fabricantes pueden enviar actualizaciones de software para continuar optimizando el comportamiento o para adaptarse a un entorno operativo cambiante. Los productos crearán la Internet de las cosas y los fabricantes deberían formar parte de ella. [ cita requerida ] Un producto "tal como fue diseñado" nunca está terminado, por lo que el desarrollo debe continuar cuando el producto esté en uso. Esta evolución también se conoce como Industria 4.0 , [14] o la cuarta revolución industrial. Desafía a los equipos de diseño, ya que necesitan reaccionar rápidamente y hacer predicciones de comportamiento basadas en una enorme cantidad de datos. [15]
La inclusión de funcionalidad predictiva
La inteligencia fundamental que puede tener un producto es que recuerda el comportamiento individual de su operador y lo tiene en cuenta. De esta forma, puede, por ejemplo, anticipar determinadas acciones, predecir averías o mantenimientos, u optimizar el consumo energético de forma autorreguladora. Eso requiere un modelo predictivo dentro del propio producto, o accesible a través de la nube. Este debería funcionar muy rápido y debería comportarse exactamente igual que el producto real. Requiere la creación de un gemelo digital : una réplica del producto que permanece sincronizada durante todo el ciclo de vida del producto . [16] [17]
Presión cada vez mayor sobre el tiempo, el costo, la calidad y la diversificación
Los consumidores de hoy pueden acceder fácilmente a productos diseñados en cualquier parte del mundo. Eso ejerce una enorme presión sobre el tiempo de comercialización , el costo y la calidad del producto. Es una tendencia que ha estado sucediendo durante décadas. Pero con las personas que toman cada vez más decisiones de compra en línea, se ha vuelto más relevante que nunca. Los productos se pueden comparar fácilmente en términos de precio y características a escala global. Y las reacciones en foros y redes sociales pueden ser muy desalentadoras cuando la calidad del producto no es óptima. Esto se suma al hecho de que en diferentes partes del mundo, los consumidores tienen diferentes preferencias, o incluso se aplican diferentes normas y regulaciones. Como resultado, los procesos de desarrollo modernos deberían poder convertir requisitos muy locales en una definición de producto global, que luego debería implementarse localmente nuevamente, potencialmente con parte del trabajo realizado por ingenieros en filiales locales. Eso requiere un sistema de gestión del ciclo de vida del producto que opere globalmente y que comience con la definición de requisitos. Y el proceso de diseño debe tener la flexibilidad para predecir de manera efectiva el comportamiento y la calidad del producto para las diversas necesidades del mercado. [18]
Habilitación de procesos y tecnologías
Hacer frente a estos desafíos es exactamente el objetivo de un enfoque de análisis de ingeniería predictiva para el desarrollo de productos. Se refiere a una combinación de despliegue de herramientas y una buena alineación de procesos. Los fabricantes implementan gradualmente los siguientes métodos y tecnologías, en la medida en que su organización lo permita y sus productos lo requieran:
Implementar un proceso de desarrollo de productos impulsado por sistemas de circuito cerrado
En este enfoque multidisciplinario basado en simulación, el diseño global se considera como una colección de subsistemas que interactúan mutuamente desde el principio. Desde las primeras etapas en adelante, la arquitectura elegida se prueba virtualmente para todos los aspectos críticos del desempeño funcional simultáneamente. Estas simulaciones utilizan técnicas de modelado escalables, de modo que los componentes se puedan refinar a medida que los datos estén disponibles. El cierre del ciclo ocurre en 2 niveles:
- Desarrollo concurrente de los componentes mecánicos con los sistemas de control.
