バッテリー革新の最前線を切り開く
完璧なバッテリー性能は贅沢ではなく、必要不可欠です。航続距離や充電時間に対する現在の期待に応えるには、知性、スピード、効率性が求められます。しかし、従来のテスト手法では進行が遅れてしまいます。初期段階では、バッテリーの健全性（SOH）の評価に時間がかかり、後期段階では物理的プロトタイプによる検証が量産開始（SOP）を遅らせます。そして、走行中のバッテリー状態は依然として見えないままです。 仮想化し、データ駆動型の検証を通じて問題が発生する前に解決策を提供する「Shift Left テスト」へ移行しましょう。セル開発からパック統合、さらには使用段階まで、シミュレーションと自動化によってすべてのステップを加速させます。グローバル競争が激化し、バッテリー市場が年間20％成長する中、プロトタイプ依存を削減し、洞察を拡大することが重要です。AVLは、車両データ、予測モデル、そしてエンジニアリングの専門知識を統合して、バッテリーマネジメントシステム（BMS）の戦略を最適化し、寿命を延ばし、より迅速に進めることができます。ラボから道路へ—正確、予防的、そしてコスト効率を実現します。
正確にセルの劣化を予測する
SOHをより迅速に判断するには、効率的に取り組むことが必要です。従来のテストキャンペーンは1年以上かかり、試験設備や気候チャンバーを占有し、タイムラインを遅らせてしまいます。充放電サイクルや温度、休止状態、機械的ストレスなど、バッテリー劣化に影響を与える各要因は、個別に数ヶ月間のテストを必要とします。OEMでさえ、セルの劣化を確認するためにサプライヤーのテストを再実施することがあります。その結果、検証が停滞し、キャパシティが埋まり、市場投入までの時間が延びてしまいます。時間の無駄を避けて、効率的に進める方法を探るべきです。初期サイクルを活用して機械学習モデルを訓練し、高速と低速で老化するセルのパターンを検出させましょう。アルゴリズムに劣化の挙動を学習させることで、SOHカーブの残り20～40％を正確に予測することができます。アクティブな設計実験（DoE）戦略を使用し、賢いパラメーター変更と最適化された試験の順序設定を通じて貴重な時間を節約し、早期に洞察を得てリソースを解放することが可能になります。他社がまだテストをしている間に進展を遂げることができます。
バッテリーパックをラボで検証する
待ち時間を削減し、リスクを捉える：物理的な車両でバッテリーパックを検証することは実際の条件を反映するかもしれませんが、時期が遅すぎます。この段階で問題を発見すると、SOP（量産開始）スケジュールがリスクにさらされ、是正措置のコストが増加します。その代わりに、バッテリーテストベンチでの検証に移行しましょう。 Battery-in-the-loop（BiL）と完全な車両シミュレーションを使用すれば、実世界の負荷や熱力学、ドライバーの挙動を完全に自動化して再現できます。バッテリーパックは実際に道路上にあるかのように反応し、あらゆるパラメータを完全に制御できます。走行距離、ストレス性能、極端な温度をシミュレートし、現実的な走行条件下でSOC（充電状態）などのSOx（健全性指標）値を評価し、早期に戦略を洗練することが可能です。最初のプロトタイプが存在しない段階でも、劣化予測、熱ストレスシナリオ、車両レベルでの全性能テストを実施できます。これにより、後期段階での驚きや高額な手直し、熱暴走を防止し、より鋭い意思決定、柔軟性の向上、安全性の強化が実現します。
SOxを車両全体で予測する
バッテリーの状態を推測する必要はありません。運用中のSOx予測は一貫性に欠けることが多く、BMS（バッテリーマネジメントシステム）を誤解させ、保証イベントやメンテナンス計画を妨げる原因になります。それは、車載システムでは車両内の1つのバッテリーしか監視できないからです。広範なデータの文脈がなければ、値は不規則に変動し、意味を失います。 そこで、分散した読み取りデータからクラウドベースのインテリジェンスに移行しましょう。接続されたBEV（バッテリー電気自動車）と中央集約型のデータ分析によってサポートされるこの方法では、車両全体からフィールドデータを集約して、BMSに直接最適化された戦略を供給するための堅牢なSOx予測モデルを作成できます。 LSTM（Long Short-Term Memory）や転移学習といったAI手法を活用すれば、ラボとフィールドの知見を組み合わせて予測精度を高められます。フェデレーテッド・ラーニング（Federated Learning）はデータ保護を保証しながら、グローバルな車両全体でモデル性能を継続的に向上させます。この結果、異常の早期警告、信頼できる寿命計画、そして仮説に基づいたものではなく、構造化された成果に基づいて正確なSOxの可視化が可能となります。さらに、根本原因分析によってバッテリー性能の低下を実際に引き起こしている原因を定量化し、その対応策を特定できます。
EVolve Mobility ウェビナーシリーズ
より速く、よりスマートに、より安全なEV開発
開発時間を短縮し、品質を向上させ、イノベーションを加速させます。
The EVolve Mobility ウェビナーシリーズでは、電動モビリティの未来に向けたスマートで統合されたソリューションを通じて、テスト時間の短縮、バッテリー性能の向上、ソフトウェアリリースのスピードアップについて深く掘り下げた5つの専門的なセッションを提供します。
私たちは、より安全に、そしてより早く、車両を路上へ送り出すために、
いつでもサポートする準備ができています。
AVLソフトウェアソリューション - 未来のために構築された技術
AVLのモジュール式ソフトウェアツールチェーンは、e-モビリティ工学のすべての段階を通じてサポートします。
AVL CAMEO 5™は、自動車ソフトウェア試験におけるキャリブレーションと検証をさらに成熟させています。
AVL Data Analytics™ is a cloud-first software solution built for the needs of today's automotive engineers, driving powerful data insights and effective actions at scale.
AVL Virtual Studioは、単なるソフトウェア製品ではありません。現代のテストシステムが直面する複雑な課題に対応するために設計された、包括的なバーチャル試験体験です。