การวิเคราะห์เชิงวิศวกรรมเชิงทำนาย (Predictive Engineering AnalyticsหรือPEA ) เป็นแนวทางการพัฒนาสำหรับ อุตสาหกรรม การผลิตที่ช่วยในการออกแบบผลิตภัณฑ์ที่ซับซ้อน (เช่น ผลิตภัณฑ์ที่มีระบบอัจฉริยะ ) โดยเกี่ยวข้องกับการนำเครื่องมือซอฟต์แวร์ใหม่มาใช้ การบูรณาการระหว่างเครื่องมือเหล่านั้น และการปรับปรุงกระบวนการจำลองและการทดสอบเพื่อเพิ่มประสิทธิภาพการทำงานร่วมกันระหว่างทีมวิเคราะห์ที่ดูแลแอปพลิเคชันต่างๆ นอกจากนี้ยังผสานรวมกับการรายงานอัจฉริยะและการวิเคราะห์ข้อมูล เป้าหมายคือการให้การจำลองเป็นตัวขับเคลื่อนการออกแบบ เพื่อทำนายพฤติกรรมของผลิตภัณฑ์แทนที่จะตอบสนองต่อปัญหาที่อาจเกิดขึ้น และสร้างกระบวนการที่ช่วยให้การออกแบบดำเนินต่อไปได้หลังจากการส่งมอบผลิตภัณฑ์

ในแนวทางการพัฒนาแบบดั้งเดิม ผู้ผลิตจะส่งมอบผลิตภัณฑ์รุ่นต่างๆ ออกมา ก่อนที่จะนำผลิตภัณฑ์เหล่านั้นออกสู่ตลาด พวกเขาจะใช้ กระบวนการ ตรวจสอบและรับรอง ที่ครอบคลุม ซึ่งโดยปกติแล้วจะใช้การผสมผสานเทคโนโลยีการจำลองและการทดสอบหลายอย่างเข้าด้วยกัน แต่แนวทางนี้มีข้อบกพร่องหลายประการเมื่อพิจารณาถึงวิวัฒนาการของผลิตภัณฑ์ ผู้ผลิตในอุตสาหกรรมยานยนต์อุตสาหกรรมการบินและอวกาศอุตสาหกรรมทางทะเล หรืออุตสาหกรรมเครื่องจักรกลอื่นๆ ต่างก็เผชิญกับความท้าทายที่คล้ายคลึงกัน นั่นคือ พวกเขาต้องคิดค้นวิธีการออกแบบใหม่เพื่อให้สามารถส่งมอบสิ่งที่ลูกค้าต้องการและซื้อในปัจจุบันได้^{[ 1 ]}

นอกจากกลไกแล้ว ผลิตภัณฑ์ยังรวมถึงอุปกรณ์อิเล็กทรอนิกส์ ซอฟต์แวร์ และระบบควบคุม มากขึ้นเรื่อยๆ ซึ่งช่วยเพิ่มประสิทธิภาพในหลายด้าน เช่น ความปลอดภัย ความสะดวกสบาย ประหยัดเชื้อเพลิง และอื่นๆ อีกมากมาย การออกแบบผลิตภัณฑ์ดังกล่าวโดยใช้วิธีการแบบดั้งเดิมมักจะไม่ได้ผล กระบวนการพัฒนาที่ทันสมัยควรสามารถคาดการณ์พฤติกรรมของระบบทั้งหมดสำหรับข้อกำหนดการทำงานทั้งหมด รวมถึงด้านกายภาพตั้งแต่เริ่มต้นวงจรการออกแบบ^{[ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ]}

