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

Rubber fatigue ≠ metal fatigue: mean strain effects

The article focuses on the difference in fatigue behaviour between rubber and metal materials. While metal fatigue is often described by a simple rule: increasing mean strain is detrimental to fatigue life, rubber fatigue is more complex and depends on the material's ability to strain crystallize. The text concludes that while tensile mean stresses are always detrimental in metals, in rubber they may be either beneficial or harmful depending on whether the rubber can strain crystallize.

mechanics endurica automotive

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

Using multidisciplinary optimization for engine suspension stiffness

Optimizing idling and ride comfort

In this technical article, Fiat Chrysler Automobiles explain how they created a multibody optimization project to identify the optimal values for the powertrain suspension stiffness for a three-cylinder engine in order to minimize the vibrations at idle condition and ensuring greater ride comfort to the passengers.

automotive optimization modefrontier

CASE STUDY

Optimizing the cable routing for a hyper-redundant inspection robot for harsh, hazardous environments

A multi-objective optimization framework to reduce the actuation loads and increase the payload

This article discusses a multi-objective optimization study to determine the optimal matrix for the routing of the actuating cable system in order to minimize the cable load on the robot and maximize the robot’s payload.

optimization modefrontier mechanics electronics

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