Allmänt kan sägas att MathWorks idag av marknadsanalytikern CIMdata positioneras som CAE-områdets näst största spelare när det gäller pengar in. Etta är ANSYS, men därefter ligger MathWorks sedan ett par år fast förankrade på andraplatsen; en placering som förstås hänger ihop med att man är framgångsrika i utvecklingen av programvara för matematiska beräkningar. Man brukar beskriva MATLAB som, ”de tekniska beräkningarnas språk, en programmeringsmiljö för algoritmutveckling, dataanalys, visualisering samt numeriska beräkningar”. Medan Simulink i sammanhanget är den grafiska miljön för simulering och modellbaserad konstruktion av multidisciplinära dynamiska och inbyggda system.
Bolagets lösningar används frekvent inom fordonsindustrin, rymd-/flygteknik, elektronik, finanstjänster, bioteknik/läkemedel och inte minst i akademiska miljöer.
Missa inte PLM&ERP News längre MathWorks-analys på ENGINEERING.COM. Medan välkända PLM-jättar som Dassault Systemes och Siemens PLM tillhör branschens mest omskrivna företag med spaltkilometer av artiklar bakom sig har det alltid varit lite tystare runt MathWorks. Bolaget har – ledda av medgrundarna, CEO Jack Little och bolagets vetenskaplige ledare, professor Cleve Moler – alltid hållit en låg profil. Istället för spektakulära marknadssatsningar kring sina produkter, först MATLAB och senare Simulink, har paret tagit en betydligt längre väg mot framgång genom att introducera sina lösningar inom den akademiska världen under det sena 70- och tidiga 80-talet.
Cleve Moler använde den första versionen av MATLAB när han undervisade studenterna i numerisk analys på Stanford universitetet. Det visade sig vara en smart idé: Ingenjörsstudenterna uppskattade programmet och använde det för att lösa sina studieuppgifter och när man senare kom ut i arbetslivet ville man förstås ha samma mjukvara. Alltså en filosofi på temat, ”det bästa sättet att förutsäga framtiden är att uppfinna den. Vilket var precis vad Cleve Moler gjorde.
Han uppfann framtiden och när simuleringsbaserad konstruktion i allmänhet och system med inbäddad mjukvara, sensorer och hightech elektronik, i synnerhet vinner mark har verktyg som MATLAB and Simulink seglat upp som nyckellösningar. Detta framgår också med önskvärd tydlighet i bolagets intäkter. När man 1985 gjorde sin första affär med tio licenser, som köptes av MIT (Michigan Institute of Technology), drog man in 500 dollar. Idag omsätter Jack Littles och Cleve Molers MathWorks nära 900 miljoner dollar och har 3 500 anställda.
Men hur ser utvecklingen ut som gör att modellbaserad simulering kommit att bli en nyckelteknik i modern produktutveckling? Vad gör man med mjukvaror MATLAB och Simulink? Hur och till vad använde svenska lastbilstillverkaren SCANIA programmen? Hur ser det ut med integrationen av mjukvaruutveckling och PLM?
Missa inte att läsa Verdi Ogewell längre analys kring detta och annat som relaterar till MathWorks på VFs amerikanska systersajt, www.ENGINEERING.com. I dagsläget är det en av de mer lästa artiklar inom simulering och CAE på denna världens ledande ingenjörssajt. KLICKA PÅ RUBRIKEN NEDAN FÖR ATT LÄSA:
MathWorks: Product Digitization is a Boost for Smart Algorithms and Simulation
Nyheter i MATLAB. Detta sagt ska vi ska titta lite närmare på de senaste 2018a-uppdateringarna och förbättringarna i de båda mjukvarorna. Vi börjar med MATLAB:
- Livefunktioner, framställning av dokumentation, felsökning och interaktiva kontroller för att bädda in skjutreglage och rullgardinsmenyer i Live Editor
- Apptestramverk (UI), C++ MEX-gränssnitt, anpassad tab-ifyllnad och funktionsassistenter för avancerad programvaruutveckling
- MATLAB Online:
Hårdvaruanslutning för att kommunicera med USB-webbkameror - Econometrics Toolbox:
Econometric Modeler-app för att utföra analys av tidsserier, specifikationstestning, modellering och diagnostik - Image Processing Toolbox:
3D-bildbearbetning och visualisering av volymer - Partial Differential Equation Toolbox:
Strukturell dynamisk analys för att hitta naturliga frekvenser, lägesformer och transientrespons - Optimization Toolbox:
Förgreningsmetoder för att snabbare lösa linjära problem med blandade heltal
Djupinlärning
- Neural Network Toolbox:
Stödpaket för att importera djupinlärningslager och -nätverk som utformats i TensorFlow-Keras
LSTM-nätverk (Long Short-Term Memory) för att lösa regressionsproblem och utföra textklassificering med Text Analytics Toolbox
Adam, RMSProp och gradientklippning för att förbättra nätverksträning