เพื่อให้ได้ต้นทุนที่ลดลงหรือประหยัดเชื้อเพลิง ผู้ผลิตจำเป็นต้องพิจารณาการนำวัสดุใหม่และวิธีการผลิตที่เกี่ยวข้องมาใช้อย่างต่อเนื่อง^{[ 10 ] [ 11 ]}ซึ่งทำให้การพัฒนาผลิตภัณฑ์มีความซับซ้อนมากขึ้น เนื่องจากวิศวกรไม่สามารถอาศัยประสบการณ์หลายสิบปีของตนได้อีกต่อไป เหมือนที่เคยทำเมื่อทำงานกับวัสดุแบบดั้งเดิม เช่น เหล็กและอะลูมิเนียม และวิธีการผลิตแบบดั้งเดิม เช่นการหล่อวัสดุใหม่ เช่นวัสดุคอมโพสิตมีพฤติกรรมที่แตกต่างกันในด้านพฤติกรรมโครงสร้าง พฤติกรรมทางความร้อน พฤติกรรมความล้า หรือฉนวนกันเสียง เป็นต้น และต้องใช้การสร้างแบบจำลองเฉพาะ

นอกจากนี้ เนื่องจากวิศวกรออกแบบไม่ได้ทราบถึงความซับซ้อนในการผลิตทั้งหมดที่มาพร้อมกับการใช้วัสดุใหม่เหล่านี้เสมอไป จึงเป็นไปได้ว่า "ผลิตภัณฑ์ที่ผลิตจริง" อาจแตกต่างจาก "ผลิตภัณฑ์ที่ออกแบบไว้" แน่นอนว่าการเปลี่ยนแปลงทั้งหมดจะต้องได้รับการติดตาม และอาจจำเป็นต้องมีการตรวจสอบความถูกต้องเพิ่มเติมอีกครั้งหลังจากการผลิต^{[ 12 ] [ 13 ]}

ผลิตภัณฑ์ในปัจจุบันมีเซ็นเซอร์จำนวนมากที่ช่วยให้สามารถสื่อสารกันและส่งข้อมูลป้อนกลับไปยังผู้ผลิตได้ จากข้อมูลนี้ ผู้ผลิตสามารถส่งการอัปเดตซอฟต์แวร์เพื่อปรับปรุงพฤติกรรมอย่างต่อเนื่อง หรือเพื่อปรับให้เข้ากับสภาพแวดล้อมการทำงานที่เปลี่ยนแปลงไป ผลิตภัณฑ์จะสร้างอินเทอร์เน็ตของสิ่งต่างๆและผู้ผลิตควรเป็นส่วนหนึ่งของมัน ผลิตภัณฑ์ "ตามที่ออกแบบไว้" นั้นไม่มีวันเสร็จสมบูรณ์ ดังนั้นการพัฒนาควรดำเนินต่อไปในขณะที่ผลิตภัณฑ์กำลังใช้งาน วิวัฒนาการนี้ยังถูกเรียกว่าIndustry 4.0 [ ^{14 ] หรือการปฏิวัติอุตสาหกรรมครั้งที่สี่ ซึ่งเป็นความท้าทายสำหรับทีมออกแบบ เนื่องจากพวกเขาจำเป็นต้องตอบสนองอย่างรวดเร็วและคาด การณ์}พฤติกรรมโดยอาศัยข้อมูลจำนวนมหาศาล^{[ 15 ]}

ความฉลาดขั้นสูงสุดที่ผลิตภัณฑ์สามารถมีได้คือ การจดจำพฤติกรรมเฉพาะตัวของผู้ใช้งาน และนำมาพิจารณาด้วย ด้วยวิธีนี้ ผลิตภัณฑ์จึงสามารถคาดการณ์การกระทำบางอย่าง ทำนายความล้มเหลวหรือการบำรุงรักษา หรือเพิ่มประสิทธิภาพการใช้พลังงานในลักษณะควบคุมตนเองได้ ซึ่งต้องใช้แบบจำลองการคาดการณ์ภายในตัวผลิตภัณฑ์เอง หรือสามารถเข้าถึงได้ผ่านทางคลาวด์ แบบจำลองนี้ควรทำงานได้อย่างรวดเร็วและมีพฤติกรรมเหมือนกับผลิตภัณฑ์จริงทุกประการ จำเป็นต้องสร้างแบบจำลองดิจิทัล (digital twin ) ซึ่งเป็นแบบจำลองของผลิตภัณฑ์ที่ยังคงซิงค์กันตลอดวงจร ชีวิตของผลิตภัณฑ์^{[ 16 ] [ 17 ]}

