DESTINE: Utveckling av förutsägbar mjukvara för fordonssystem genom att använda Time Sensitive Networking
| Diarienummer | |
| Koordinator | Mälardalens Universitet - Akademin för innovation, design och teknik, Västerås |
| Bidrag från Vinnova | 6 709 606 kronor |
| Projektets löptid | januari 2019 - december 2023 |
| Status | Avslutat |
| Utlysning | Elektronik, mjukvara och kommunikation - FFI |
Syfte och mål
Målet med detta projekt är att utveckla nya tekniker och verktyg för fordonstillämpningar med hjälp av TSN som ryggraden för ombord realtidskommunikation. Alla projektmål (Gs) är uppfyllda. G1: Utveckla en ny modelleringsteknik för TSN och integrera den i toppmoderna ramverk för mjukvaruutveckling. G2: Utvecklar end-to-end timinganalys för TSN. Utveckla en metodik för effektiv TSN-baserad applikationsdesign. G3: Utveckla en modulär TSN-switchdesign och prototyp. G4: Proof-of-concept implementering och validering i industriella miljöer.
Resultat och förväntade effekter
DESTINE utvecklade nya tekniker för modellering, timinganalys, simulering, konfiguration, optimering och exekvering av end-to-end-beteende för komplexa distribuerade mjukvarufunktioner som distribueras över ett TSN-stamnät. Resultaten valideras genom att implementera dem till verktygsprototyper och utveckla en effektiv designmetodik för slutanvändare samtidigt som de demonstreras på ett industriellt användningsfall. Projektresultaten sprids utanför de vetenskapliga publikationerna via industriella seminarier, utbildningar, workshops och andra projekt.
Upplägg och genomförande
Användbarheten av projektresultaten visas genom att: (i) implementera dem till verktygsprototyper och ett industriellt användningsfall, (ii) utveckla en effektiv designmetodik för slutanvändare. Projektkonsortiet etablerade en effektiv värdekedja: från MDU (akademin) som utvecklar nya vetenskapliga tekniker, till att Arcticus (verktygsleverantör) implementerar dessa tekniker som verktygsprototyper, till att Volvo (slutanvändare) tillämpar verktygen i det industriella användningsfallet, och tillbaka- spridning av feedback om användbarhet för förfining.