高端制造业如汽车、航空航天等领域，核心竞争力已然是那仿真测试自动化，它不仅仅和研发效率相关联，更是直接决定了产品质量的可靠性以及迭代速度，简单讲，就是要借助计……
高端制造业如汽车、航空航天等领域，核心竞争力已然是那仿真测试自动化，它不仅仅和研发效率相关联，更是直接决定了产品质量的可靠性以及迭代速度，简单讲，就是要借助计算机软件将真实物理环境予以模拟，取代大量既繁琐成本又高昂的实车、实物测试，进而能在项目前期迅速发现并解决问题。
仿真测试到底准不准
这是每一位工程师以及管理者最为关注的问题，仿真结果的精确程度，从本质上来说，取决于两个关键要素，其一为模型的精准度，其二是测试用例的覆盖范围。倘若模型自身过度简化，又或者测试场景未能涵盖真实道路上的极端工况，那么仿真便丧失了其应有的价值。当下行业内的主流方式是借助高精度动力学模型以及真实路谱数据采集，进而持续校准仿真模型，以此保证其结果与实车测试的偏差被控制在能够接受的范围之内。
自动化率能达到多少
大量的人错误地认为，引进工具便能够达致百分之百的自动化，事实上，从测试用例的设计开始，到模型的部署，再到任务的调度，直至最终的报告生成，全流程的自动化才是重点所在，然而也是最难达成的、现阶段成熟的方案，大约能够实现百分之七十到百分之八十的核心执行环节自动化，可是在测试用例的逻辑设计以及异常结果的分析判定等环节，依旧需要资深工程师的经验参与进来、一味地追求百分百自动化，既不切实际，又有可能致使成本失去控制。
如何选型测试工具
市面上如CarSim、PreScan、dSPACE等这类被主流所认可的仿真工具，存在各方向上不同的侧重，其价格并不低廉。在进行选型这个行为的时候，不仅仅不能仅仅只关注工具自身所具备的功能，更加需要慎重考虑它和你们公司现有的开发流程之间存不存在兼容性，就好比能不能毫无阻碍地接入CI/CD持续集成流水线。除此之外，团队在使用时所面临的学习曲线也是具有重要意义的，一款能够快速被掌握、社区活跃度高的工具，通常情况下会比一款虽然功能强大但却极其复杂的工具更能够带来具有长期性的价值。
团队需要哪些新技能
并非仅仅是工具层面得以升级才叫仿真自动化，它更是对工程师能力去进行重塑。传统的测试人员，需要着手去学习Python或者MATLAB脚本编写，以此来定制自动化任务。软件开发人员，却需要理解物理模型的基本逻辑。一个高效的仿真测试团队，常常是由懂软件开发且理解专业领域的“复合型人才”所构成的。培养这种跨界能力，是推进自动化过程里不可被忽视的一环。
那仿真测试自动化所走的道路不存在终点，有的只是持续不断地迭代以及优化。你们团队当前于推进自动化进程里碰到的最为突出的瓶颈，究竟是工具方面的问题，还是人员技能方面的问题，又或者是管理流程方面的问题？欢迎在评论区域分享你的经验，一块儿去探讨解决办法。要是觉得这篇文章对你颇具帮助，可别忘了点赞并且分享给更多的同行。
微信扫一扫 
