日常生活中让我们惊奇的事情，例如当我们的汽车控制停车过程时，往往是无数次昂贵而漫长的试验的结果。在电子交易会和会议上，弗劳恩霍夫研究人员将展示如何使用虚拟原型进行模拟，以便在早期阶段检测复杂电子控制系统中的错误和问题，以及缩短开发时间并显着降低成本。

从提前报告意外交通拥堵的导航设备，到在动态环境中移动的机器人——识别、评估和自主适应环境变化及其内部结构的智能电子元件长期以来一直是我们网络世界的一部分并且正在迅速普及。然而，将此类产品推向市场的漫长过程绝非易事。

在微电子领域，开发周期比传统机械工程要复杂得多。对于专用集成电路(ASIC)和其他嵌入式系统，交货时间为六个月或更长时间的情况并不少见。任何延误都可能导致错失上市机会。

模拟环境中的动态测试

为了缩短这些流程，Fraunhofer集成电路IIS研究所(自适应系统EAS工程部)的ChristophSohrmann博士和他的团队正在通过虚拟原型为他们的客户提供支持：“我们使用模拟执行部分产品开发链，这使我们能够分解开发流程，以便多个团队可以并行启动，”虚拟系统开发组经理解释道。

从纯粹的虚拟模型到用于在目标产品环境中测试硬件和软件的测试台，由科学家进行的测试可以实现敏捷的开发过程。“使用虚拟模型使我们能够在硬件可用之前很久就开始密集的软件测试。我们的客户可以在循环中逐个测试他们的系统：这显着增加了覆盖范围并产生了更强大的系统。虚拟开发补充了传统的开发周期。该软件在到达实际原型时的错误要少得多，”EAS专家Sohrmann解释说。

这是一个关键点，因为从概念到量产阶段，修复错误的成本呈指数级增长。如果必须召回产品，那可能意味着业务的终结。这意味着需要尽早识别和消除错误。

使用基于虚拟的开发方法的另一个很好的理由是确保系统可以无错误运行所需的测试数量。无数边缘案例和例外的存在带来了特别的挑战。Sohrmann以汽车为例对此进行了解释：“许多最新车型会自动保持在车道上。当太阳从防撞护栏反射回来时，它会在路面上形成一条额外的线。汽车可以突然开始使用这第三条线进行导航。亮线。”

在仿真中，专家可以让100万辆汽车并行行驶，并在相同的开发时间内运行更多的驾驶情况——这可以显着节省时间和成本，从而为汽车中的真实模型节省数百万英里的行驶里程部门。

验证基于AI的系统

智能、自学系统的测试程序也是EAS专业人员关注的重点。例如，自动驾驶汽车的TÜV测试流程应该是什么样的?三年内会发生很多变化——无论是在城市中还是在车辆中。人工智能算法也会在这段时间内学习并相应地改变。尽管如此，TÜV仍需要能够检查所有系统是否正常运行。一般检查不会占用三周时间，因此测试台的虚拟协助是不可避免的。

“这是一个重大挑战。这些测试程序需要在十年内完成，”Sohrmann指出。因此，研究人员打算继续与负责机构合作，不仅以咨询的形式，而且以技术支持的形式。

专家们确信：虚拟原型的重要性在未来只会继续增长——尤其是在使用人工智能的地方。这需要经过验证的测试程序，以保证产品能够长期正常工作。