Trh s au­to­mo­bi­ly v sou­čas­né době pro­chá­zí vý­znam­ný­mi změ­na­mi. Snaha o vy­tvo­ře­ní po­ho­dl­něj­ší­ho, bez­peč­něj­ší­ho a udr­ži­tel­něj­ší­ho pro­stře­dí pro ří­ze­ní au­to­mo­bi­lů je po­há­ně­na no­vý­mi tech­no­lo­gi­e­mi, po­ža­dav­ky zá­kaz­ní­ků, dů­ra­zem na eko­lo­gii a dal­ší­mi fak­to­ry. S tím, jak cel­ko­vě roste po­ptáv­ka po vy­so­ce mo­der­ních vo­zi­dlech a myš­len­ka au­to­nomních vo­zi­del se opět po­su­nu­la blíže re­a­li­tě, mění se i vývoj no­vých vo­zi­del.

Vy­spě­lost mo­der­ních au­to­mo­bi­lů je dána soft­warem a elek­tro­ni­kou, díky nimž je možné za­vá­dět po­kro­či­lé funk­ce vy­ža­do­va­né ná­roč­ný­mi zá­kaz­ní­ky. Ty­pic­ký­mi znaky soft­warem ří­ze­ných vozů jsou vy­so­ká slo­ži­tost, ros­tou­cí in­te­li­gen­ce a dříve ne­bý­va­lá ko­nek­ti­vi­ta. A právě slo­ži­tost bude při vý­vo­ji funk­cí au­to­nomní­ho ří­ze­ní a plně sa­moří­dí­cích vo­zi­del ne­u­stá­le na­růs­tat.

Stále složitější systémy autonomních vozidel

Aby au­to­nomní vo­zi­dla mohla sku­teč­ně dis­po­no­vat funk­ce­mi sa­mo­ří­ze­ní, je za­po­tře­bí mnoha po­kro­či­lých tech­no­lo­gií a in­že­nýr­ských spe­ci­a­li­za­cí. Tato kom­bi­na­ce tech­no­lo­gic­kých oborů způ­so­bu­je vy­so­kou slo­ži­tost. Týká se to nejen me­cha­nic­kých a elek­tro­nic­kých sys­té­mů, ale také soft­wa­ro­vé­ho vy­ba­ve­ní a umělé in­te­li­gen­ce. Jen spo­je­ní všech těch­to domén do­ká­že na­bíd­nout funk­ce pra­vé­ho sa­mo­ří­ze­ní. U au­to­nomních vo­zi­del jsou všech­ny tyto tech­no­lo­gie po­třeb­né a žádný sys­tém ta­ko­vé­ho vo­zi­dla pak není zcela ne­zá­vis­lý.

Sou­čas­né funk­ce ADAS na­bí­zí ukáz­ku po­dob­né me­zi­o­bo­ro­vé slo­ži­tos­ti, jakou mů­že­me vidět u plně au­to­nomní­ho vo­zi­dla (ob­rá­zek 1). Na­pří­klad asi­s­tent pro jízdu v pruhu vy­ža­du­je, aby sen­zo­ry a soft­ware ro­ze­zna­ly jízd­ní pruhy a vy­po­čí­ta­ly tra­jek­to­rii vo­zi­dla. Poté asi­s­tent ak­ti­vu­je me­cha­t­ro­nic­ký sys­tém, který pře­vez­me kon­t­ro­lu nad vo­zi­dlem. I přes­to všech­no, sou­čas­né nej­po­kro­či­lej­ší sys­témy ADAS do­sáh­nou pouze stup­ně au­to­ma­ti­za­ce 3. Po­stup na stupeň au­to­ma­ti­za­ce 4 zna­me­ná vý­znam­ný krok smě­rem k au­to­nomním vo­zi­dlům. Na stup­ni 4 totiž vo­zi­dlo pře­stá­vá být zá­vis­lé na člo­vě­ku, a je plně ří­ze­no stro­jo­vě. Za­tím­co sys­tém stup­ně 3 může za ur­či­tých okol­nos­tí vy­ža­do­vat ob­slu­hu člo­vě­ka, sys­tém úrov­ně 4 musí mít stále plnou kon­t­ro­lu nad vo­zi­dlem (pokud jsou spl­ně­ny de­fi­no­va­né pro­voz­ní pod­mín­ky).

Obrázek 1: Moderní funkce ADAS, například asistent udržování v pruhu nebo adaptivní tempomat, fungují prostřednictvím senzorů, procesorů a elektromechanických servomotorů.

