图1  在汽车内运行某项功能的两种方案：决定采用哪种方案时必须考虑成本、重量、配线和支持等因素

Mentor Graphics公司提出的运用自动化架构软件，可以快速得出精确的布线、线束、连接器和设备定义，确定这些功能选择并构建出实际成本指标。

现在，复杂性是各类车辆设计所面临的关键挑战。科技推动了功能性的提高，这意味着需要提供支持、监测、控制和设计的特征与性能增多。越来越多的（强制）主动式乘客约束和排放控制必须相互作用。此外，OEM厂商还要提供有利的定价来保持竞争力。

鉴于有数百种选择和所有相关变量，提供完美公认的平台设计所需的代价越来越高。设计和变量都需要进行验证，生产规模经济有所下降，库存、物流和废弃成本增加，服务文件的创建变得日趋复杂。

当然，复杂性需要花费一定的成本，设计人员必须在这一点和种类的竞争价值之间进行权衡，因为更多的种类意味着有更多的方式来吸引消费者并满足其需求。能否找到平衡呢？设计工具不仅要能自动完成电气配线设计任务，而且还要将电气设计作为解决成本控制难题的一个因素。

成本和复杂性推动决策的制定

汽车平台设计团队的大部分电气工程工作取决于制定有关架构的基本决策。该决策必须考虑电气差异以及市场营销与产品规划的不同。否则，当面向真正的消费者完成汽车配置时，一个简单而“低廉”的变化都可能付出高昂的代价。图1描述了一种常见的情况，在这个实例中，可通过新增总线信息或ECU实现预期的功能。如何作出选择呢？

向设备1和设备2之间的总线添加信息将需要对这两个ECU（可能还涉及其他组件）进行更多的编程，并且将延长总线的响应时间。集成新的ECU（设备3）和相关配线会增加零部件，但可能无需编程。第二种选择看起来代价更高，但全部成本取决于产品规划确定的数百万种变量发生变动所造成的影响。工程决策不可避免地与营销方案相辅相成。

图2  线束变量水平的增长受很多因素影响，包括域和子系统各元件之间的相互作用

正确理解营销和工程复杂性之间相互作用的惟一途径是在工序的每个步骤建立相互关系的模型。大多数品牌都提供很多平台（如图2所示）。每个平台都可以分解成几个系统或域，例如电气、内饰和车身。然后再分解成子系统和最终的独立组件，这些组件可能需要在一个或更多变量中进行工程设计。必须确定变量的数目，以确保为每辆可订购的汽车提供支持，涵盖约1000万种配置。

确定变量水平的正确数目并不单单取决于本地系统和子系统（如电气配线）的约束。系统和子系统之间存在很明显的相互关联（如图2中红色箭头所示）。例如，一个平台拥有三种不同的顶篷线配置，那么可能需要三套不同的电气方案。这可能会影响内饰的细节等。小小的功能决策会对变量水平的最佳数目产生很大的影响。在成本和复杂性之间找到平衡是一项艰巨的任务，但科尔尼的一项研究显示，通过实现最佳平衡，各公司能够将利润提高3%～5%。

产品规划方案着眼长远

如今的大多数企业都采用产品规划工具。产品规划工具是对布线设计工具的补充，模拟出了营销选择间相互作用的情况，如主要的机械变量、可选功能、可行性以及所需的功能组合和其他选择。规划工具考虑到所有设计相关的工程细节，并用它来生成准确的成本指标。这就是平衡成本与复杂性的本质。

对制造业来说，现代化的复杂性优化工具使设计流程可以提供行之有效、显而易见且经过精确成本估算的概念。要了解这类工具的作用，可以设想一个生产传统乘用车的项目。图3所示为一些关键规划步骤的流程。

图3  产品规划和优化概述

如“第1步”所示，首先是新产品对车型的定义。这个例子中包括了加拿大、墨西哥、美国和“出口”车型以及需要符合左侧或右侧驾驶要求的其他条件，同时还对物理（可订购）和电气变量的数量做出了概括。将任何市场的相关细节要求放大，得出标准选择、零售和车队选项的规格，以及针对特定市场的“必选配置”和“禁用配置”等限制条件。这些包括安全性配置以及选项配对和禁用组合。