- Inclusión de datos de productos en uso (en caso de desarrollo continuo del producto real)
El desarrollo de productos impulsado por sistemas de circuito cerrado tiene como objetivo reducir las pruebas y reparaciones. Los fabricantes implementan este enfoque para perseguir su sueño de diseñar correctamente a la primera. [19] [20]
Aumento del uso de la simulación de sistemas multifísicos 1D
La simulación de sistemas 1D, también denominada CAE 1D o simulación de sistemas mecatrónicos , permite el modelado escalable de sistemas multidominio. El sistema completo se presenta de forma esquemática, conectando bloques de modelado analítico validados de subsistemas eléctricos, hidráulicos, neumáticos y mecánicos (incluidos los sistemas de control). Ayuda a los ingenieros a predecir el comportamiento de los diseños conceptuales de mecatrónica compleja, ya sea transitoria o en estado estable . Los fabricantes a menudo tienen bibliotecas validadas disponibles que contienen componentes predefinidos para diferentes dominios físicos. O si no, los proveedores de software especializados pueden proporcionarlos. Con ellos, los ingenieros pueden hacer predicciones de conceptos muy temprano, incluso antes de que esté disponible cualquier geometría de diseño asistido por computadora (CAD) . Durante las etapas posteriores, los parámetros se pueden adaptar. Los cálculos de simulación del sistema 1D son muy eficientes. Los componentes se definen analíticamente y tienen puertos de entrada y salida. La causalidad se crea conectando las entradas de un componente a las salidas de otro (y viceversa). Los modelos pueden tener varios grados de complejidad y pueden alcanzar una precisión muy alta a medida que evolucionan. Algunas versiones del modelo pueden permitir la simulación en tiempo real , que es particularmente útil durante el desarrollo de sistemas de control o como parte de la funcionalidad predictiva incorporada. < [21]
Mejora de las tecnologías de simulación 3D
La simulación 3D o 3D CAE se suele aplicar en una etapa más avanzada del desarrollo del producto que la simulación del sistema 1D, y puede dar cuenta de fenómenos que no se pueden capturar en modelos 1D. Los modelos pueden evolucionar hacia representaciones muy detalladas que son muy específicas de la aplicación y pueden ser muy intensivas en computación.
La simulación 3D o las tecnologías 3D CAE ya eran esenciales en los procesos de desarrollo clásicos para la verificación y validación, y a menudo demostraban su valor al acelerar el desarrollo y evitar cambios en las últimas etapas. La simulación 3D o 3D CAE siguen siendo indispensables en el contexto de la analítica de ingeniería predictiva, convirtiéndose en una fuerza impulsora en el desarrollo de productos. Los proveedores de software ponen un gran esfuerzo en las mejoras, agregando nuevas capacidades y aumentando el rendimiento en el modelado, el proceso y el solucionador. Si bien estas herramientas generalmente se basan en una única plataforma común, a menudo se proporcionan paquetes de soluciones para atender ciertos aspectos funcionales o de rendimiento, mientras que el conocimiento de la industria y las mejores prácticas se brindan a los usuarios en verticales de aplicaciones. Estas mejoras deberían permitir que la simulación 3D o 3D CAE sigan el ritmo de los ciclos de diseño de productos cada vez más cortos. [22] [23] [24]
Establecimiento de un fuerte acoplamiento entre simulación 1D, simulación 3D e ingeniería de controles.
Dado que el enfoque de desarrollo de productos impulsado por sistemas de circuito cerrado requiere el desarrollo simultáneo del sistema mecánico y los controles, deben existir vínculos sólidos entre la simulación 1D, la simulación 3D y el desarrollo de algoritmos de control . Los proveedores de software logran esto ofreciendo capacidades de co-simulación para los procesos de: Model in the Loop (MiL), Software-in-the-Loop (SiL) y Hardware-in-the-Loop (HiL). [25] [26]
Modelo en bucle
Ya al evaluar arquitecturas potenciales, la simulación 1D debe combinarse con modelos de software de control, ya que la unidad de control electrónico (ECU) desempeñará un papel crucial para lograr y mantener el equilibrio adecuado entre los aspectos de rendimiento funcional cuando el producto operará. Durante esta fase, los ingenieros reducen en cascada los objetivos de diseño a objetivos precisos para subsistemas y componentes. Utilizan técnicas de compensación de diseño y optimización de múltiples dominios. Los controles deben incluirse en este proceso. Combinándolos con los modelos del sistema en las simulaciones MiL, se pueden validar y seleccionar algoritmos potenciales. En la práctica, MiL implica la co-simulación entre controles virtuales de software de modelado de controlador dedicado y modelos 1D escalables del sistema multifísico. Esto proporciona la combinación correcta de precisión y velocidad de cálculo para la investigación de conceptos y estrategias, así como la evaluación de la controlabilidad . [27] [28]
Software en el bucle
Una vez que se ha decidido la estrategia de control conceptual, el software de control se desarrolla aún más teniendo en cuenta constantemente la funcionalidad general del sistema global. El software de modelado del controlador puede generar un nuevo código C integrado e integrarlo en un posible código C heredado para realizar más pruebas y refinamientos.
