近年来,关于软件定义汽车(Software-defined Vehicles)的讨论非常多。但事实上,其他电子产品也早已越来越多地依赖软件。这对制造商而言意味着:他们必须掌控全新的开发流程,以确保透明度、可追溯性与合规性。
在灵活的敏捷方法(Agile)与 V 模型的严格规范之间取得平衡,是专注于自动驾驶系统开发的 Navya 面临的最大挑战。该公司推出过首款可商业化的自动驾驶接驳车。其软件团队采用敏捷方法,与许多其他企业一样使用多种工具组合。然而团队之间的同步不足,没有必须遵守的流程,也缺乏对开发过程的可视性。这与移动出行行业在功能安全方面严格的监管要求相冲突。
Medtronic 医疗科技公司神经调节部门面临着类似的状况。开发团队虽然对功能性满意,但孤立的、手动整合的工具削弱了透明度,使得从需求到源代码的可追溯性,以及向 FDA 提交合规审计所需文档的导出变得困难。
他们需要的,是一个应用生命周期管理(Application Lifecycle Management,ALM)解决方案。ALM 是软件生命周期的组织支柱,从最初的需求收集,到设计、测试,再到部署和维护。通过整合各个阶段,ALM 能帮助企业优化流程,支持参与开发的所有部门协作,并显著提升产品质量。
ALM 系统的关键功能
要满足当前制造标准的要求,一个 ALM 系统应具备若干核心功能。最关键的是全面的文档管理和细粒度的可追溯性,以确保符合所有相关监管要求。
此外,与现有 IT 系统的集成也十分重要。ALM 系统必须能够在无人工干预的情况下同步来自不同来源的数据。只有这样,才能确保所有相关数据在一个集中平台上被一致、准确地管理,并让所有参与者访问最新、正确的信息。
强大的 ALM 还应支持 Scrum 或 Kanban 等敏捷开发方法,使团队能够以短迭代方式工作、快速整合反馈并实时进行调整。
Medtronic 神经调节部门在评估 ALM 软件时确定了以下标准:
此外,ALM 软件还必须具备完整集成、稳健、灵活、云端化等特点。Navya 的要求也几乎完全一致——最终,两家公司都选择了 PTC 的 Codebeamer。
Medtronic 神经调节部门的患者护理软件总监 Sarb Singh-Kaur 说道:“我们必须从客户需求一直追溯到产品需求、设计、测试和源代码。Codebeamer 是唯一能让我们顺畅实现这一点的工具。” 对于 Navya 来说,环境配置与动态对象的灵活性是其做出选择的主要原因。
成功实施 ALM
引入 ALM 系统往往不可能没有挑战。其中最常见的就是员工的抵触情绪。要缓解这种状况,需要全面的变革管理(Change Management),将所有相关人员积极纳入变革过程,并提升他们对新系统益处的认知。
此外,将流程调整为适应 ALM 系统的要求至关重要。企业越愿意批判性地审视现有工作流、必要时重新设计并打破既有结构,成功程度就越高。
在 Medtronic 神经调节团队那里,流程变革与 ALM 软件的导入同步进行。为了构建新的内部流程,公司配置了追踪器、项目、角色与工作流。Sarb Singh-Kaur 表示:“我们彻底重塑了流程,并将 Codebeamer 作为推动变革的工具。不到 30 天我们就准备就绪了。”
另一个重要方面是数据迁移:必须谨慎迁移现有数据,并将系统与现有 IT 基础设施集成。只有这样才能确保所有重要信息保持集中、一致、随时可访问,ALM 系统才能成为规划、开发与管理的可靠基础。
打通软件与硬件
因为软件定义的电子产品仍然离不开硬件,因此必须尽可能无缝地连接软件、电子和机械三个开发团队。如果他们各自孤立工作,工程师和开发人员就需要花大量时间寻找所需信息——而且往往无法确认数据是否最新。当相关数据发生变更却无法及时查看时,错误与不一致会被延迟发现,从而导致延期与成本上升。
许多企业在硬件开发中已采用 PLM(产品生命周期管理)系统。通过整合 ALM 与 PLM,他们能够解决上述所有问题,使产品的数字与物理组件在全生命周期中保持一致。他们拥有一条“数字主线”(Digital Thread),有助于保障产品质量、以更高效的流程实现创新,并缩短上市时间。数字主线实现了可追溯性,从而支持需求、变更、配置与测试的管理,并确保符合法规要求。
嵌入式软件仍然是重要的创新驱动力。能够让团队高效协作的企业,将在创新竞赛中领先。
好文章,需要你的鼓励
当超级计算机被压缩进一个比书本还小的盒子里,这画面有多炸裂?想象一下,你桌面上摆着的不是什么花瓶摆件,而是一台能跑200B参数AI推理的"超算怪兽"——这就是我们今天要聊的主角:华硕Ascent GX10。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。