Oorja

Oorja

Innovativa piattaforma digitale per lo sviluppo e la modellizzazione di batterie, che ne simula, predice ed ottimizza il comportamento

Oorja

Oorja è un prodotto di Oorja

Nella progettazione di una batteria si utilizzano, tradizionalmente, due approcci.
Con il primo si simulano i comportamenti di una batteria tramite l'utilizzo di tecnologie CAE (Computer Aided Engineering), che consentono di rappresentare il prodotto utilizzando modelli numerici incentrati sulla modellizzazione e le analisi della fisica. Ma, per una predizione accurata, è necessario introdurre analisi multi fisiche (Multiphysics Analysis), ossia introdurre ulteriori parametri, quelli elettrofisici caratteristici delle batterie ad esempio, che rendono più complesso il modello fisico vero e proprio. A questo si deve aggiungere l’aumento della complessità dei prodotti, determinato dall'introduzione di nuove tecnologie e di nuovi materiali, e dall’attenzione alla sostenibilità ambientale. Ed è questa complessità che ha fatto emergere i limiti nell’adottare questo approccio: dai tempi di calcolo che aumentano, alle estese competenze che sono richieste (sui software da utilizzare, sulle tipologie di analisi da effettuare, sulle caratteristiche ed i comportamenti dei nuovi materiali, per citare le principali).

Il secondo approccio, più recente, è invece legato ai modelli di apprendimento automatico (Machine Learning). In questo caso per la progettazione di una nuova batteria si utilizzano dataset, composti da un gran numero di dati raccolti sperimentalmente.
Ma quanto sono affidabili questi dati nel momento in cui si progetta un nuovo prodotto? Il design e le prestazioni di una batteria dipendono da moltissimi fattori: il limite nell'utilizzare questo approccio è la reperibilità dei dati che effettivamente sono utili nelle prime fasi di progettazione.

In questo scenario si inserisce Oorja: la forza di questa piattaforma consiste nell'adozione di un approccio ibrido, che sfrutta i vantaggi delle due metodologie sopra descritte, e ne supera i limiti.

Oorja utilizza un approccio basato su modelli fisici semplici e veloci, che costituiranno la base per l'algoritmo di apprendimento automatico, riducendo così il numero di dati necessari per il dataset iniziale.

Oorja simula, predice ed ottimizza il comportamento delle batterie, analizzando diverse performance, come, ad esempio, la quantità di corrente prodotta, il “capacity/power fade”, il surriscaldamento durante l’utilizzo, i protocolli di ricarica rapida e gli aspetti legati alla garanzia.

Alla base della metodologia c’è un workflow composto da 7 moduli:

  • Material: per definire il materiale
  • Data: per l'utilizzo del Machine Learning
  • Design: per creare o importare il "pack geometry" da ottimizzare
  • Range: per predire le performance legate alla corrente della batteria
  • Volt: per ottimizzare le performance (ad esempio BoL: Begin of Life performance)
  • Fade: per l'analisi dei rischi, analizzare aspetti legati della garanzia, analizzare il "capacity/power fade"
  • Heat: analisi termiche, ottimizzazione del design per definire le distanze tra le celle o il cooling

Da sottolineare l'interfaccia grafica estremamente "user friendly" di Oorja, che rende estremamente semplice l'utilizzo della complessa metodologia: si basa sull'utilizzo di un "wizard", ossia di un sistema automatico, che passo dopo passo guida l'utente nella generazione del workflow.

Redefining Product Features - Keeping your eye on the ball while performing a deep dive on the start-up mentality to derive convergence on cross-platform integration. RANGE - Predict vehicle performance and range at the get go. Estimate the impact of real life driving conditions, road conditions and temperature on vehicle range over the life of the vehicle.

Principali vantaggi

Richiedi una demo gratuita

  Velocità di calcolo - simulazioni più rapide rispetto alle classiche "Physics based solutions"

  Dataset ridotti - meno dati rispetto a quelli richiesti da approcci "Machine Learning" puri

  Semplicità di utilizzo ed interfaccia guidata

  Ottimizzazione delle performance

  Ottimizzazione del pack design

  Identificazione del protocollo "Fast charge"

  Predizione delle temperature

  Analisi del "Capacity fade"

Documentazione

brochure

Product brochure

Download the oorja brochure

oorja

Fast Charging Algorithms - Safety - Thermal Stability - Degradation
Ask the Expert

Chiedi all'esperto

Invia le tue domande ai nostri tecnici specializzati!
Mettiti in contatto con uno dei nostri esperti, che ti potrà fornire risposte certe o consigliare soluzioni affidabili.

Ask the expert Richiedi una demo gratuita

Approfondimenti

CASE STUDY

Aero packs in good shape with advanced mesh morphing

How the synergy between Adjoint Methods and RBF Morph can efficiently boost Dallara Automobili’s aerodynamic design process

This article describes a new method of aerodynamic design, the result of a collaboration between Dallara Automobili and RBF Morph, that uses adjoint methods and mesh morphing to create an innovative solution to accelerate the optimization process, reducing both time and costs.

automotive rbf-morph

NEWSROOM

Resta in contatto con noi: news, analisi e tendenze approfondite dai nostri esperti

Newsroom  

MEDIA CENTER

Esplora il nostro archivio per vedere i video, i video tutorial e le registrazioni dei nostri webinar.

Media Center  

CASE STUDY

A perspective on simulation in the automotive industry

Face to face with Paul Stewart, design process leader and consultant

Futurities interviewed Paul Stewart about his thoughts on the evolution of simulation’s role in the design process in the automotive industry, the evolving roles of CAD and CAE and the move to freeform deformation in automotive design, as well as the likely impact and role of artificial intelligence technologies in this space.

automotive

Scopri di più

Le nostre competenze in Oorja

CASE STUDY

Controlled Floater for Marine Pipeline Towing

A system to simplify the towing and laying down of marine pipelines in shallow water fields

A developer of innovative equipment designed a system to simplify the towing and laying down of marine pipelines in shallow water fields.

energy modefrontier optimization oil-gas recurdyn

CASE STUDY

Cost Effective High- Performance Design: Innovation is the Answer

Marelli Motori applies multiphysics simulation to cost-effectively design better, more reliable motors and generators faster

Improving efficiency while reducing cost is a very complex engineering challenge. Marelli Motori makes extensive use of CFD and FEM multiphysics simulation to do just that in the design of its electrical motors and generators.

ansys automotive cfd

CASE STUDY

Aero packs in good shape with advanced mesh morphing

How the synergy between Adjoint Methods and RBF Morph can efficiently boost Dallara Automobili’s aerodynamic design process

This article describes a new method of aerodynamic design, the result of a collaboration between Dallara Automobili and RBF Morph, that uses adjoint methods and mesh morphing to create an innovative solution to accelerate the optimization process, reducing both time and costs.

automotive rbf-morph