El uso de la validación de SiL en un modelo global de múltiples dominios de sistema completo ayuda a anticipar la conversión de punto flotante a punto fijo después de que el código se integra en el hardware y refina la programación de ganancia cuando la acción del código debe ajustarse a las condiciones operativas.
SiL es un proceso de simulación de circuito cerrado para verificar, refinar y validar virtualmente el controlador en su entorno operativo, e incluye modelos detallados de simulación 1D y / o 3D. [29] [30]
Hardware en bucle
Durante las etapas finales del desarrollo de los controles, cuando el código de producción se integra en el hardware de la ECU, los ingenieros verifican y validan aún más mediante una simulación HiL exhaustiva y automatizada. El hardware de la ECU real se combina con una versión reducida del modelo de sistema global multidominio, que se ejecuta en tiempo real. Este enfoque de HiL permite a los ingenieros completar la resolución de problemas del software y del sistema por adelantado para limitar el tiempo y el costo total de prueba y calibración en el prototipo de producto real.
Durante la simulación de HiL, los ingenieros verifican si las pruebas de regulación, seguridad y falla en el producto final pueden realizarse sin riesgo. Investigan la interacción entre varias ECU si es necesario. Y se aseguran de que el software sea robusto y proporcione una funcionalidad de calidad en cualquier circunstancia. Al reemplazar el modelo del sistema global que se ejecuta en tiempo real por una versión más detallada, los ingenieros también pueden incluir la precalibración en el proceso. Estos modelos detallados generalmente están disponibles de todos modos, ya que el desarrollo de controles ocurre en paralelo al desarrollo del sistema global. [31] [32] [33]
Alineando estrechamente la simulación con las pruebas físicas
Pasar de la verificación y validación a la analítica de ingeniería predictiva significa que el proceso de diseño debe estar más impulsado por la simulación. Las pruebas físicas siguen siendo una parte crucial de ese proceso, tanto para la validación de los resultados de la simulación como para las pruebas de los prototipos finales, que siempre serían necesarios antes de la aprobación del producto. La escala de esta tarea será aún mayor que antes, ya que será necesario probar más combinaciones de condiciones y parámetros, en un sistema de medición más integrado y complejo que puede combinar múltiples aspectos físicos, así como sistemas de control.
Además, también en otras etapas de desarrollo, la combinación de pruebas y simulación en un proceso bien alineado será esencial para el éxito del análisis de ingeniería predictiva. [34]
Aumento del realismo de los modelos de simulación
Las pruebas modales o el análisis modal experimental (EMA) ya eran esenciales en la verificación y validación de sistemas mecánicos puros. Es una tecnología bien establecida que se ha utilizado para muchas aplicaciones, como dinámica estructural , vibroacústica , análisis de fatiga por vibración y más, a menudo para mejorar los modelos de elementos finitos a través del análisis de correlación y la actualización de modelos . Sin embargo, el contexto solía ser problemático. Como parte del análisis de ingeniería predictiva, las pruebas modales tienen que evolucionar, entregando resultados que aumenten el realismo de la simulación y manejen la naturaleza multifísica de los productos modernos y complejos. Las pruebas deben ayudar a definir parámetros de modelo realistas, condiciones de contorno y cargas. Además de los parámetros mecánicos, es necesario medir diferentes cantidades. Y las pruebas también deben ser capaces de validar modelos de múltiples cuerpos y modelos de simulación multifísica 1D. En general, una gama completamente nueva de capacidades de prueba (algunas basadas en modales, otras no) en apoyo de la simulación se vuelve importante, y mucho antes en el ciclo de desarrollo que antes. [35] [36] [37]
Usando simulación para pruebas más eficientes
Dado que el número de parámetros y su interacción mutua aumenta enormemente en productos complejos, la eficiencia de las pruebas es crucial, tanto en términos de instrumentación como de definición de casos de prueba críticos. Una buena alineación entre la prueba y la simulación puede reducir en gran medida el esfuerzo total de la prueba y aumentar la productividad.