ปัจจุบันผู้บริโภคสามารถเข้าถึงผลิตภัณฑ์ที่ออกแบบในส่วนใดส่วนหนึ่งของโลกได้อย่างง่ายดาย ซึ่งส่งผลให้เกิดแรงกดดันอย่างมากต่อเวลาในการวางจำหน่ายต้นทุน และคุณภาพของผลิตภัณฑ์ นี่เป็นแนวโน้มที่เกิดขึ้นมานานหลายทศวรรษ แต่เนื่องจากผู้คนตัดสินใจซื้อสินค้าออนไลน์มากขึ้นเรื่อยๆ จึงมีความสำคัญมากขึ้นกว่าเดิม ผลิตภัณฑ์สามารถเปรียบเทียบได้ง่ายในแง่ของราคาและคุณสมบัติในระดับโลก และปฏิกิริยาในฟอรัมและโซเชียลมีเดียอาจเลวร้ายมากเมื่อคุณภาพของผลิตภัณฑ์ไม่เป็นไปตามที่คาดหวัง นอกจากนี้ ในส่วนต่างๆ ของโลก ผู้บริโภคยังมีความชอบที่แตกต่างกัน หรือแม้แต่มาตรฐานและข้อบังคับที่แตกต่างกัน ดังนั้น กระบวนการพัฒนาที่ทันสมัยควรสามารถแปลงข้อกำหนดเฉพาะท้องถิ่นให้เป็นคำจำกัดความของผลิตภัณฑ์ระดับโลก จากนั้นจึงนำไปใช้ในระดับท้องถิ่นอีกครั้ง โดยอาจมีวิศวกรในบริษัทสาขาในท้องถิ่นทำงานบางส่วน นั่นหมายถึงระบบการจัดการวงจรชีวิตผลิตภัณฑ์ระดับโลกที่มั่นคงซึ่งเริ่มต้นด้วยการกำหนดข้อกำหนด และกระบวนการออกแบบควรมีความยืดหยุ่นเพื่อคาดการณ์พฤติกรรมและคุณภาพของผลิตภัณฑ์ได้อย่างมีประสิทธิภาพสำหรับความต้องการของตลาดต่างๆ^{[ 18 ]}

การรับมือกับความท้าทายเหล่านี้คือเป้าหมายหลักของแนวทางการวิเคราะห์เชิงวิศวกรรมทำนายสำหรับการพัฒนาผลิตภัณฑ์ ซึ่งหมายถึงการผสมผสานการใช้งานเครื่องมือและการจัดกระบวนการให้สอดคล้องกัน ผู้ผลิตจะค่อยๆ นำวิธีการและเทคโนโลยีต่อไปนี้มาใช้ ในระดับที่องค์กรของตนเอื้ออำนวยและผลิตภัณฑ์ของตนต้องการ:

ในแนวทางการจำลองแบบสหวิทยาการนี้ การออกแบบโดยรวมจะถูกพิจารณาว่าเป็นชุดของระบบย่อยที่โต้ตอบกันตั้งแต่เริ่มต้น ตั้งแต่ช่วงแรกเริ่มสถาปัตยกรรม ที่เลือก จะถูกทดสอบเสมือนจริงในทุกแง่มุมของประสิทธิภาพการทำงานที่สำคัญพร้อมกัน การจำลองเหล่านี้ใช้เทคนิคการสร้างแบบจำลองที่ปรับขนาดได้ เพื่อให้สามารถปรับปรุงส่วนประกอบต่างๆ ได้เมื่อมีข้อมูลมากขึ้น การปิดวงจรเกิดขึ้นใน 2 ระดับ:

• การพัฒนาส่วนประกอบทางกลควบคู่ไปกับระบบควบคุม
• การระบุข้อมูลผลิตภัณฑ์ที่ใช้งานอยู่ (ในกรณีที่มีการพัฒนาอย่างต่อเนื่อง จะต้องระบุข้อมูลผลิตภัณฑ์จริงด้วย)

