摘要：坚持采用有利于选择最佳设计的方法，可提高最终产品的质量。工程团队往往会对其设计进行过高或过低的评估，因为他们不能确切地确定所需的公差。通常，这会导致所需的材料、成本和时间增加。大多数工程师都熟悉优化技术，但鲁棒性评估可进一步为高质量提供保证。

坚持采用有利于选择最佳设计的方法，可提高最终产品的质量。工程团队往往会对其设计进行过高或过低的评估，因为他们不能确切地确定所需的公差。通常，这会导致所需的材料、成本和时间增加。大多数工程师都熟悉优化技术，但鲁棒性评估可进一步为高质量提供保证。

电子设计和制造中的鲁棒性

制造单个电子组件会产生偏差，装配流程也会导致不一致性，这已不是行业秘密。而这正是我们需要六西格玛等设计指南的原因所在。六西格玛质量水平要求制造流程生产出的产品缺陷率不超过百万分之3.4。六西格玛，也被称为鲁棒性设计，可促进工程师设计出不容易受制造变化因素影响的产品。

随着电子系统和组件变得更小、密度更高、更容易受到热的影响，不仅有更多的意外相互作用需要被纳入考虑范围，而且也很难预测公差将如何影响设计和制造。通过找出必须遵守的生产公差以确保一致的质量，工程师能够减少成本和缺陷，提高质量并简化工作流程。

评估鲁棒性的流程包括：

自动变速器的成本和功能优化

产品设计中的一项主要挑战是确定功能和成本的最佳组合；有许多方法可以实现这一目标，然而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其自动变速器设备设计中比较和评估螺线管的设计替代方案时，就亲身体验过这种情况。该公司使用optiSLang和Ansys Workbench构建计算机辅助仿真方法，以用于考虑材料、公差、组件拓扑、几何参数和制造流程。该工作流程可在短时间内生成各种螺线管设计，并针对每种设计进行成本与功能优化。通过了解每个选项的技术功能和经济性之间的关系，该团队能够选择出最稳健的设计。

薄膜铜的建模校准

凭借出色的导电和导热特性，薄膜铜在半导体行业中十分普遍。半导体的功能取决于该金属在较宽温度范围内的性能。通常，金属薄膜与相同材料的块状固体具有不同的物理特性，其行为也大不相同。为了了解薄膜铜的应力-应变响应，并将其参考实验与仿真结果进行比较，一家半导体制造商使用optiSLang来确定正确的材料模型。

如果采用“手动”验证，需要花费大约三周时间来运行70次仿真，但采用optiSLang，在设置了相关方法后，就可在一天内运行284次仿真。流程中最耗时的部分并非实际运行，而是围绕参数变化进行分析和决策——其可以对实验结果进行更好的校准。而optiSLang有助于提高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，可为寻求快速、高效部件生产的客户提供最大负载能力。将拓扑优化（用于确定最轻量化的合适设计）与参数优化（用于尽可能延长卡盘使用寿命）相结合，便能得到这样可靠的结果。

利用optiSLang的多目标优化实现最佳设计，将质量和质量惯性分别减少了30%和40%。

优化钳口导向区域中的参数可提高刚度，从而改善卡盘的铁芯夹紧功能。

梅赛德斯-奔驰使用可靠性分析方法验证ADAS

高级驾驶辅助系统（ADAS）有助于实现新兴的车辆功能，如自动紧急制动、行人检测、泊车辅助和视线检测等。随着这些系统承载的功能越来越多，它们也变得愈加复杂，因此验证其安全性变得更具挑战性。实际上，在现场测试中其实无法达到评估系统故障概率所需的里程数，因此，汽车制造商梅赛德斯-奔驰公司转而利用仿真来确定关键交通场景，并使用optiSLang进行安全性功能测试和评估。

该方法可减少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每个场景的风险。梅赛德斯-奔驰公司能够在其L3 ADAS认证方案中使用这种方法及其仿真结果，证明了该设计的环境检测功能符合资质。

下面是optiSLang的另一个用例，涉及规划和开发汽车制造的公差概念。在汽车领域，公差分析的准备工作非常耗时，有时还容易出错，特别是对于包含数百个部件的白车身（BiW）结构。在该制造阶段，车身骨架已完成装配，但还没有上漆。

为了实现准确的公差分析建模和可制造性，工程师需要特定的信息（例如，夹具概念和连接位置）来通过仿真软件定义接触条件、范围和测量值。在实际情况中，产品开发流程中创建的单个部件公差信息会与制造流程公差以及仿真参数，一起传输到仿真模型中。optiSLang可适应公差范围，因此，在公差敏感度分析中可以轻松考虑多个输入变量，以确保装配鲁棒性。

来源：武汉宇熠