MathWorks
汽车工程会议2020

10点- 10:30

从“石油和天然气”的转变为“能量”正在将该行业从其舒适区带出，但数字化提供了一种管理过渡风险的方法。实用项目。组织已经确定了他们的高级数字转型目标，现在正在寻求他们的工程师和科学家来实现它们。这将涉及学习新技术，与不熟悉的群体合作，并提出新产品和服务。下载188bet金宝搏为满足这一挑战，能源公司必须掌握如何系统地使用数据和模型，而不仅在研究和开发阶段，而且在整个产品的生命周期中跨越组。有效的数字转型计划需要考虑人们技能，流程和技术的变化。

12:30 -一点

非常规能源，尤其是页岩资源，在我国能源储备中占了很大一部分，而且还在不断增加，因此需要仔细规划和优化以实现高效生产。为此，我们获取了大量关于油田和每口井生命周期中所有阶段的数据，包括地质、钻井、完井和油井生命周期中的生产。然而,利用这些数据来优化设计和性能构成了重大挑战,因为大部分收购数据表面,因此只提供了一个嘈杂和间接估计深(~ 2英里)长(2 - 3英里)横向与10年代(20 - 50)阶段的聚合/平均的方式。在每段的基础上优化决策，这是井的完井方式，需要估计每段井的产量，这对大多数井来说都不是测量的，也不容易从获取的数据中推断出来。

在这项工作中，我们演示了如何使用聚类和优化方法，通过收集来自地质信息、钻井和压裂作业期间的地面测量数据以及单井生产数据的阶段属性，构建每级产量的预测模型。我们的分析揭示了每级压裂的有效性，从而可以根据生产前获得的级间特征数据，为未来的井提供更好的决策。该模型包含了减少/管理过拟合影响的方法，同时保持准确性，并为实验设计和规划和操作决策的数据驱动优化提供建议。我们给出了应用于合成/模拟数据的模型的数值结果。MATLAB对大型数据集的有效分析和可视化能力证明了在演示我们的概念时非常有价值。

AI对工程的成功应用需要完整的设计工作流，而不是数据和算法。此演示文稿将讨论MathWorks如何为AI开发完整的企业工程平台。您将看到Gartner在2020年魔术象限中为数据科学和机器学习平台命名Mathworks的原因。

随着行业对新汽车技术的要求不断提高，福特已经采用MBD和MBSE来帮助交付这些技术。有了MBD作为基础，福特拥有定义良好的MBD过程和工具变得至关重要。福特汽车公司MBD核心团队就是为此而成立的。通过敏捷流程和生命周期规划，该团队为福特全球所有用户开发和部署通用MBD流程和工具。我们的信念是，通过一个集中的MBD支持团队，我们不仅在开发通用的流程、最佳实践和MB金宝appD的经验教训，而且我们还在打下基础，以便我们能够有效地执行虚拟车辆水平测试。

随着自动驾驶、汽车电气化和互联化的发展趋势，汽车行业正在发生巨大变化。在本次演讲中，Ramamurthy Mani分享了MathWorks如何处理复杂性、扩展性和协同工作流程，使之与汽车软件架构不断变化的需求保持一致。

面向服务的架构（SOA）是一种基于该概念的软件架构，该概念由系统由一组服务组成，其中一个服务可以使用另一个服务，并且应用程序根据其需求使用一个或多个服务。SOA促进了使用中间件进行服务导向通信的松散耦合的基于组件的方法。SOA概念用于多个行业标准，包括：AutoSAR，ROS和DDS。

在这个谈话中，Mathworks展示了Simulink的方式金宝app^®用于基于SOA模拟和模拟应用软件。演示亮点：

• 软件组件之间基于消息的通信建模
• 自适应AUTOSAR软件组件建模
• 使用Adaptive中间件接口(ara::com)生成c++产品代码，并导出AUTOSAR XML

A123将其用于AUTOSAR开发的基于模型的设计工具集与Jenkins进行持续集成。这样做是为了支持扩展的团队和模型的金宝app使用。由此产生的环境自动化了沿着通用软件开发过程的90%的步骤，并且还促进了基于丰富的数据集和指标的设计审查。

MathWorks已经帮助许多团队迁移他们的软件开发过程以满足ISO 26262。在这个过程中，我们还帮助这些团队优化基于模型的设计方法和工具的使用。在执行迁移时，我们确定了一些常见缺陷的区域，例如正式的过程映射、工件生成、软件架构设计和审查，以及工具鉴定。我们希望通过这次演讲分享我们的学习成果和推荐的解决方案。金宝搏官方网站