La simulación puede ayudar a analizar por adelantado qué ubicaciones y parámetros pueden ser más efectivos para medir un determinado objetivo. Y también permite investigar el acoplamiento entre ciertos parámetros, de modo que se pueda minimizar la cantidad de sensores y las condiciones de prueba. [38]
Además de eso, la simulación se puede utilizar para derivar ciertos parámetros que no se pueden medir directamente. Aquí nuevamente, es imprescindible una estrecha alineación entre las actividades de simulación y prueba. Especialmente los modelos de simulación 1D pueden abrir la puerta a una gran cantidad de nuevos parámetros a los que no se puede acceder directamente con sensores. [39]
Creando modelos híbridos
Dado que los productos complejos son de hecho combinaciones de subsistemas que no necesariamente se desarrollan simultáneamente, el desarrollo de sistemas y subsistemas requiere cada vez más a menudo configuraciones que incluyen parcialmente hardware, parcialmente modelos de simulación y parcialmente entrada de medición. Estas técnicas de modelado híbrido permitirán una evaluación realista en tiempo real del comportamiento del sistema muy temprano en el ciclo de desarrollo. Obviamente, esto requiere tecnologías dedicadas como una muy buena alineación entre la simulación (tanto 1D como 3D) y las pruebas físicas. [40] [41] [42]
Integración estrecha de CAE 1D y 3D, así como pruebas en el proceso completo de gestión del ciclo de vida del producto.
Los productos del mañana vivirán una vida después de la entrega. Incluirán funcionalidades predictivas basadas en modelos de sistemas, se adaptarán a su entorno, enviarán información al diseño y más. Desde esta perspectiva, el diseño y la ingeniería son más que convertir una idea en un producto. Son una parte esencial del hilo digital a lo largo de toda la cadena de valor del producto , desde la definición de los requisitos hasta el producto en uso.
Cerrar el ciclo entre el diseño y la ingeniería, por un lado, y el producto en uso, por el otro, requiere que todos los pasos estén estrechamente integrados en un entorno de software de gestión del ciclo de vida del producto. Solo esto puede permitir la trazabilidad entre los requisitos, el análisis funcional y la verificación del rendimiento, así como el análisis de los datos de uso en apoyo del diseño. Permitirá que los modelos se conviertan en gemelos digitales del producto real. Permanecen sincronizados, experimentando los mismos cambios de parámetros y adaptándose al entorno operativo real. [43] [44] [45]
Ver también
- sistemas inteligentes
- sistemas de control
- Simulación 3D o CAE 3D
- Industrie 4.0
- Internet de las Cosas
- simulación en tiempo real
- Hardware-in-the-Loop (HiL)
- co-simulación
- Prueba modal
- Gestión del ciclo de vida del producto
- gemelos digitales
Referencias
- ^ Van der Auweraer, Herman; Anthonis, Jan; De Bruyne, Stijn; Leuridan, Jan (28 de septiembre de 2012). "Ingeniería virtual en el trabajo: los desafíos para diseñar productos mecatrónicos" . Ingeniería con Computadoras . 29 (3): 389–408. doi : 10.1007 / s00366-012-0286-6 .
- ^ Schramm, Dieter; Lalo, Wildan; Unterreiner, Michael (septiembre de 2010). "Aplicación de Simuladores y Herramientas de Simulación para el Diseño Funcional de Sistemas Mecatrónicos". Fenómenos del estado sólido . 166-167: 1-14. doi : 10.4028 / www.scientific.net / SSP.166-167.1 .