Další po­stup smě­rem k plně au­to­nomní­mu sil­nič­ní­mu pro­vo­zu tedy zá­vi­sí na úspěš­ném vý­vo­ji hned ně­ko­li­ka klí­čo­vých tech­no­lo­gií. Vi­zu­ál­ní sen­zo­ry (na­pří­klad ka­me­ry nebo Li­DA­Ry) musí být schop­ny přes­ně ro­ze­znat jiná vo­zi­dla, chod­ce a další ob­jek­ty, a to v růz­ných ty­pech po­ča­sí a osvět­le­ní. Vo­zi­dla stup­ně au­to­ma­ti­za­ce 4 vy­ža­du­jí, aby tyto sen­zo­ry pra­co­va­ly spo­leh­li­vě za ja­kých­ko­li pod­mí­nek. Dále je po­tře­ba znač­ný vý­po­čet­ní výkon, který téměř oka­mži­tě vy­hod­no­tí velké množ­ství dat ze sen­zo­rů. Umělá in­te­li­gen­ce a stro­jo­vé učení mohou při­spět k rych­lej­ší­mu a efek­tiv­něj­ší­mu zpra­co­vá­ní dat. A na­ko­nec bude nutné roz­ší­řit ko­mu­ni­ka­ci vo­zi­del s in­frastruk­tu­rou i mezi vo­zi­dly na­vzá­jem, aby au­to­nomní vo­zi­dla fun­go­va­la jako sys­tém než jako sa­mo­stat­ná vo­zi­dla.

Zá­sad­ní pro­blém je, že když nové tech­no­lo­gie po­sou­va­jí au­to­nomní vo­zi­dla na stup­ně 4 a 5, je­jich slo­ži­tost roste ve všech smě­rech (hard­ware, soft­ware, kom­po­nen­ty i sí­ťo­vé pro­po­je­ní). Au­to­nomní vo­zi­dlo stup­ně 5 na­hra­zu­je veš­ke­ré zá­sa­hy ři­di­če soft­warem, elek­tro­ni­kou a me­cha­nic­ký­mi, pří­pad­ně me­cha­t­ro­nic­ký­mi kom­po­nen­ta­mi. Ka­me­ry, Li­DA­Ry, ra­da­ry a další sen­zo­ry fun­gu­jí jako oči, uši a ner­vo­vá sou­sta­va vo­zi­dla. Ro­ze­zná­va­jí a po­pi­su­jí pro­stor kolem vo­zi­dla a pře­dá­va­jí in­for­ma­ce ostat­ním sys­té­mům. Po­čí­ta­čo­vé čipy a po­kro­či­lý soft­ware tvoří do­hro­ma­dy „mozek“ vo­zi­dla. Zpra­co­vá­va­jí in­for­ma­ce a činí re­le­vant­ní roz­hod­nu­tí. Vy­so­ko­rych­lost­ní sí­ťo­vé při­po­je­ní je možné chá­pat jako „ner­vo­vá vlák­na“, která pře­ná­še­jí in­for­ma­ce ze sen­zo­rů do vý­po­čet­ní­ho jádra a opač­ným smě­rem pře­ná­še­jí od­po­ví­da­jí­cí in­struk­ce. Me­cha­nic­ké a me­cha­t­ro­nic­ké sys­témy pak slou­ží jako „svaly“. Na zá­kla­dě ob­dr­že­ných elek­tro­nic­kých sig­ná­lů fy­zic­ky po­hy­bu­jí s ovlá­da­cí­mi prvky vo­zi­dla.
Vý­sled­kem je vo­zi­dlo, které je čím dál více „po­čí­ta­čem na ko­lech“ a ob­sa­hu­je mnoho mo­der­ních kom­po­nent pro­po­je­ných do jed­no­ho sys­té­mu. Patří mezi ně nej­mo­der­něj­ší po­čí­ta­čo­vé čipy, sen­zo­ry, roz­vo­dy, me­cha­nic­ké sys­témy a zejmé­na soft­ware.

Budování důvěry na trhu

Kromě ros­tou­cí slo­ži­tos­ti vý­rob­ků se musí vý­rob­ci au­to­nomních vo­zi­del vy­po­řá­dat s tím, že zá­kaz­ní­ci mnoh­dy neví, co mají od nové tech­no­lo­gie oče­ká­vat. Vět­ši­na z nich se s tech­no­lo­gi­e­mi au­to­nomní­ho ří­ze­ní se­tka­la jen zříd­ka. Pokud ve­řej­nos­ti chybí dů­vě­ra v tech­no­lo­gii, pak bude pro­sa­ze­ní na trhu těžké. Jak vý­rob­ci au­to­nomních vo­zi­del zá­kaz­ní­ky pře­svěd­čí o bez­peč­nos­ti a spo­leh­li­vos­ti svých sys­té­mů i v ne­pří­z­ni­vých pod­mín­kách? Do jisté míry mohou ne­dů­vě­ru ve­řej­nos­ti roz­ptý­lit pi­lot­ní pro­gra­my a zku­šeb­ní jízdy. Vý­rob­ci se také mohou po­dí­let na tvor­bě tes­to­va­cích norem pro au­to­nomní vo­zi­dla. Mohou tak ná­zor­ně de­mon­stro­vat funk­ce je­jich sys­té­mů.

