arrow_back_ios

Main Menu

arrow_back_ios

Main Menu

arrow_back_ios

Main Menu

img

expand_more
chevron_left
chevron_right

Prenscia Software bietet eine Reihe von Softwarelösungen zur Analyse der Batterielebensdauer, zum Verständnis des Leistungsabfalls von Batterien und zur Identifizierung neuer Fehlermodi in neuen Designkonzepten für elektrifizierte Fahrzeuge.

Analyse der Batterielebensdauer

Um die Gesamtzuverlässigkeit des Batteriesystems zu verbessern und übermäßige Garantieleistungen zu vermeiden, ist es wichtig, sowohl die mittlere Lebensdauer als auch die statistische Verteilung der Batterielebensdauer zu berechnen.  Weibull++ nimmt Batterielebensdaten aus Labortests oder aus einer Fahrzeugflotte und berechnet Informationen zur Zuverlässigkeit. Diese Analyse wird verwendet, um die mittlere Lebensdauer, die B10-Lebensdauer usw. zu berechnen, aber auch für fortgeschrittenere Analysen wie z.B. "Welcher Anteil der Batterien wird mehr als 1000 80%-zu-20%-Zyklen überleben?" oder "Wie hoch ist die erwartete Zuverlässigkeit der Batterien, wenn sie eine Lebensdauer von 1000 Zyklen erreicht haben?"

Modellierung und Analyse der Leistungsverschlechterung von Batterien

Ein genaues Prognosemodell für die Batterielebensdauer ist für den zukünftigen wirtschaftlichen Erfolg von batteriebetriebenen Elektrofahrzeugen (BEVs) unerlässlich. Es ist notwendig, die statistische Verteilung abzuschätzen, um das Gewährleistungsrisiko zu verwalten und zuverlässigere Batterien zu entwerfen. ReliaSoft Weibull++ bietet eine breite Palette von statistischen Lebensdauermodellen mit vollständigen Regressionsanalysefunktionen. Dazu gehören Mixed-Mode-Modelle, die mehrere zusammengesetzte Ausfallarten darstellen. 

Mit einer starken Korrelation zwischen der Fahrzeugnutzung und den Lade-/Entlademustern kann ein Modell für den Batterieverschleiß gefunden werden.  Durch die Kombination von Labortestergebnissen mit realen Fahrzeugnutzungsmustern aus Daten, die über CAN überwacht werden, kann eine zuverlässige Schätzung der verbleibenden Nutzungsdauer einer Batterie auf der Grundlage ihrer tatsächlichen Nutzung ermittelt werden. GlyphWorks wurde für die Analyse großer Mengen von Fahrzeug-CAN-Daten entwickelt und bietet eine Reihe von Algorithmen zur Zykluszählung, die für die Analyse von titleLade-/Entladevorgängentitle geeignet sind. Lange CAN-Datensequenzen können für die Verwendung in den Schadensmodellen in kleine und kompakte Datensätze zerlegt werden. Neue Algorithmen können auch mit MATLAB oder Python hinzugefügt werden und ermöglichen eine multivariate Regressionsanalyse mit branchenüblichen Tools wie Scikit-Learn und PyTorch.

Mit XFMEA können Sie schnell und einfach über ausstehende Risiken berichten, die in der FMEA identifiziert wurden, indem Sie RPZ, SxO, Aktionspriorität oder benutzerdefinierte Risikokriterien verwenden.

FMEA für neue Fehlerarten

Die Fehler-Möglichkeits- und Einfluss-Analyse (FMEA) und die Fehler-Möglichkeits-, Einfluss- und Kritikalitäts-Analyse (FMECA) sind stark strukturierte Methoden, die besonders nützlich sind, um potenzielle Fehlermöglichkeiten in neuen Designkonzepten zu identifizieren, in denen die firmeninterne Erfahrung möglicherweise begrenzt ist. Bei komplexen Systemen mit großen Auswirkungen, wie z.B. bei EV-Batterien, ist die FMEA ein wichtiges Instrument zur Minderung von Risiken und Garantieansprüchen. ReliaSoft XFMEA unterstützt alle Arten von FMEA für Design-, Prozess-, System- und Korrekturmaßnahmen-Analysen und ist vollständig konform mit den Industriestandard-Ansätzen. Es wurde auch entwickelt, um Gruppenarbeit zu unterstützen, alle Fehlermöglichkeiten zu erfassen und die Ergebnisse leicht zwischen Projekten auszutauschen, damit das Unternehmenswissen erhalten bleibt.