- ^ Van Beek, TJ; Tomiyama, T (12 al 15 de octubre de 2008). "Conexión de vistas en el diseño de sistemas mecatrónicos, un enfoque de modelado de funciones". Actas de la Conferencia Internacional IEEE / ASME de 2008 sobre aplicaciones y sistemas integrados y mecatrónicos : 164–169.
- ^ Álvarez Cabrera, AA; Woestenenk, K .; Tomiyama, T. (2011). "Un modelo de arquitectura para apoyar el diseño cooperativo de productos mecatrónicos: un caso de diseño de control". Mecatrónica . 21 (3): 534–547. doi : 10.1016 / j.mechatronics.2011.01.009 .
- ^ Álvarez Carbrera, AA; Foeken, MJ; Tekin, OA; Woestenenk, K .; Erden, MS; De Schutter, B .; van Tooren, MJL; Babuska, R .; van Houten, FJAM; Tomiyama, T. (2010). "Hacia la automatización del software de control: una revisión de los desafíos en el diseño mecatrónico". Mecatrónica . 20 (8): 876–886. doi : 10.1016 / j.mechatronics.2010.05.003 .
- ^ Plateaux, R .; Penas, O .; Choley, YK; M'henni, F .; Riviere, A. (2010). "Metodología de diseño integrado de un sistema mecatrónico". Mécanique Ind . 11 (5): 401–406. doi : 10.1051 / meca / 2010052 .
- ^ Plateaux, R .; Choley, JY; Penas, O .; Riviere, A. (2009). "Hacia un proceso de diseño mecatrónico integrado". Actas de la Conferencia Internacional de Mecatrónica IEEE ICM : 114-119.
- ^ Syed, F .; Nallapa, R .; Ramaswamy, D. (abril de 2007). "Entorno de modelado integrado para el diseño detallado de algoritmos, simulación y generación de código". Actas del Congreso y Exposición Mundial SAE .
- ^ Warwick, G .; Norris, G. "Diseños para el éxito, la ingeniería de sistemas debe repensarse si se quiere mejorar el rendimiento del programa". Semana de la aviación y tecnología espacial . 172 (40): 72–75.
- ^ "Cómo hacer una serie de coches F1 de Red Bull explica el uso de la fibra de carbono: vídeo" . autoridad motora . Consultado el 11 de octubre de 2013 .
- ^ Howard, Bill (30 de julio de 2013). "BMW i3: coches de fibra de carbono baratos y producidos en serie finalmente alcanzan la mayoría de edad" . Tecnología extrema . Consultado el 31 de julio de 2015 .
- ^ Treviso, Alessandra; Van Genechten, B .; Mundo, D. (2014). "Evaluación basada en CAE del impacto del proceso de fabricación en el rendimiento NVH de estructuras compuestas". Resumen extendido, Vigésimo Segunda Conferencia Internacional Anual sobre COMPOSITES / NANO ENGINEERING (ICCE-22) .
- ^ Treviso, Alessandra; Farkas, Laszlo; Mundo, Domenico; Tournour, Michel (2016). "Sobre la sensibilidad de las propiedades mecánicas de los tejidos al proceso de drapeado: evaluación estática y dinámica a través de un enfoque basado en CAE". Materiales compuestos aplicados : 1–13.
- ^ Klaus Schwab , 2016: The Fourth Industrial Revolution , consultado el 13 de mayo de 2016
- ^ Costlow, T. (2008). "Gestión del crecimiento del software". Automotive Engineering International (noviembre de 2008).
- ^ Laurgeau, C. (2008). "Presente y futuro de los sistemas de transporte inteligentes". Actas de ICAT 2008: Conferencia internacional sobre tecnologías automotrices .
- ^ Vahidi, A. (2003). "Avances en la investigación en prevención de colisiones inteligente y control de crucero adaptativo". IEEE Trans Intell Transp Syst . 4 (3): 143-153. CiteSeerX 10.1.1.466.6444 . doi : 10.1109 / tetas.2003.821292 .
