Riassunto analitico
Negli anni i propulsori a combustione interna hanno raggiunto una sempre maggiore complessità per riuscire ad ottenere una maggiore efficienza e affidabilità e, soprattutto, per garantire il rispetto dei limiti sempre più stringenti sulle emissioni inquinanti e sulla produzione di CO2. Tutto ciò ha portato ad una crescita costante delle strategie di controllo e delle diagnosi su di esse.
Il processo di progettazione e di realizzazione di un moderno motopropulsore è seguito dalla fase applicativa; questa consiste nella attività di calibrazione, testing e validazione, atti a verificare che il lavoro fatto sia coerente con gli obiettivi da raggiungere e a consentire l’ingresso di un veicolo sul mercato. Tali mansioni possono essere realizzate tramite l’ottimizzazione delle mappe presenti in centralina, ottenuta grazie all’analisi dei dati acquisiti durante le fasi di collaudo a banco e sui veicoli di flotta. L’ECU (Engine Control Unit), infatti, ha il compito di elaborare i dati ricevuti dai diversi sensori con cui va ad interagire, in modo tale da realizzare tutte quelle strategie di controllo che assicurano il corretto funzionamento dei motori.
Data la sempre maggior complessità delle tecnologie utilizzate in ambito automotive, la mole di dati da analizzare è in continuo aumento; per questo motivo si è reso necessario un nuovo tipo di definizione dei dati: i Big Data. Il concetto di big data implica più fattori, dall’infrastruttura necessaria per raccoglierli e archiviarli, agli strumenti per analizzarli sino alle competenze necessarie per gestirli, a partire dai big data analytics. La definizione di big data analytics fa riferimento al processo che include la raccolta e l’analisi dei big data per ottenerne informazioni utili al business. Questi sono degli strumenti molto importanti, in quanto possono anche determinare il successo della compagnia sulla concorrenza, o comunque aumentare la qualità del prodotto. Per compiere le attività tese a fornire queste e tante altre informazioni preziose per migliorare l’attività dell’impresa è necessario uno strumento specifico, veloce e affidabile, che permetta non solo di elaborare le informazioni cercate sottoforma di statistiche utilizzando i dati più recenti, ma che sia anche in grado di confrontare questi ultimi con quelli più datati memorizzati nel database.
Lo strumento utilizzato da Maserati è ETAS Moogle, realizzato dall’azienda tedesca ETAS: questo è un software per analisi statistiche ed è il principale strumento da me utilizzato durante la mia attività di tirocinio presso l’ufficio di Validazione Maserati. Nei capitoli successivi illustrerò le modalità e gli strumenti di acquisizione dati adottate dalle flotte Maserati e Alfa Romeo, le procedure per produrre analisi statistiche con Moogle, successivamente ad una general review sui Big Data. Infine, descriverò degli esempi pratici di analisi dati da me svolti con Moogle e come queste vengano utilizzate a supporto del lavoro svolto dai colleghi, in modo da verificare e migliorare la robustezza della calibrazione e le performance del veicolo.
|
Abstract
Over the years, internal combustion engines became more and more complex to achieve greater efficiency and reliability and, above all, to ensure compliance with the increasingly stringent limits on pollutant emissions and CO2 production. All this has led to a constant growth of the control strategies and their diagnosis.
The design and construction process of a modern powertrain is followed by the application phase; it consists in the calibration, testing and validation phases, aimed to achive the desired target and to test the reliability of the vehicle. These tasks can be realized through the optimization of the ECU maps, obtained thanks to the analysis of the data acquired during the bench test phases and on the fleet vehicles. The ECU (Engine Control Unit), in fact, has the task of processing in real time a large number of signals coming from instruments measurement and sensors, in order to realize all those control strategies which ensure the engine to work properly.
Due to the increasing complexity of the technologies used in the automotive, the amount of data to be monitored is increasing Which leads to the definitio of Big Data. The concept of big data involves more factors, from the infrastructure needed to collect and store them, to the tools to analyze them to the skills needed to manage them, starting with big data analytics. The definition of big data analytics refers to the process that includes the collection and analysis of big data to obtain useful information for the business. These are very precious instrument, as they can also determine the company’s success with respect to competitors, or at least improve the quality of the product. Thus, a specific tool is needed, fast and reliable, allowing not only to process the information in the form of statistics, using the most recent data, but also to compare the latter with the oldest ones stored in the database.
The tool used by Maserati is ETAS Moogle, developed by ETAS, a German company: this is a software for statistical analysis and it is the main tool I used during my internship at the Maserati Validation office. In the following chapters I will shown the data acquisition methods and tools adopted by the Maserati and Alfa Romeo fleets, the procedures to produce statistical analysis with Moogle, with a general review on Big Data analytics. Finally, I will describe some practical examples of data analysis performed with Moogle and how these are used to support the work done by colleagues, in order to verify and improve the robustness of the calibration and the performance of the vehicle.
|