การพัฒนาผลิตภัณฑ์ที่ขับเคลื่อนด้วยระบบวงปิดมีเป้าหมายเพื่อลดการทดสอบและการซ่อมแซม ผู้ผลิตนำแนวทางนี้ไปใช้เพื่อให้บรรลุเป้าหมายในการออกแบบให้ถูกต้องตั้งแต่ครั้งแรก^{[ 19 ] [ 20 ]}

การจำลองระบบ 1 มิติ หรือที่เรียกว่า 1D CAE หรือ การจำลองระบบ เมคาทรอนิกส์ช่วยให้สามารถสร้างแบบจำลองระบบหลายโดเมนได้อย่างยืดหยุ่น ระบบทั้งหมดจะถูกนำเสนอในรูปแบบแผนผัง โดยการเชื่อมต่อบล็อกแบบจำลองเชิงวิเคราะห์ที่ได้รับการตรวจสอบแล้วของระบบย่อยทางไฟฟ้า ไฮดรอลิก นิวแมติก และกลไก (รวมถึงระบบควบคุม) ช่วยให้วิศวกรสามารถคาดการณ์พฤติกรรมของการออกแบบแนวคิดของระบบเมคาทรอนิกส์ที่ซับซ้อนได้ ไม่ว่าจะเป็นแบบชั่วคราวหรือแบบสภาวะคงที่ผู้ผลิตมักจะมีไลบรารีที่ได้รับการตรวจสอบแล้วซึ่งประกอบด้วยส่วนประกอบที่กำหนดไว้ล่วงหน้าสำหรับโดเมนทางกายภาพต่างๆ หรือหากไม่มี ผู้จำหน่ายซอฟต์แวร์เฉพาะทางก็สามารถจัดหาให้ได้ โดยใช้สิ่งเหล่านี้ วิศวกรสามารถคาดการณ์แนวคิดได้ตั้งแต่เนิ่นๆ แม้กระทั่งก่อนที่ จะมีรูปทรงเรขาคณิต จากโปรแกรมช่วยออกแบบ (CAD)ในขั้นตอนต่อมา สามารถปรับพารามิเตอร์ได้ การคำนวณการจำลองระบบ 1 มิติมีประสิทธิภาพสูง ส่วนประกอบต่างๆ ถูกกำหนดในเชิงวิเคราะห์ และมีพอร์ตอินพุตและเอาต์พุต ความสัมพันธ์เชิงสาเหตุถูกสร้างขึ้นโดยการเชื่อมต่ออินพุตของส่วนประกอบหนึ่งกับเอาต์พุตของอีกส่วนประกอบหนึ่ง (และในทางกลับกัน) แบบจำลองสามารถมีความซับซ้อนได้หลายระดับ และสามารถมีความแม่นยำสูงมากเมื่อพัฒนาขึ้น บางเวอร์ชันของโมเดลอาจอนุญาตให้จำลองแบบเรียลไทม์ซึ่งมีประโยชน์อย่างยิ่งในระหว่างการพัฒนาระบบควบคุมหรือเป็นส่วนหนึ่งของฟังก์ชันการคาดการณ์ในตัว^{[ 21 ]}

การจำลองแบบ 3 มิติ หรือ CAE แบบ 3 มิติมักถูกนำไปใช้ในขั้นตอนการพัฒนาผลิตภัณฑ์ที่ก้าวหน้ากว่าการจำลองระบบแบบ 1 มิติ และสามารถอธิบายปรากฏการณ์ที่ไม่สามารถจับภาพได้ในแบบจำลอง 1 มิติ แบบจำลองเหล่านี้สามารถพัฒนาไปสู่การแสดงผลที่มีรายละเอียดสูง ซึ่งมีความเฉพาะเจาะจงกับการใช้งาน และอาจต้องใช้การคำนวณอย่างมาก