导航星开发了一个新的数据字典工具(DD)，增强了Simulink的数据字典，以简化控制模型设计，同时支持生产代码的生成和部金宝app署。金宝app通过提供进一步的数据对象抽象，DD简化了各种用户组的流程，并简化了开发期间的协作。例如，功能开发人员使用DD来指定数据对象的功能需求，如名称、物理单位和信号值范围;而嵌入式软件工程师同时指定产品代码的特定方面。这种方法让功能开发人员专注于功能需求，而嵌入式软件工程师专注于产品代码实现和集成。DD还包括一个轻量级的基于组件的框架，支持使用自底向上的方法集成数百个用于AUTOSAR和非AUTOSAR应用程序的软件组金宝app件。

许多行业都在拥抱大数据——大量信息的收集和积累。汽车、航空航天和大型设备制造商正在寻求了解客户使用情况和配置设备车队数据。这些数据将有助于设计，工程和生产的解决方案，客户将发现满意和令人信服的。金宝搏官方网站解决方案将是如何利用Spark计算环境和MathWorks正在开发的接口来大规模使用如此大的数据。

在过去，工程师下载Terabyte大小的ADA数据集来查找边缘案例。这种方法消耗了大量的网络带宽和本地存储空间。我们创建了一种新的和更有效的方式，它利用MATLAB访问Apache Spark资源来解码，分析数据和在Hadoop文件系统上搜索边缘案例。它大大提高了吞吐量，并减少了下载到工程工作站的数据量。

这种方法已成功用于分析福特大数据驱动车队的CAN流量的ADAS功能使用。它将部署为所有未来的大数据驱动车辆分析。

你是否有策略来分析你的联网测试车队的数据?你能多快地开发和应用对大量数据集的分析，以找到所需的事件或以前未知的趋势?您是否能够处理所有数据而不是一个子集?

在这次演讲中，Will Wilson将演示如何用MATLAB实现一个工作流^®这解决了这些问题。主题包括:

• 探索您可以询问舰队数据的问题类型
• 为有效分析准备数据
• 开发在“每个单位”或“全部”基础上执行的分析
• 部署分析以跟上测试数据的持续吸收

大数据生成、数据科学和机器学习的快速发展为几乎所有行业的持续改进、优化和自动化带来了巨大的机会。这里的重点是机器学习工具在钢铁行业中的应用，展示使用MathWorks的能力、速度和准确性^®深入学习工具箱。提出了两种钢特定案例研究：自动化的非金属包涵体和工艺钢铁生产的粗尺寸测量。转移学习技术被采用来减少计算开销，并发现具有智能图像预处理的适当地面真理训练数据集，产生了更好的速度，具有更好的速度。在标准化动态链接库格式中实现成品模型提供了与其他常用编程语言的无缝集成，从而直接，轻松扩大，生产滚动。关于任务特定的人小时和评估一致性，优势立即显而易见。对每个案例研究描述了基本架构，预处理步骤，训练参数和模型性能。

机器学习是汽车行业的热门话题。将机器学习算法部署到电子控制单元（ECU）通常是一个瓶颈，因为内存，CPU吞吐量和软件开发和支持机器学习算法所需的集成技术。金宝app

在本演示文稿中，Gokhan Aticc提供了用于嵌入式处理器的机器学习技术和部署工作流程。他还将讨论汽车和邻居行业感兴趣的先进功能，包括就地修改支持，Simulink金宝app金宝app^®金宝app支持和固定点转换。

马铃薯^®已经扩展到支持集群和基于云的数据和金宝app计算框架。与此同时，数据和计算框架技术继续快速发展。在这个演示中，Arvind提供了一个企业客户如何将MATLAB与他们现有的框架集成的例子。该集成使工程师能够使用Apache Spark™对非常大的数据集进行切片和分割，并提取鉴定切片来开发分析，然后将分析推到集群上大规模执行。与MATLAB的集成还支持符合企业级安全、治理和访问控制需求的工作金宝app流，同时使用户能够在整个组织中轻松访问他们的分析结果。

随着机器学习的进步，最近访问了具有V2X连接的数据和更可靠的工厂模型模拟，加固学习作为汽车系统反馈控制的控制设计选项。在这次谈判中，简要讨论了应用专注于PID结构的经典控制方法的挑战，并展示了部署强化学习以解决这些挑战的视角。

在本演示中，您将学习如何使用RoadRunner轻松创建自动驾驶模拟的3D场景和道路网络。您还将看到如何从高清晰度(HD)地图自动创建道路网络。在您完成创建和编辑场景后，您可以将它们导出到行业标准文件格式，如OpenDRIVE和自动驾驶模拟器，如CARLA, NVIDIA DriveSIM和Simulink。金宝app