电子设计中如何应用稳健性来克服制造中的不确定性

致力于支持选择最佳设计的方法可提高最终产品的质量。工程团队往往会高估或低估他们的设计，因为他们不确定他们需要什么样的公差。通常，这会导致材料、成本和时间过多。大多数工程师都熟悉优化技术，但稳健性评估更进一步以显示质量证明。

电子设计和制造的稳健性

众所周知，制造单个电子元件会产生偏差，而组装过程会导致不一致。这就是为什么我们有像六西格码这样的指导方针。六 西格码 质量水平要求制造过程可以生产出不超过百万分之 3.4 个缺陷的产品。六西格码，也称为稳健设计，鼓励工程师设计对制造变化不太敏感的产品。

随着电子系统和组件变得更小、密度更高并且更容易受热影响，需要考虑更多意想不到的相互作用，并且更难预测公差将如何影响设计和制造。通过确定必须遵守哪些生产公差以确保一致的质量，工程师可以降低成本和缺陷、提高质量并简化工作流程。

生产电子产品的工厂的生产线工人

评估稳健性的过程包括：

在制造阶段识别可能产生不确定性并影响最终产品质量的随机参数，例如随机环境变量或材料特性。将来自制造的统计数据作为概率注入仿真模型中，用于不确定性量化和预测这些参数的相对影响。使用人工智能/机器学习 (AI/ML) 算法迭代设计并通过自动化和系统化的仿真过程找到最佳值。

许多公司使用 Ansys optiSLang 进行优化，但以下是其中一些公司如何使用它来证明或提高其设计和最终产品的稳健性。

自动变速器的成本和功能优化

产品设计的一个主要挑战是确定功能和成本的最佳组合；然而，实现这一目标的方法有很多，每种方法都需要在开发范围方面做出不同的承诺。

一家全球汽车制造商在比较和评估其自动变速器装置设计中螺线管的设计变体时亲身体验了这一点。该公司使用 optiSLang 和 Ansys Workbench 建立了一种计算机辅助仿真方法，该方法考虑了材料、公差、组件拓扑、几何参数和制造工艺。该工作流程在短时间内生成了多种螺线管设计，并针对每种设计进行了成本与功能优化。通过了解每个选项的技术功能和经济性之间的关系，该团队能够选择最稳健的设计。

自动变速器的成本和功能优化

产品设计的一个主要挑战是确定功能和成本的最佳组合；然而，实现这一目标的方法有很多，每种方法都需要在开发范围方面做出不同的承诺。

一家全球汽车制造商在比较和评估其自动变速器装置设计中螺线管的设计变体时亲身体验了这一点。该公司使用 optiSLang 和 Ansys Workbench 建立了一种计算机辅助仿真方法，该方法考虑了材料、公差、组件拓扑、几何参数和制造工艺。该工作流程在短时间内生成了多种螺线管设计，并针对每种设计进行了成本与功能优化。通过了解每个选项的技术功能和经济性之间的关系，该团队能够选择最稳健的设计。

技术人员在制造工厂拿着半导体晶片

手动”验证运行 70 次模拟大约需要三周时间，但在设置方法后，optiSLang 一天内运行了 284 次模拟。该过程中最耗时的部分不是实际的运行时间；围绕参数变化的分析和决策可能会导致更好地校准实验结果。optiSLang 帮助提高了程序结果的质量和效率。

制造设备优化

一家公司的车床卡盘轻量化设计为寻求快速高效部件生产的客户提供了最大负载能力。将拓扑优化（确定最轻的合适设计）与参数优化（尽可能延长卡盘寿命）相结合，产生了这一稳健的结果。

使用 optiSLang 的多目标优化揭示了质量减少 30% 和质量惯性减少 40% 的优化设计。

优化夹爪引导区域的参数增加了刚度，改善了卡盘的核心夹紧功能。

在给定车床卡盘约束的情况下，有限元参数优化可降低缺口应力并尽可能提高刚度

使用梅赛德斯-奔驰的可靠性分析方法验证 ADAS

高级驾驶员辅助系统 (ADAS) 有助于实现自动紧急制动、行人检测、停车辅助和注视检测等新兴车辆功能。随着这些系统承担更多功能，它们变得越来越复杂，因此验证它们的安全性更具挑战性。在现场测试中评估系统故障概率所需的里程数实际上是不可能达到的，因此汽车制造商Mercedes-Benz AG转而使用 optiSLang 进行仿真来识别安全功能测试和评估的关键交通场景。