- ^ Minhas, SUH; Berger, U. (2011). "Un concepto de reconfiguración para permitir una producción versátil en las fábricas de automoción". Habilitación de la competitividad de la fabricación y la sostenibilidad económica : 352–357.
- ^ Herold, S .; Atzrodt, H .; Mayer, D .; Thomaier, M. (2005). "Integración de diferentes enfoques para simular estructuras activas para aplicaciones de automoción". Actas del Forum Acusticum 2005 .
- ^ Calvano, CN; John, P (2004). "Ingeniería de sistemas en una época de complejidad". Ingeniería de sistemas . 7 (1): 25–34. doi : 10.1002 / sys.10054 . hdl : 10945/43706 .
- ^ Dobre, A .; Hadăr, A .; Vasiliu, D .; Vasiliu, N. (2015). "Modelado y simulación de suspensión automotriz de comportamiento dinámico por AMESim". Actas del European Automotive Congress EAEC-ESFA 2015 . 317–323.
- ^ Van der Auweraer, Herman; Donders, Stijn; Mas, Peter; Janssens, Karl (2008). "Tecnologías de vanguardia para la creación de prototipos virtuales de estructuras aeroespaciales y automotrices". Ingeniería de producto : 397–418.
- ^ Hirz, Mario; Dietrich, Wilhelm; Gfrerrer, Anton; Lang, Johan (2013). "Descripción general del desarrollo de productos virtuales". Diseño asistido por computadora integrado en el desarrollo automotriz : 25–50.
- ^ Noor, Ahmed K. (marzo de 2011). "Tecnologías CAE emergentes y su papel en los entornos de inteligencia ambiental del futuro". Revista Centroeuropea de Ingeniería . 1 (1): 2–8. doi : 10.2478 / s13531-010-0001-6 .
- ^ Él Y, McPhee (2005). "Optimización del diseño multidisciplinar de vehículos mecatrónicos con suspensiones activas". J Sound Vib . 283 (1–2): 217–241. doi : 10.1016 / j.jsv.2004.04.027 .
- ^ Gonzales, F .; Naya, MA; Luaces, A .; Gonzales, M. (2011). "Sobre el efecto de las técnicas de co-simulación multivelocidad en la eficiencia y precisión de la dinámica de sistemas multicuerpo". Muktibody Syst Dyn . 25 (4): 461–483. doi : 10.1007 / s11044-010-9234-7 .
- ^ Krupp, Alexander; Müller, Wolfgang (2009). Prueba sistemática de modelos en el circuito de sistemas de control integrados . Avances de IFIP en tecnología de la información y la comunicación . 310 . págs. 171-184. doi : 10.1007 / 978-3-642-04284-3_16 . ISBN 978-3-642-04283-6.
- ^ Matinnejad, Reza; Nejati, Shiva; Briand, Lionel; Bruckmann, Thomas; Poull, Claude (2013). Prueba automatizada de modelos en el bucle de controladores continuos mediante la búsqueda . Apuntes de conferencias en informática . 8084 . págs. 141-157. doi : 10.1007 / 978-3-642-39742-4_12 . ISBN 978-3-642-39741-7.
- ^ Bonivento, Claudio; Cacciari, Matteo; Paoli, Andrea; Sartini, Matteo (2014). "Modelado matemático para la creación de prototipos de software en el bucle de sistemas de fabricación automatizados". Métodos matemáticos en ingeniería : 1–11.
- ^ Baake, Uwe; Wüst, Klaus (2011). Simulación combinada de Man-in-the-Loop y Software-in-the-Loop . Notas de la conferencia en Ingeniería Eléctrica . 78 . págs. 171-185. doi : 10.1007 / 978-3-642-16767-6_9 . ISBN 978-3-642-16766-9.
- ^ Anthonis, J .; Gubitosa, M .; Donders, S .; Gallo, M .; Mas, P .; Van der Auweraer, H. (2010). "Optimización multidisciplinar de un sistema de suspensión activa en la etapa de diseño del concepto de vehículo". Avances recientes en optimización y sus aplicaciones en ingeniería . 441–450.