Accelererad träning för DAG-nätverk (Directed Acyclic Graph) med multipla GPU:er och beräkning av aktiveringar av intermediära lager aktiveringar av mellanliggande beräkningslager - Computer Vision System Toolbox:
Image Labeler-app som automatiserar etikettering av enskilda pixlar för semantisk segmentering - GPU Coder:
CUDA-kodgenerering för nätverk med DAG-topologi (Directed Acyclic Graph) och förtränade nätverk som GoogLeNet, ResNet och SegNet
C-kodgenerering för djupinlärningsnätverk på Intel- och ARM-processor
Dataanalys
- Statistics and Machine Learning Toolbox:
- Visualisering av högdensitetsdata med sambandsdiagram i appen Classification Learner
- Algoritmer för stora data för kärn-SVM-regression, beräkna confusion-matriser och skapa ostratifierade partitioner för korsvalidering
- Text Analytics Toolbox:
- Extrahering och räkning av flerordsfraser, samt HTML-textextrahering och detektering av meningar, e-postadresser och URL:er
- Stokastisk LDA-modellträning för stora datauppsättningar
- Predictive Maintenance Toolbox:
- En ny produkt för att designa och testa algoritmer för tillståndsövervakning och prediktivt underhåll
Uppdateringar inom produktfamiljen Simulink
- Prediktiv snabbinfogning för att ansluta ett rekommenderat block till ett befintligt block i en modell
- Simulation Pacing för att köra simuleringar i klockhastighet eller annan angiven hastighet för förbättrad visualisering
- Simulation Data Inspector i Live Editor för att lägga till, visa och redigera diagram direkt
- Simulink 3D Animation:
- Kollisionsdetektion för att känna av kollisioner mellan objekt i den virtuella världen med punktmoln, strålföljning och primitiva geometrier
- Simscape:
- Domän för fuktig luft och blockbibliotek för att modellera HVAC- och luftkonditioneringssystem
- Partitionerande lokal lösare för att öka hastigheten för realtidssimulering
Fordonsindustrin
- Automated Driving System Toolbox:
- Driving Scenario Designer-app för att interaktivt definiera aktörer och körscenarion för att testa kontroll- och sensorfusionsalgoritmer
- Model Predictive Control Toolbox:
- ADAS-block för att utforma, simulera och implementera adaptiva farthållar- och filhållaralgoritmer
- Vehicle Network Toolbox:
- CAN FD-protokollstöd i Simulink, samt XCP över Ethernet för att kommunicera med ECU:er från MATLAB eller Simulink
- Model-Based Calibration Toolbox:
- Powertrain Blockset-integrering för användning av uppmätta data för att kalibrera och generera tabeller för Powertrain Blockset-mappade motorer
- Vehicle Dynamics Blockset:
- En ny produkt för att modellera och simulera fordonsdynamik i en virtuell 3D-miljö
Kodgenerering
- Embedded Coder:
- Embedded Coder-ordlista för att definiera anpassade konfigurationer för kodgenerering för data och funktioner
- Code Perspective för att anpassa Simulink-skrivbordet för kodgenereringsarbetsflöden
- MATLAB Coder:
- Fältlayout med radordning för enklare gränssnitt för genererad kod med C-miljöer som lagrar fält i radordningsformat
- Stöd för glesa matriser för att möjliggöra mer effektiv beräkning med glesa matriser i genererad kod
- C-kodgenerering för maskininlärningsimplementering inklusive k-nearest neighbor, non-tree ensemblemodeller och distansberäkningar med Statistics and Machine Learning Toolbox
- Fixed-Point Designer:
- Optimering av uppslagstabell för att approximera funktioner och minimera RAM-användning för befintlig uppslagstabell
- HDL Coder:
- Matrisstöd som möjliggör HDL-kodgenerering direkt från algoritmer med tvådimensionella matrisdatatyper och -operationer
Signalbehandling och kommunikation
- Signal Processing Toolbox:
- Signal Analyzer-app för att bearbeta flera signaler och extrahera intressanta regioner från signaler
- Vibrationssignalanalys från roterande maskiner med varvtalsspårning och ordningsanalys
- LTE System Toolbox:
- NB-IoT-stöd för att modellera smalbandstransporten för Sakernas Internet och delad kanal för fysisk nedlänk
- RF Blockset:
- Kraftförstärkarmodell för att fånga ickelinjäritets- och minneseffekter baserat på in-/utenhetens karakteristika
- Wavelet Toolbox:
- Kontinuerliga och diskreta filterbankar för vågformstransformationer
- Robotics System Toolbox:
- Lidar-baserad SLAM för att lokalisera robotar och kartmiljöer med lidar-sensorer
Verifiering och validering
- Simulink Requirements:
- Kravimport med ReqIF för att importera krav från tredjepartsverktyg som IBM Rational DOORS Next Generation eller Siemens Polarion
- Simulink Test:
- Täckningsaggregering som kombinerar täckningsresultat från flera testkörningar
- Polyspace Code Prover:
- AUTOSAR-stöd för statisk analys av AUTOSAR-programvarukomponenter
R2018a är tillgänglig direkt, i hela världen.