从图3可以看出，该系统针对某辆可订购汽车或完整的平台生成了一张功能设计列表。工程架构工具可用它来定义电气设备并计算出每项功能的成本。

电气设计人员定义出车辆的拓扑布局和逻辑连接图，其中包含汽车各种设备之间概念上的连接。这些图会进一步完善，显示出所有可能的变量以及标在各种设备和连接处的选项代码。

根据这一数据，该系统迅速执行自动化电线合成流程，生成数百万可建变量需要的所有可能的布线连接的超集。这样可以计算出每个部分的成本。“第6步”中的“蛛网”图总结并比较了不同线束配置的成本。接下来就可以优化变量的数目，从而实现复杂性与成本之间的平衡。

优化的第一步是根据整个产品计划确定所需的线束层数，其中包括所有不同的机械配置和可订购的客户选项及他们的限定条件。在该步骤中，这一分析工具指出这个简单例子中的所有客户配置可以采用11种线束变量，前提是不包括任何附赠配置或任何线束中都没有多余的内容。

图4  管理成本与单件成本的权衡

本报告详细说明了线路和连接器的数目（分别列出）以及预期产量。成本模式可以按照所期望的那样或简单或复杂；更复杂的型号可能要考虑定序成本和废弃成本等因素。这一步是选择附赠配置的基础，在降低复杂性的名义下，这些附赠配置将被安装到所有线束中，不管它们的功能规格如何。

复杂性最优化的电子数据表“第9步”对这种输出进行了概括，同时对有关每个线束支持级别的数据、每个线束的产量以及包括附赠配置成本在内的相应成本也做了总结。这份流程最优化的汇总报告具有战略性的重要意义，这是因为它简化了寻找替代策略和更佳解决方案的过程。

这样一个流程可简单概括为：工程师定义一系列附赠解决方案，快速获得针对每个解决方案成本影响的反馈。这样一来，通过替代方案迅速实现迭代就变得可能，最终就能找到适合某种环境的最佳解决方案。为完整的成本影响因素（如单件成本和复杂性管理成本）建立模型可以确保获得准确可靠的结果。通过产品规划师指定的附赠配置，“第8步”中的线束优化可以将这个简单案例中的线束建立次数从11次减少到只有4次。

优化成本

优化流程通常用来确定不断上升的管理成本和不断下降的单件成本所产生的影响带来最低总成本的转折点（见图4）。

在图4中，横轴表示可以建立起来的变量水平的数目，竖轴表示成本。蓝线代表随着变量水平数目的上升，工程设计和制造工作量及相关的成本也会呈线性增长。

当变量水平数目最小时，绿色的“单件成本”线处于最高值，这说明这些汽车中包含大量客户不需要的功能内容，也就是附赠配置。在“单件成本”线的另一端，附赠配置的成本就低很多，这是因为每个变量是单独设计的。

红线表示另外两者之和以及优化成本结果。复杂性优化软件考虑到了许多不同成本贡献因素之间的相互作用，加快了这种评估的过程，从而提供可靠的结论。

验证确认最优化

这样完成所有的工作了吗？答案并非如此，接下来还有验证，这一步非常关键。它可能会避免整个项目发生代价非常高的疏忽。

必须有一个配置可以支持每一种可定购的车辆组件包。虽然自动最优化就是为了确保可定购配置也是可以开发出来的，但在以下情况下验证仍然是必需的：产品规划有所改变；有必要验证供应商的最终设计或设计是由依靠手动复杂性分析和优化的传统设计工具所开发的。

结论

用于汽车电气系统设计的产品规划和优化工具跟已有的架构工具一样，将与复杂性进行赛跑。基于软件的规划解决方案可以帮助工程师赢得这场比赛，提供定量分析，支持复杂性成本对多样性价值方面的明智选择。