เทคโนโลยีการจำลอง 3 มิติ หรือ 3D CAE มีความสำคัญอย่างยิ่งในกระบวนการพัฒนาแบบดั้งเดิมสำหรับการตรวจสอบและรับรอง โดยมักพิสูจน์คุณค่าด้วยการเร่งความเร็วในการพัฒนาและหลีกเลี่ยงการเปลี่ยนแปลงในขั้นตอนสุดท้าย การจำลอง 3 มิติ หรือ 3D CAE ยังคงขาดไม่ได้ในบริบทของการวิเคราะห์ทางวิศวกรรมเชิงทำนาย ซึ่งกลายเป็นแรงขับเคลื่อนสำคัญในการพัฒนาผลิตภัณฑ์ ผู้จำหน่ายซอฟต์แวร์ทุ่มเทความพยายามอย่างมากในการปรับปรุง โดยเพิ่มความสามารถใหม่ๆ และเพิ่มประสิทธิภาพในด้านการสร้างแบบจำลอง กระบวนการ และการแก้ปัญหา แม้ว่าเครื่องมือเหล่านี้โดยทั่วไปจะใช้แพลตฟอร์มทั่วไปเพียงแพลตฟอร์มเดียว แต่ก็มักมีชุดโซลูชันเพื่อรองรับฟังก์ชันหรือประสิทธิภาพบางอย่าง ในขณะที่ความรู้ในอุตสาหกรรมและแนวปฏิบัติที่ดีที่สุดจะถูกนำเสนอให้กับผู้ใช้ในกลุ่มแอปพลิเคชันเฉพาะ การปรับปรุงเหล่านี้ควรทำให้การจำลอง 3 มิติ หรือ 3D CAE สามารถก้าวทันวงจรการออกแบบผลิตภัณฑ์ที่สั้นลงเรื่อยๆ^{[ 22 ] [ 23 ] [ 24 ]}

เนื่องจากแนวทางการพัฒนาผลิตภัณฑ์ที่ขับเคลื่อนด้วยระบบวงปิดต้องมีการพัฒนาระบบกลไกและการควบคุมไปพร้อมกัน จึงต้องมีการเชื่อมโยงที่แข็งแกร่งระหว่างการจำลอง 1 มิติ การจำลอง 3 มิติ และ การพัฒนา อัลกอริทึม ควบคุม ผู้จำหน่ายซอฟต์แวร์บรรลุเป้าหมายนี้โดยการนำเสนอ ความสามารถ ในการจำลองร่วมสำหรับ กระบวนการ de:Model in the Loop (MiL), Software-in-the-Loop (SiL) และHardware-in-the-Loop (HiL) ^{[ 25 ] [ 26 ]}

เมื่อประเมินสถาปัตยกรรมที่เป็นไปได้แล้ว การจำลอง 1 มิติควรรวมเข้ากับแบบจำลองของซอฟต์แวร์ควบคุม เนื่องจากหน่วยควบคุมอิเล็กทรอนิกส์ (ECU)จะมีบทบาทสำคัญในการบรรลุและรักษาสมดุลที่เหมาะสมระหว่างด้านประสิทธิภาพการทำงานเมื่อผลิตภัณฑ์ทำงาน ในระหว่างขั้นตอนนี้ วิศวกรจะลดเป้าหมายการออกแบบลงเป็นเป้าหมายที่แม่นยำสำหรับระบบย่อยและส่วนประกอบ พวกเขาใช้เทคนิคการเพิ่มประสิทธิภาพหลายโดเมนและการแลกเปลี่ยน การออกแบบ การควบคุมจำเป็นต้องรวมอยู่ในกระบวนการนี้ โดยการรวมเข้ากับแบบจำลองระบบในการจำลอง MiL อัลกอริทึมที่เป็นไปได้สามารถตรวจสอบและเลือกได้ ในทางปฏิบัติ MiL เกี่ยวข้องกับการจำลองร่วมกันระหว่างการควบคุมเสมือนจากซอฟต์แวร์สร้างแบบจำลองตัวควบคุมเฉพาะและแบบจำลอง 1 มิติที่ปรับขนาดได้ของระบบทางกายภาพหลายระบบ ซึ่งให้การผสมผสานที่เหมาะสมระหว่างความแม่นยำและความเร็วในการคำนวณสำหรับการตรวจสอบแนวคิดและกลยุทธ์ ตลอดจนการประเมินความสามารถในการควบคุม^{[ 27 ] [ 28 ]}