- ^ Cibrario, V .; Cugnon, F. (2012). "Nuevas tecnologías en simulación de desempeño de dinámica de conducción". Notas de la conferencia en Ingeniería Eléctrica . 196 : 1531-1549.
- ^ Röck, Sascha; Pritschow, Günter (2007). "Modelos de elementos finitos con capacidad en tiempo real con control de bucle cerrado: un método para la simulación de hardware en el bucle de sistemas flexibles". Ingeniería de producción . 1 (1): 37–43. doi : 10.1007 / s11740-007-0020-1 .
- ^ d'Ippolito, Roberto; Donders, Stijn; Van der Auweraer, Herman (2008). "Prototipos virtuales para la ingeniería de producto basada en la incertidumbre y la variabilidad". Ingeniería de producto : 427–448.
- ^ Soria, Leonardo; delli Carri, Arnaldo; Peeters, Bart; Anthonis, Jan; Van der Auweraer, Herman (2011). "Sistemas de suspensión activa para turismos: análisis modal operacional como herramienta para la evaluación del desempeño". Temas de análisis modal . 3 : 313–323.
- ^ Kindt, Peter; delli Carri, Arnaldo; Peeters, Bart; Van der Auweraer, Herman; Sas, Paul; Desmet, Wim (2011). "Análisis modal operacional de un neumático giratorio sujeto a excitación de tacos". Dinámica estructural . 3 : 1501-1512.
- ^ Manzato, Simone; Peeters, Bart; Toso, Alessandro; Van der Auweraer, Herman; Osgood, Richard (2011). "Metodologías de actualización de modelos para modelos de simulación multicuerpo: aplicación a un modelo de aerogenerador a gran escala". Vinculación de modelos y experimentos . 2 : 349–358.
- ^ Lau, Jenny; Peeters, Bart; Debille, Jan; Guzek, Quentin; Flynn, William; Lange, Donald. S; Kahlman, Timo (2011). "Clase magistral de pruebas de vibración en tierra: conceptos modernos de pruebas y análisis aplicados a un avión F-16". Aplicaciones aeroespaciales avanzadas . 1 : 221-228.
- ^ Van der Auweraer, Herman; Gillijns, Steven; Donders, Stijn; Croes, Jan; Naets, Frank; Desmet, Wim (2016). "Estimación del estado: un enfoque basado en modelos para ampliar la explotación de datos de prueba". Temas especiales en dinámica estructural . 6 : 119-128.
- ^ Gajdatsy, Peter; Sas, Paul; Desmet, Wim; Janssens, Karl; Van der Auweraer, Herman (2011). "Efecto de los errores sistemáticos de FRF en métodos de análisis vibroacústico basados en inversión de matriz". Sensores, instrumentación y temas especiales . 6 : 197-206.
- ^ Giagopulos, D .; Natsiavas, S. (2007). "Modelado híbrido (numérico-experimental) de estructuras complejas con componentes lineales y no lineales". Dinámica no lineal . 47 (1-3): 193-217. doi : 10.1007 / s11071-006-9067-3 .
- ^ Voormeeren, SN; van der Vlak, PLC; Rixen, DJ (2011). "Un enfoque verdaderamente híbrido para la subestructuración de problemas utilizando estrategias de resolución implícita y ensamblaje mixto". Vinculación de modelos y experimentos . 2 : 329–347.
- ^ Fasoli, Tommaso; Terzi, Sergio; Jantunen, Erkki; Kurtlainen, Juha; Sääski, Juha; Salonen, Tapio (2011). "Desafíos en la gestión de datos en la ingeniería del ciclo de vida del producto". Soluciones glocalizadas para la sostenibilidad en la fabricación : 525–530.
- ^ Burchardt, Carsten (2013). "Gestión del ciclo de vida del producto de alta definición en un entorno de toma de decisiones inmersivo". Ingeniería de producto inteligente : 61–70.
- ^ Abramovici, Michael; Aidi, Youssef (2011). "Gestión del ciclo de vida del producto de próxima generación (PLM)". Integración de la tecnología del conocimiento orientada a la práctica: tendencias y perspectivas : 143-156.