Obrázek 2: Většina zákazníků se dosud se samořídicími vozidly nesetkala.

Pro­střed­nic­tvím norem a re­gu­la­cí mohou spo­leč­nos­ti a vlád­ní or­ga­ni­za­ce spo­lu­pra­co­vat na ur­če­ní pra­vi­del bez­peč­nos­ti, po­ža­dav­ků na spo­leh­li­vost, pro­voz­ních pod­mí­nek a pro­gra­mů tes­to­vá­ní, které do­sta­teč­ně pro­ká­žou bez­peč­nost au­to­ma­tic­ké­ho ří­di­cí­ho sys­té­mu. Sta­no­ve­ním kri­té­rií bez­peč­nos­ti vo­zi­del, je­jich spo­leh­li­vos­ti a dal­ších hod­not spo­leč­nos­ti de­mon­stru­jí ši­ro­ké ve­řej­nos­ti bez­peč­nost sa­moří­di­cích sys­té­mů. Není tedy třeba se spo­lé­hat čistě na tes­to­va­cí jízdy.
Jakmi­le budou normy bez­peč­nos­ti a spo­leh­li­vos­ti au­to­nomních vo­zi­del sta­no­ve­ny, vý­rob­ci au­to­mo­bi­lů budou muset vy­vi­nout ově­řo­va­cí a va­li­dač­ní pro­gra­my, které za­jis­tí spl­ně­ní těch­to norem. Tyto pro­gra­my budou muset být velmi roz­sáh­lé. Spo­leč­nost Rand Cor­po­rati­on na­pří­klad vy­po­čí­ta­la, že aby se v testu au­to­nomní­ho vo­zi­dla pro­je­vi­la mno­hem menší chy­bo­vost než u člo­vě­ka, mu­se­lo by najet více než 17 mi­li­o­nů ki­lo­me­t­rů. Ta­ko­vé množ­ství tes­to­vá­ní je ne­zbyt­né k vy­šet­ře­ní ne­o­če­ká­va­ných sil­nič­ních si­tu­a­cí, které během vý­vo­je jen ob­tíž­ně před­ví­da­jí. Tak roz­sáh­lé tes­to­vá­ní ovšem není u fy­zic­kých pro­to­ty­pů re­a­li­zo­va­tel­né. Proto je nutné tes­to­vá­ní roz­ší­řit o přes­né si­mu­la­ce, díky nimž tým získá po­třeb­né in­for­ma­ce rych­le­ji a lev­ně­ji. Po­mo­cí to­ho­to kom­bi­no­va­né­ho pří­stu­pu in­že­nýr­ské týmy au­to­nomních vo­zi­del efek­tiv­ně­ji pro­zkou­ma­jí mi­mo­řád­né si­tu­a­ce na sil­ni­cích a zvýší bez­peč­nost sys­té­mů.

