oorja

oorja

Innovativa piattaforma digitale per lo sviluppo e la modellizzazione di batterie agli ioni di Litio, che ne simula e predice 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 9 moduli:

  • Material: per definire il materiale sia delle celle, sia dei componenti del pacco batteria (enclosure, filler, pads etc.).
  • Data: per caricare e pulire i dati per gli algoritmi del Machine Learning.
  • Design: per creare o importare la geometria del pacco batteria da analizzare.
  • Range: per prevedere le performance del pacco batteria nel settore automotive.
  • Volt: per analizzare le prestazioni della cella.
  • Fade: per analizzare gli aspetti legati al "capacity/power fade".
  • Heat: per realizzare analisi termiche sia in condizioni di normale utilizzo, sia in condizione di thermal runaway (inizializzazione e propagazione all’interno del pacco batteria).
  • Analyze: per confrontare le prestazioni delle diverse soluzioni analizzate.
  • Optimize: per prevedere i parametri di design e di degradation.

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

High Pressure Die Casting Optimization of a Connecting Rod

A multi-objective engineering simulation study of the connecting rods manufacturing process

Connecting rods connect the pistons to the crank shaft in automotive engines and are vital components of the engine. Connecting rods are traditionally produced in ferrous metals by forging or die casting.

metal-process-simulation automotive magma

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  

CORSI A CALENDARIO

Catalogo corsi BATTERIE AL LITIO

Le batterie agli ioni di litio, grazie alla loro alta densità energetica e lunga durata, trovano largo impiego in numerosi dispositivi elettronici, veicoli elettrici e sistemi di accumulo di energia rinnovabile. Scopri la nostra offerta di corsi di formazione su oorja, una piattaforma SaaS basata sull'uso del Machine Learning, progettata per analizzare e prevedere il comportamento delle celle e delle batterie, utilizzando un numero limitato di dati per ottenere previsioni accurate ed efficienti.

training oorja

Scopri di più

CASE STUDY

A new methodology based on LS-DYNA for integrating product & process engineering of a steel wheel

Wheels are products with key geometrical and structural specifications.

A new methodology is presented, following an integrated process-product analysis approach, showing some benefits related to increased accuracy and the potential application of new optimization methods.

ls-dyna automotive composites

CASE STUDY

RecurDyn helps ensures passenger safety in faster, higher capacity detachable chair lifts

Software facilitates dynamic studies of complex multi-body models to predict accelerations; verify, shape and size structural parts

Dynamic studies are required to predict the accelerations, verify that the cams are properly shaped, and to extract the loads to structurally size the parts.

recurdyn multibody mbd-ansys automotive

CASE STUDY

Digitizing a process to standardize the analysis and evaluation of windshield wiper performance

TAE SUNG collaborates with DY Auto to develop dedicated software

This technical article describes a project that was undertaken by TAE SUNG Software and Engineering, in collaboration with DY AUTO in Korea, to establish a computerized process to conduct three-dimensional real-scale analysis of any of the three types of windshield wiper currently in use, and to establish a specific standard for evaluating wiper performance.

automotive ls-dyna ansys