EV Motor Reliability
전기차 모터 신뢰성 시험 자동화 (v0.41)
전기차 구동 모터의 신뢰성 시험 데이터를 수집·분석하는 도구. Python 기반 데이터 처리와 C 기반 DSP를 결합하고, Claude AI로 시험 결과를 자동 해석합니다.
Case
문제 → 해결 → 결과
- Problem
- 전기차 구동 모터 신뢰성 시험은 시뮬 검증 → 펌웨어 → 빌드 → 플래싱 → 장기 수집 → 분석 → 리포트가 전부 순차 수작업이라, 시험 엔지니어가 24시간 시험을 지키고 수명·고장모드를 매번 수기로 판정해야 했습니다. 병목은 "각 단계가 끊겨 사람이 매번 손으로 이어붙인다"였습니다.
- AX Intervention
- 네 가지를 결정했습니다. ① 상용 시뮬(PSIM/Simulink) 대신 Python 자체 시뮬로 자동화 파이프라인에 통합 — 24V·26W 저전력 보드라 전력단 상세 모델링이 불필요했습니다. ② 24시간 수집은 저지연 UART, 실시간 모니터링은 WebSocket으로 채널을 분리해 둘이 서로 방해하지 않게 했습니다. ③ Weibull·Coffin-Manson 수명 통계를 라이브러리 블랙박스가 아니라 직접 구현 — 자동차/규제 환경의 감사 추적성 때문입니다. ④ AI 해석은 클라우드 API 직접 호출 대신 서버 상주 로컬 에이전트로 붙여 오프라인·계측장비 직접 접근을 확보했습니다.
- Outcome
- 빌드 → 플래싱 → 수집 → 분석 → 리포트를 한 파이프라인으로 자동화하고, 신뢰성 계산식을 코드로 보유해 결과를 추적·재현할 수 있는 무인 시험 플랫폼으로 만들었습니다.
Tech Stack
Features
주요 기능
TMS320F2838x DSP 펌웨어, SMC300 모터제어 보드, PMSM/BLDC 시험 데이터 통합
pyserial UART(장기 수집)와 WebSocket(실시간 모니터링) 분리 수집, 임계 초과 시 자동 정지 + 비상정지 버튼 + 안전 게이지
UniFlash/JTAG 자동 플래시와 build→flash→acquire→analyze→report 시험 파이프라인
배치·스윕 시뮬레이션과 PID/FOC 제어 게인 자동 최적화(Nelder-Mead)
Weibull 모수·MTTF·B10 Life·고장률·잔여 수명 추정을 Python 도메인 로직으로 직접 구현(감사 추적성)
Rainflow 피로 사이클 추출(ASTM E1049), Coffin-Manson 열피로, Palmgren-Miner 누적손상
열 프로파일(모터·IGBT·히트싱크 3채널) 분석과 열한계 마진 판정(CRITICAL/HIGH/MARGINAL/PASS)
성능 저하(degradation)·토크-속도 곡선 분석과 시뮬 vs 실측 비교 리포트
FMEA 자동 생성(RPN 기반 위험 등급)과 Weibull·FMEA·비교를 묶은 통합 분석 리포트
확률 플롯·욕조 곡선·신뢰도/CDF·시계열·히트맵을 웹 대시보드에서 탐색
AVL XML 측정 프로파일 변환, 시험 히스토리 관리, 하드웨어 상태(DSP·UART·JTAG) 실시간 조회
Monaco 코드 에디터 + Git 패널(펌웨어·스크립트 브라우징), Admin 권한 관리
로컬 Claude AI 에이전트로 결과 해석·시뮬 파라미터 추천·문서 질의(채팅 이력 저장)
하이라이트
Python + C 하이브리드 DSP + AI 해석