数据驱动着我们社会的重要元素, 以及捕捉的能力, 解释, 利用关键数据是OPE电子的核心区别之一. 而Altair的数据分析工具应用于涉及生产效率的复杂问题, 产品设计, 过程自动化, 和证券交易, 它们在各种更常见的商业智能应用程序中也很有用, 太. 探索机器学习如何推动电动汽车采用洞察-点击这里. OPE电子团队利用OPE电子Knowledge Studio®机器学习(ML)软件和OPE电子Panopticon™数据可视化工具开展了一个项目，研究了一个当今值得关注的话题:电动汽车的采用水平, 包括纯电动车和插电式混合动力车, 在美国的县级. 本指南解释了团队的发现以及他们用来得出结论的过程.

今天, an e-motor cannot be developed just by looking at the motor as an isolated unit; tight requirements concerning the integration into both the complete electric or hybrid drivetrain system and perceived quality must be met. 多学科、多物理的优化方法使得多学科电机的设计成为可能, 完全不同的设计要求同时进行, 从而避免了一系列的发展策略, 如果需要大量的设计迭代来满足所有的需求，并且需要接受不利的设计折中.

本文所描述的项目是针对保时捷公司的电机的多物理设计. Altair的仿真驱动方法通过一系列相互构建的优化密集阶段来支持电机的开发. 这篇技术论文为保时捷公司的先进动力传动系统开发团队提供了见解, 一起“OPE电子”, 是否已经解决了在电机开发中改善总体设计平衡的挑战.

电动汽车(EV)提供了令人兴奋的可能性，以一种环境可持续的方式满足世界的交通需求. 大规模使用可以帮助我们减少对化石燃料的依赖, 但是为它们提供动力的锂离子电池仍然对设计师和工程师提出了独特的挑战, 其中最主要的是确保电池火灾的安全. 以实现汽车制造商雄心勃勃的采用目标, 有必要通过更好地了解所有的复杂因素来提高锂电池的安全性, 在正常和极端占空比下，它们行为的相互关联方面. OPE电子专注于发展对汽车电池安全问题的全面了解，它已命名为OPE电子电池设计师项目. 它结合了创新的设计方法和工具来建模和预测机械损伤现象以及热和电化学失控. OPE电子开发了一种有效的方法来计算机械和短期热响应的机械滥用, 提供准确的计算模型和工程师友好的方法来设计更好的电池.

电动交通革命即将成为主流. 原始设备制造商, 供应商, 新兴汽车制造商正在投资数十亿美元开发创新型电动汽车，并优化开发和生产流程，将电动汽车推向大众. 在这些演讲, 了解OPE电子如何与世界领先的制造商和供应商合作，以加快产品开发, 提高能源效率, 优化集成系统性能.