หลังจากที่ได้กำหนดกลยุทธ์การควบคุมเชิงแนวคิดแล้ว ซอฟต์แวร์ควบคุมจะได้รับการพัฒนาต่อไปโดยคำนึงถึงฟังก์ชันการทำงานโดยรวมของระบบอยู่เสมอ ซอฟต์แวร์สร้างแบบจำลองตัวควบคุมสามารถสร้างโค้ด C แบบฝังตัวใหม่และผสานรวมเข้ากับโค้ด C เดิมที่มีอยู่เพื่อการทดสอบและปรับปรุงเพิ่มเติม

การใช้การตรวจสอบ SiL บนแบบจำลองหลายโดเมนแบบเต็มรูปแบบทั่วโลก ช่วยให้สามารถคาดการณ์การแปลงจากจุดลอยตัวเป็นจุดคงที่หลังจากที่โค้ดถูกรวมเข้ากับฮาร์ดแวร์ และปรับปรุงการกำหนดตารางการขยายสัญญาณเมื่อจำเป็นต้องปรับการทำงานของโค้ดให้เข้ากับสภาวะการทำงาน

SiL เป็นกระบวนการจำลองแบบวงปิดเพื่อตรวจสอบ ปรับปรุง และยืนยันตัวควบคุมในสภาพแวดล้อมการทำงานเสมือนจริง และรวมถึงแบบจำลองการจำลอง 1 มิติและ/หรือ 3 มิติโดยละเอียด^{[ 29 ] [ 30 ]}

ในขั้นตอนสุดท้ายของการพัฒนาการควบคุม เมื่อรหัสการผลิตถูกรวมเข้ากับฮาร์ดแวร์ ECU วิศวกรจะทำการตรวจสอบและยืนยันเพิ่มเติมโดยใช้การจำลอง HiL ที่ครอบคลุมและอัตโนมัติ ฮาร์ดแวร์ ECU จริงจะถูกรวมเข้ากับแบบจำลองระบบทั่วโลกแบบหลายโดเมนที่ย่อส่วนลง ซึ่งทำงานแบบเรียลไทม์ แนวทาง HiL นี้ช่วยให้วิศวกรสามารถแก้ไขปัญหา ของระบบและซอฟต์แวร์ล่วงหน้าได้ เพื่อจำกัดเวลาและต้นทุนในการทดสอบและการปรับเทียบโดยรวมบนต้นแบบผลิตภัณฑ์จริง

ในระหว่างการจำลอง HiL วิศวกรจะตรวจสอบว่าการควบคุม ความปลอดภัย และการทดสอบความล้มเหลวของผลิตภัณฑ์ขั้นสุดท้ายสามารถเกิดขึ้นได้โดยไม่มีความเสี่ยงหรือไม่ พวกเขาจะตรวจสอบปฏิสัมพันธ์ระหว่าง ECU หลายตัวหากจำเป็น และพวกเขาตรวจสอบให้แน่ใจว่าซอฟต์แวร์มีความแข็งแกร่งและให้ฟังก์ชันการทำงานที่มีคุณภาพภายใต้ทุกสถานการณ์ เมื่อแทนที่แบบจำลองระบบโดยรวมที่ทำงานแบบเรียลไทม์ด้วยเวอร์ชันที่มีรายละเอียดมากขึ้น วิศวกรยังสามารถรวมการปรับเทียบเบื้องต้นไว้ในกระบวนการได้ด้วย แบบจำลองที่มีรายละเอียดเหล่านี้มักจะมีอยู่แล้ว เนื่องจากการพัฒนาการควบคุมเกิดขึ้นควบคู่ไปกับการพัฒนาระบบโดยรวม^{[ 31 ] [ 32 ] [ 33 ]}

