Jak důkladně testovat a ověřovat autonomní systémy v letectví a obraně (A&D)

6 minut čtení | Ing. Robert Opletal

Jak důkladně testovat a ověřovat autonomní systémy v letectví a obraně (A&D)

Testování a ověřování jsou klíčové ve všech projektech

Autonomní rover s astronomicky vysokou cenovkou a dlouhým vývojovým procesem se pohybuje po Měsíci. I když nikdy není vhodná chvíle na selhání mise, určitě ho nechcete zažít téměř 400 000 kilometrů od povrchu Země.

Aby se tomuto nejhoršímu scénáři předešlo, je rozsáhlé testování a ověřování veškerých hardwarových a softwarových systémů ještě před opuštěním Země nesmírně důležitou součástí vývojového procesu tohoto roveru.

To ovšem neplatí jen pro tento příklad — testování a ověřování jsou zásadní kroky bez ohledu na to, na čem pracujete. Vezměme si širší průmysl letectví a obrany (A&D), kde inovátoři čelí jedinečným překážkám v závislosti na svých konkrétních aplikacích a případech použití. Může jít o autonomní drony, které musí projít letovými testy a prokázat splnění předpisů, až po neosádlená podvodní vozidla, jež musí fungovat v různých hloubkách a zachovat autonomní navigaci v hlubokomořském prostředí.

I když je provádění těchto testů a ověřování autonomních systémů nezbytné, existují přitom významné výzvy:

neefektivní využití zdrojů
složitost systémů
vysvětlitelnost chování
shoda s předpisy a bezpečnost

Aby tyto výzvy zvládli a mohli navrhovat autonomní systémy pro kritické mise, potřebují inženýři způsob, jak své návrhy efektivně, komplexně a přesně testovat a ověřovat.

Úvod do moderních technik testování a ověřování

Začněme testováním model-in-the-loop (MiL). Při MiL mohou inženýři provádět teoretické testy prostřednictvím modelů každého autonomního subsystému. Tento proces zahrnuje tvorbu komplexních a přesných digitálních modelů, které reprezentují chování každého subsystému v různých scénářích mise. Po vytvoření těchto modelů mohou inženýři pomocí simulací předpovídat, jak jejich návrhy v těchto scénářích obstojí, a hodnotit jejich výkon. Tyto výsledky MiL se využívají k upřesnění modelů a poskytují klíčová data pro další vývoj.

Další je software-in-the-loop (SiL), kde se virtuální modely propojují se systémovým softwarem a testují se interakce softwaru bez nutnosti fyzického hardwaru. Při provozu autonomního softwaru ve virtuálním prostředí mohou inženýři ověřit jeho logiku, funkce a schopnost integrace. SiL také umožňuje analyzovat výkonnost systému v různých provozních situacích.

Hardware-in-the-loop (HiL) pak připravuje na dynamické fyzické testování konfigurací skutečných hardwarových komponent v simulovaném provozním prostředí. HiL představuje kritický poslední krok před zahájením sériové výroby a ověřením finálních prototypů.

Při testech HiL mohou inženýři sledovat, jak hardware reaguje a funguje v prostředí blízkém realitě. Díky získaným datům lze ověřit výkon hardwaru, hodnotit spolehlivost systému, testovat připravenost k provozu a účinnost propojení hardwaru a softwaru.

Nakonec tu máme kyberbezpečnostní testování, které umožňuje vývojářům a inženýrům budovat systémy odolné vůči hackerům a dalším kybernetickým hrozbám. Tento proces ovšem není jednorázový – testování kyberbezpečnosti musí probíhat po celou dobu vývoje i po nasazení, aby byla zajištěna aktuálnost a dodržování osvědčených postupů. Důraz se také klade na DevSecOps, tedy na bezpečnost integrovanou do celého vývojového cyklu softwaru.

Proč je klíčové zapojit simulaci a digitální inženýrství do testování a ověřování

Ačkoliv je testování a ověřování základním kamenem vývojového procesu, není to jednoduchý krok. Tento proces může být zdlouhavý, nákladný a někdy i nerealizovatelný. Například u zmíněného autonomního roveru je nemožné fyzicky na Zemi otestovat, jak si povede během celé mise od startu po přistání a pohyb po Měsíci.

Inženýři však mohou tyto překážky překonat pomocí digitálního inženýrství misí (DME). Díky DME a simulačním řešením mohou inženýři z A&D zkrátit dobu i náklady testování a ověřování. Takto provedené model-based test & evaluation rovněž pomáhá přesně určit a upřednostnit rizikovější oblasti, které vyžadují dodatečné fyzické testy.

DME a simulační software lze v této fázi propojit také s umělou inteligencí (AI) a strojovým učením (ML). Inženýři mohou tato řešení použít například k optimalizaci parametrů modelů pro MiL, k posílení učení pro SiL nebo k analýze reakcí strojového vidění na fyzické senzorické vstupy při HiL. Díky tomu mohou s využitím DME a simulací ověřit a získat jistotu v AI/ML prvcích ještě před jejich integrací do návrhu.

Širší výhody pro vývoj autonomních systémů

Použitím DME a simulačního softwaru získají vývojáři autonomních systémů řadu dalších výhod, například:

úsporu času inženýrů díky rychlému vyhodnocení testovacích plánů a přehledu výsledků
poskytnutí detailních vizualizací testů a dat vedoucím pracovníkům a manažerům misí, kteří tak mohou analyzovat příčiny a důsledky, pochopit výkonnost testovaného autonomního systému a snadno sdílet průběh programu a plnění cílů se stakeholdery
podporu sledovatelnosti a dokumentace nezbytné pro soulad s normami

Díky DME a simulačním řešením mohou lídři v A&D rychleji vyvíjet důkladně testované návrhy a dosáhnout úspěchu mise.

Chcete-li se dozvědět více o přínosech Ansys DME a simulací ve fázích testování a ověřování, podívejte se na tento e-book.

Sdílet