
汽车试验数据管理需求分析
汽车试验数据组织分散,模式复杂多变,试验数据不能被充分利用和挖掘。结合实际应用,对汽车试验数据的特点进行总结,对当前汽车试验数据管理方式及其弊端进行分析,提出了一套完整的数据管理需求;对数据导入、数据类型管理、数据量纲管理、数据可视化方面的实际需求进行了详细描述。根据需求建立的软件系统具有良好的开放性和通用性,可以基本满足汽车试验数据管理的需要,也可以为其他类型试验数据的管理提供支持。
推荐阅读:试验数据管理系统在汽车制造行业的应用 试验数据管理系统
1 现状
汽车试验数据既存在于通用格式的数据文件中,也存在于专业测试软件生成的二进制文件中。目前,企业对这些文件的管理没有统一的模式,往往由相关试验人员独立管理或简单地存放在特定的存储空间内。在非数据库的存储环境下,这些数据在维护和使用方面存在以下缺点。
1.1 相对分散,不易检索,利用率低
相同批次或类型的试验数据简单地存放在单独的文件夹中, 试验人员无法看到所有数据的统一视图。数据的筛选与查看需要通过手工的方式完成,效率低下,易出差错,因此历史试验数据利用率较低。
1.2 数据组织混乱
汽车研发过程中的试验工作是逐步深入进行的。每个平台有多个试验车型,每个车型在FT、ET、PT 阶段都要进行一系列的试验,在同一阶段不同配置的样车、零部件也要分别进行试验。文件式的数据管理方式不能很好地体现试验数据间的递进、并列关系。当数据积累到一定程度时,会出现多个数据文件相似、具体含义无法区分的情况,导致试验分析人员调用错误的试验数据,产生错误的分析结果。
1.3 试验信息缺乏完整性
目前的商业测试软件对试验环境(风速、路面等)、样车运行条件(选择挡位、油门开度等)信息的存储没有提供完善的支持,而这部分信息(下文统称工况信息)又包含了大量的试验细节和指导经验,对于真实地反映当时试验状况和汲取改进经验, 都是非常宝贵的参考资料。
......
2 试验数据的特点
汽车试验是工程领域的一项重要的活动, 试验人员通过组织试验活动获得试验对象的功能、性能、适应性等信息, 从而完成对部件或系统的评价和判定,它是一项严密组织的系统工程,对试验环境、试验设备、试验人员都有一定的要求。与商业数据相比,汽车试验数据在来源、数据模式、数据时效性方面有很大的不同[5-6]。一般来说,汽车试验数据具有以下特点。
2.1 数据来源广泛
试验数据既包括人工记录的纸质档案, 也包括不同数据采集软件生成的文件。此外,与试验相关的图片、工况信息、原始时域文件等也属于试验数据的范畴。
2.2 数据量大
随着测试技术的进步,汽车试验项目越来越多,所采集的试验数据也在不断增加。比如NVH 试验,在进行噪声信号采集时,需要使用较高的采样频率,每次试验产生的数据量都可能达到几百兆。因此,需要管理的试验数据量是非常庞大的。
2.3 数据价值相对稳定
一般的商业数据,随着时间的推移,历史试验数据的细节不再重要, 只有简单的数据汇总值对以后的数据分析有利用价值。但汽车试验数据对于产品研发的有效期很长,可以达到十几年。试验进行的早晚和试验数据的价值没有必然的联系; 很多年前的试验数据, 也可能有很高的利用价值, 需要一直保存,不能被随意的删除。
2.4 数据类型多样
试验数据有多个维度(见图1),可以按不同的方法进行分类。比如,根据领域不同,汽车试验可分为多种不同的项目。不同项目的试验数据在采集方式、数据模式上有很大的区别。随着测试技术的进步,试验项目处于一个动态变化的过程中。
图1 数据的维度
......
-
文件大小: 258.6KB