การพัฒนาจากการตรวจสอบและรับรองไปสู่การวิเคราะห์ทางวิศวกรรมเชิงทำนาย หมายความว่ากระบวนการออกแบบจะต้องขับเคลื่อนด้วยการจำลองมากขึ้น การทดสอบทางกายภาพยังคงเป็นส่วนสำคัญของกระบวนการนั้น ทั้งสำหรับการตรวจสอบความถูกต้องของผลลัพธ์จากการจำลองและสำหรับการทดสอบต้นแบบขั้นสุดท้าย ซึ่งจำเป็นต้องมีก่อนการอนุมัติผลิตภัณฑ์เสมอ ขนาดของงานนี้จะใหญ่ขึ้นกว่าเดิม เนื่องจากจะต้องทดสอบเงื่อนไขและพารามิเตอร์ที่หลากหลายมากขึ้น ในระบบการวัดที่บูรณาการและซับซ้อนยิ่งขึ้น ซึ่งสามารถรวมเอาแง่มุมทางกายภาพหลายด้าน รวมถึงระบบควบคุมเข้าไว้ด้วยกันได้

นอกจากนี้ ในขั้นตอนการพัฒนาอื่นๆ การผสมผสานการทดสอบและการจำลองในกระบวนการที่สอดคล้องกันอย่างดีจะเป็นสิ่งสำคัญสำหรับการวิเคราะห์ทางวิศวกรรมเชิงทำนายที่ประสบความสำเร็จ^{[ 34 ]}

การทดสอบแบบโมดอลหรือการวิเคราะห์แบบโมดอล เชิงทดลอง (EMA) มีความสำคัญอย่างยิ่งในการตรวจสอบและรับรองระบบกลไกบริสุทธิ์อยู่แล้ว เป็นเทคโนโลยีที่ได้รับการยอมรับอย่างดีและถูกนำไปใช้ในหลายด้าน เช่นพลศาสตร์โครงสร้างการสั่นสะเทือนและ เสียง การวิเคราะห์ ความล้าจาก การสั่นสะเทือน และอื่นๆ โดยมัก ใช้เพื่อปรับปรุงแบบจำลององค์ประกอบจำกัดผ่านการวิเคราะห์ความสัมพันธ์และการปรับปรุงแบบจำลองอย่างไรก็ตาม บริบทส่วนใหญ่มักเป็นการแก้ไขปัญหา ในฐานะส่วนหนึ่งของการวิเคราะห์ทางวิศวกรรมเชิงทำนาย การทดสอบแบบโมดอลต้องพัฒนาเพื่อให้ได้ผลลัพธ์ที่เพิ่มความสมจริงของการจำลองและจัดการกับลักษณะทางกายภาพหลายมิติของผลิตภัณฑ์ที่ซับซ้อนในปัจจุบัน การทดสอบต้องช่วยกำหนดพารามิเตอร์แบบจำลอง เงื่อนไขขอบเขต และภาระที่สมจริง นอกเหนือจากพารามิเตอร์ทางกลแล้ว ยังต้องวัดปริมาณต่างๆ อีกด้วย และการทดสอบยังต้องสามารถตรวจสอบแบบจำลองหลายส่วนและแบบจำลองการจำลองทางกายภาพหลายมิติแบบ 1 มิติได้ โดยทั่วไปแล้ว ความสามารถในการทดสอบใหม่ๆ (บางส่วนใช้โมดอล บางส่วนไม่ใช้) เพื่อสนับสนุนการจำลองจะมีความสำคัญมากขึ้น และเกิดขึ้นเร็วกว่าในวงจรการพัฒนา^{[ 35 ] [ 36 ] [ 37 ]}

เนื่องจากจำนวนพารามิเตอร์และการปฏิสัมพันธ์ระหว่างพารามิเตอร์เหล่านั้นเพิ่มขึ้นอย่างมากในผลิตภัณฑ์ที่ซับซ้อน ประสิทธิภาพในการทดสอบจึงมีความสำคัญอย่างยิ่ง ทั้งในแง่ของเครื่องมือและการกำหนดกรณีทดสอบที่สำคัญ การประสานงานที่ดีระหว่างการทดสอบและการจำลองสามารถลดความพยายามในการทดสอบ โดยรวม และเพิ่มผลผลิต ได้อย่างมาก