Síla digitalizace a systémového inženýrství

Spo­leč­nos­ti, které se chtě­jí zú­čast­nit vý­vo­je sa­moří­dí­cích vo­zi­del (již za­ve­de­ní vý­rob­ci i no­váč­ci), musí být schop­ny dodat ino­va­tiv­ní soft­warem ří­ze­né funk­ce vo­zi­dla a vy­po­řá­dat se se slo­ži­tos­tí je­jich za­bu­do­vá­ní do fy­zic­kých prvků vo­zi­dla. Aby mohli být vý­rob­ci au­to­mo­bi­lů kon­ku­ren­ce­schop­ní, musí pře­hod­no­tit do­sa­vad­ní pro­ces vý­vo­je a při­vést do něj di­gi­ta­li­za­ci. Je třeba začít vní­mat vo­zi­dla jako sys­témy slo­že­né z pod­sys­té­mů (hard­wa­ru, soft­wa­ru a me­cha­nic­kých kom­po­nent). Pak bude možné rych­le ino­vo­vat vý­rob­ky a udr­žet krok s vý­vo­jem i kon­ku­ren­cí. Spo­leč­nos­ti po­u­ží­va­jí­cí tento pří­stup spo­leč­ně s pří­sluš­ný­mi mo­de­lo­vý­mi da­to­vý­mi toky mohou zpřes­nit funkč­ní mo­de­ly růz­ných sys­té­mů vo­zi­dla, op­ti­ma­li­zo­vat ži­vot­ní cyk­lus a pro­po­jo­vat mo­de­ly.
Pro vý­rob­ce au­to­mo­bi­lů je tedy zá­sad­ně dů­le­ži­tá di­gi­ta­li­za­ce ce­lé­ho pro­ce­su ná­vr­hu a ži­vot­ní­ho cyklu vý­rob­ku. Di­gi­ta­li­za­ce usnadňuje vý­rob­cům au­to­mo­bi­lů ře­še­ní mnoha pro­blé­mů. Také však do bu­douc­na na­bí­zí zá­klad pro růst a úspěch (ob­rá­zek 3). Au­to­mo­bil­ky, které vez­mou v potaz po­kro­ky v di­gi­tál­ním in­že­nýr­ství, si­mu­la­ci a ve sprá­vě ži­vot­ní­ho cyklu, budou na slo­ži­tost au­to­nomních vo­zi­del lépe při­pra­ve­ny.

Obrázek 3: Díky přesným digitálním dvojčatům vozidla mohou společnosti lépe inovovat a efektivněji řešit problémy.

Já­drem této změny jsou přes­ná di­gi­tál­ní dvoj­ča­ta vo­zi­dla po­krý­va­jí­cí veš­ke­ré aspek­ty a vý­rob­ní pro­ce­sy v rámci ce­lé­ho ži­vot­ní­ho cyklu. Di­gi­tál­ní dvoj­ča­ta jsou ře­še­ním pro­blé­mů slo­ži­té­ho vý­vo­je sys­té­mů vo­zi­dla. Jsou to vlast­ně přes­né mo­de­ly, po­mo­cí nichž je možné před­po­vě­dět cho­vá­ní vý­rob­ku ve všech fá­zích ži­vot­ní­ho cyklu. Umožňují mo­de­lo­vá­ní sa­mot­né­ho vý­rob­ku, vý­rob­ních pro­ce­sů i sprá­vu in­te­gro­va­ných vý­rob­ních ope­ra­cí. Sou­čás­tí je i clou­do­vá ana­lý­za dat, která pře­dá­vá zpět­nou vazbu do di­gi­tál­ních dvoj­čat. Di­gi­tál­ní dvoj­ča­ta jsou stě­žej­ním prv­kem vý­vo­je vý­rob­ku – na­bí­zí lepší po­znatky, zkra­cu­jí dobu vý­vo­je, ze­fek­tivňují jí a zlep­šu­jí po­zi­ci na trhu.
Di­gi­tál­ní dvoj­ča­ta tvoří zá­klad pro ko­la­bo­ra­tiv­ní a in­te­gro­va­ný vývoj. Spo­ju­jí do­hro­ma­dy me­cha­nic­ké, elek­tro­nic­ké i soft­wa­ro­vé sys­témy vo­zi­dla a vy­tvá­ří tak vir­tu­ál­ní obraz ce­lé­ho sys­té­mu. Dále také po­má­ha­jí při pl­ně­ní ná­roč­ných po­ža­dav­ků na ve­ri­fi­ka­ci a va­li­da­ci sa­moří­dí­cí­ho sys­té­mu. Vy­so­ce přes­né si­mu­la­ce po­mo­cí di­gi­tál­ních dvoj­čat po­sky­tu­jí in­že­nýr­ským týmům in­for­ma­ce z re­ál­ných si­tu­a­cí a po­mo­cí spo­leh­li­vých ma­te­ma­tic­kých metod od­ha­lu­jí si­tu­a­ce vy­ža­du­jí­cí zvý­še­nou po­zor­nost. Díky vir­tu­ál­ní­mu pro­stře­dí pro­bí­há zjiš­tě­ní těch­to si­tu­a­cí efek­tiv­ně­ji a ubývá sys­té­mů s ne­zná­mou mírou bez­peč­nos­ti.