梅赛德斯-奔驰切入场景，在模拟环境中记录了感兴趣的参数

这种方法减少了证明特定功能所需的具体交通场景的数量，并在很短的时间内确定了每个场景的风险。Mercedes-Benz AG 能够在他们的三级 ADAS 认证提案中使用这种方法和他们的仿真结果，这表明设计的环境检测能力是合格的。

optiSLang 的另一个用例包括为汽车制造规划和开发公差概念。在汽车领域，准备公差分析非常耗时，而且有时容易出错，尤其是对于由数百个零件组成的白车身 (BiW) 结构。在制造的这个阶段，汽车的框架已经组装好，但还没有上漆。

为了准确的公差分析建模和可制造性，工程师需要特定信息（例如夹具概念和连接位置）来使用仿真软件定义接触条件、范围和测量。实际上，在产品开发过程中创建的单个零件的公差信息与制造过程和仿真参数的公差一起被传输到仿真模型。optiSLang 适应公差范围，因此很容易在公差敏感性分析中考虑多个输入变量，以确保装配稳健。

这种方法减少了证明特定功能所需的具体交通场景的数量，并在很短的时间内确定了每个场景的风险。Mercedes-Benz AG 能够在他们的三级 ADAS 认证提案中使用这种方法和他们的仿真结果，这表明设计的环境检测能力是合格的。

optiSLang 的另一个用例包括为汽车制造规划和开发公差概念。在汽车领域，准备公差分析非常耗时，而且有时容易出错，尤其是对于由数百个零件组成的白车身 (BiW) 结构。在制造的这个阶段，汽车的框架已经组装好，但还没有上漆。

为了准确的公差分析建模和可制造性，工程师需要特定信息（例如夹具概念和连接位置）来使用仿真软件定义接触条件、范围和测量。实际上，在产品开发过程中创建的单个零件的公差信息与制造过程和仿真参数的公差一起被传输到仿真模型。optiSLang 适应公差范围，因此很容易在公差敏感性分析中考虑多个输入变量，以确保装配稳健。

这种方法减少了证明特定功能所需的具体交通场景的数量，并在很短的时间内确定了每个场景的风险。Mercedes-Benz AG 能够在他们的三级 ADAS 认证提案中使用这种方法和他们的仿真结果，这表明设计的环境检测能力是合格的。

optiSLang 的另一个用例包括为汽车制造规划和开发公差概念。在汽车领域，准备公差分析非常耗时，而且有时容易出错，尤其是对于由数百个零件组成的白车身 (BiW) 结构。在制造的这个阶段，汽车的框架已经组装好，但还没有上漆。

为了准确的公差分析建模和可制造性，工程师需要特定信息（例如夹具概念和连接位置）来使用仿真软件定义接触条件、范围和测量。实际上，在产品开发过程中创建的单个零件的公差信息与制造过程和仿真参数的公差一起被传输到仿真模型。optiSLang 适应公差范围，因此很容易在公差敏感性分析中考虑多个输入变量，以确保装配稳健。

仿真行业目前存在的配置问题：

软硬件投入大：

• 专业软件持续升级 ，设计、仿真对本地配置要求

数据安全无保障 ：

• 高非法设备接入等风险 ，人为操作引起数据丢失、损毁

协同作业难度大 ：

• 数据资产分布各个终端，不易统一管理和协同办公

事中管理效率低：

• 上下游进度无法实时同步 ，数据安全无法保

仿真云端解决方案

仿真如遇到系统问题、本地电脑的算力问题、数据安全问题都不用担心，目前有云端解决方案，可以使用赞奇超高清云工作站，本地普通电脑可一键申请高性能工作站，资产安全保障，供软件中心，各种软件插件一键获取，且即开即用，使用灵活，不受地域及时间显示，方便快捷，节省硬件成本的同时让仿真效率更加高效。

通过赞奇云工作站打造云制作平台，实现权限管理、流程管理、 项目进程管理、任务信息同步通过云工作站、软件中心、云盘、渲云云渲染 打通 素材上传 -> 云 上制作坐席置备 -> 设计 -> 仿真 -> 呈现全流程环节实现异地协同制作，同时提供安全的存储服务，有效的报障数据 的高速传输，并避免数据泄露赞奇云工作站专注于在线云端电脑解决方案，简单高效，轻松上云，致力解决企业及个人用户普遍的电脑配置不足问题，让办公更便捷。高端性能机器自由选择：使用专业级显卡，稳定性强，内存大，对专 业软件有针对性优化，可根据自身应用需求 量选择对应的显卡数量