การจำลองสามารถช่วยวิเคราะห์ล่วงหน้าได้ว่าตำแหน่งและพารามิเตอร์ใดมีประสิทธิภาพมากกว่าในการวัดวัตถุประสงค์ที่กำหนด และยังช่วยให้สามารถตรวจสอบการเชื่อมโยงระหว่างพารามิเตอร์บางอย่างได้ เพื่อลดจำนวนเซ็นเซอร์และเงื่อนไขการทดสอบให้น้อยที่สุด^{[ 38 ]}

นอกจากนี้ การจำลองยังสามารถใช้เพื่อหาค่าพารามิเตอร์บางอย่างที่ไม่สามารถวัดได้โดยตรง ในกรณีนี้ การปรับให้สอดคล้องกันอย่างใกล้ชิดระหว่างการจำลองและการทดสอบเป็นสิ่งจำเป็น โดยเฉพาะอย่างยิ่งแบบจำลองการจำลอง 1 มิติสามารถเปิดประตูสู่ค่าพารามิเตอร์ใหม่จำนวนมากที่ไม่สามารถเข้าถึงได้โดยตรงด้วยเซ็นเซอร์^{[ 39 ]}

เนื่องจากผลิตภัณฑ์ที่ซับซ้อนนั้นแท้จริงแล้วเป็นการรวมกันของระบบย่อยซึ่งไม่จำเป็นต้องได้รับการพัฒนาพร้อมกัน การพัฒนาระบบและระบบย่อยจึงมักต้องใช้การตั้งค่าที่ประกอบด้วยฮาร์ดแวร์บางส่วน โมเดลจำลองบางส่วน และอินพุตการวัดบางส่วน เทคนิคการสร้างแบบจำลองแบบไฮบริดเหล่านี้จะช่วยให้สามารถประเมินพฤติกรรมของระบบแบบเรียลไทม์ได้อย่างสมจริงตั้งแต่ช่วงต้นของวงจรการพัฒนา เห็นได้ชัดว่าสิ่งนี้ต้องการเทคโนโลยีเฉพาะทางเพื่อให้เกิดความสอดคล้องที่ดีระหว่างการจำลอง (ทั้ง 1 มิติและ 3 มิติ) และการทดสอบทางกายภาพ^{[ 40 ] [ 41 ] [ 42 ]}

ผลิตภัณฑ์ในอนาคตจะมีอายุการใช้งานหลังจากการส่งมอบ โดยจะรวมถึงฟังก์ชันการคาดการณ์ตามแบบจำลองระบบ ปรับตัวให้เข้ากับสภาพแวดล้อม ส่งข้อมูลกลับไปยังการออกแบบ และอื่นๆ อีกมากมาย จากมุมมองนี้ การออกแบบและวิศวกรรมจึงไม่ใช่แค่การเปลี่ยนความคิดให้เป็นผลิตภัณฑ์เท่านั้น แต่เป็นส่วนสำคัญของกระบวนการดิจิทัลตลอดห่วงโซ่คุณค่า ของผลิตภัณฑ์ ตั้งแต่การกำหนดข้อกำหนดไปจนถึงการใช้งานผลิตภัณฑ์

การปิดวงจรระหว่างการออกแบบและวิศวกรรมในด้านหนึ่ง และผลิตภัณฑ์ที่ใช้งานในอีกด้านหนึ่ง จำเป็นต้องมีการบูรณาการขั้นตอนทั้งหมดอย่างแน่นหนาในสภาพแวดล้อมซอฟต์แวร์การจัดการวงจรชีวิตผลิตภัณฑ์ ด้วยวิธีนี้เท่านั้นจึงจะสามารถตรวจสอบย้อนกลับระหว่างข้อกำหนด การวิเคราะห์ฟังก์ชัน และการตรวจสอบประสิทธิภาพ รวมถึงการวิเคราะห์ข้อมูลการใช้งานเพื่อสนับสนุนการออกแบบได้ ซึ่งจะทำให้แบบจำลองกลายเป็นแฝดดิจิทัลของผลิตภัณฑ์จริง โดยจะซิงค์กัน มีการเปลี่ยนแปลงพารามิเตอร์เหมือนกัน และปรับตัวให้เข้ากับสภาพแวดล้อมการทำงานจริง^{[ 43 ] [ 44 ] [ 45 ]}