Mo­der­ní si­mu­la­ce usnadňují ově­ře­ní a va­li­da­ci cho­vá­ní vo­zi­dla v růz­ných do­prav­ních pod­mín­kách, fun­go­vá­ní sen­zo­rů, práci vý­po­čet­ní jed­not­ky a správ­nost soft­wa­ru. Díky těmto ře­še­ním mohou spo­leč­nos­ti tes­to­vat jed­not­li­vé sys­témy i celá vo­zi­dla ve vir­tu­ál­ním pro­stře­dí ještě před­tím, než za­há­jí práce na fy­zic­kých pro­to­ty­pech a cer­ti­fi­ka­cích. Vir­tu­ál­ní ově­ře­ní a va­li­da­ce po­mo­cí přes­ných si­mu­la­cí je ide­ál­ní k tes­to­vá­ní sys­té­mů ještě v rané fázi vý­vo­je. Díky těs­né­mu pro­po­je­ní s di­gi­tál­ním ná­vrhem mohou být po­znatky ze si­mu­la­cí vo­zi­del rych­le in­te­gro­vá­ny zpět do ná­vrhů sys­té­mů.

Digitální budoucnost automobilového průmyslu

Díky di­gi­ta­li­za­ci se mohou vý­rob­ci au­to­mo­bi­lů za­mě­řit na vyšší úroveň au­to­no­mie vo­zi­dla. Tyto vy­lep­še­né funk­ce a sys­témy vo­zi­del zá­vi­sí na ještě slo­ži­těj­ší ar­chi­tek­tu­ře vý­kon­ných po­čí­ta­čo­vých čipů, sen­zo­rů, soft­wa­ru, elek­tro­me­cha­nic­kých pod­sys­té­mů a elek­tric­kých roz­vo­dů. Tato slo­ži­tost se pro­je­vu­je v celém ži­vot­ním cyklu vý­vo­je vo­zi­dla. Díky znač­ně roz­ší­ře­né di­gi­ta­li­za­ci bude také možné vy­u­žít nové pří­stu­py k vý­vo­ji vo­zi­del. Stále vý­znam­něj­ší bude spo­lu­prá­ce mezi od­dě­le­ní­mi, kon­zis­tent­nost in­for­ma­cí v celém ži­vot­ním cyklu, sběr „vel­kých“ tes­to­va­cích dat a je­jich ná­sled­ná ana­lý­za.
V ne­po­sled­ní řadě je dů­le­ži­té za­jis­tit si silná tech­no­lo­gic­ká part­ner­ství pro celou di­gi­tál­ní trans­for­ma­ci. Spo­leč­nost Si­e­mens spo­lu­pra­cu­je se zá­kaz­ní­ky všech od­vět­ví na vý­vo­ji plánů di­gi­ta­li­za­ce a na tvor­bě di­gi­tál­ních dvoj­čat vý­rob­ků i pro­ce­sů. Jako tech­no­lo­gic­ký part­ner na­bí­zí port­fo­lio di­gi­tál­ních funk­cí, kon­zul­ta­cí a in­že­nýr­ských slu­žeb, které sni­žu­jí ri­zi­ka během trans­for­ma­ce a urych­lu­jí do­sa­že­ní klí­čo­vých cílů. Může na­sa­dit své tech­no­lo­gie tak, aby to nej­lé­pe vy­ho­vo­va­lo po­tře­bám spo­leč­nos­ti: přímo v je­jich pro­sto­rách, v clou­du nebo po­mo­cí hyb­rid­ně clou­do­vé­ho pří­stu­pu. Jedno je jisté: vý­rob­ci au­to­mo­bi­lů mohou vy­ře­šit sou­čas­né pro­blémy slo­ži­tos­ti au­to­nomních vo­zi­del a di­gi­ta­li­za­ce jen po­mo­cí kva­lit­ní in­že­nýr­ské a tech­no­lo­gic­ké pod­po­ry sil­ných part­ne­rů.

O autorovi

Nand Ko­chhar je vi­ce­pre­zi­den­tem od­dě­le­ní stra­te­gií au­to­mo­bi­lo­vé­ho prů­mys­lu a do­pra­vy ve spo­leč­nos­ti Si­e­mens Di­gi­tal In­dustries Soft­ware Ke spo­leč­nos­ti Si­e­mens se při­dal v roce 2020 po téměř 30 le­tech u spo­leč­nos­ti Ford Motor Com­pa­ny, kde na­po­sle­dy pů­so­bil jako hlav­ní in­že­nýr bez­peč­nost­ních sys­té­mů. V této funk­ci byl Ko­chhar zod­po­věd­ný za bez­peč­nost všech vo­zi­del znač­ky Ford a Lin­coln na celém světě. Ve spo­leč­nos­ti Ford za­stá­val mj. po­zi­ci ve­dou­cí­ho tech­ni­ka a in­že­ný­ra CAE, byl čle­nem tech­no­lo­gic­ké rady a za­bý­val se vý­vo­jem vo­zi­del, di­gi­ta­li­za­cí i si­mu­la­ce­mi.