Systematics
  • About Us
    • אודות סיסטמטיקס
      • על סיסטמטיקס
      • לקוחות
      • תעשיה
      • קהילה
      • הורדת תעודות ISO
      • בלוג
      • דרכי הגעה
      • Privacy Policy
    • תחומים בסיסטמטיקס
      • תחום GIS
      • תחום 3D CAD/PLM
      • תחום MATLAB & Simulink
      • תחום 3D Printing
      • תחום Smart Manufacturing
      • Systematics Academic Hub
      • רשמים ותמונות מכנס SYSTEMATICS NEXT 2026
    • רכישה
      • חנות מדפסות תלת מימד וחומרים
      • חנות ESRI
      • צור קשר עם מכירות
      • כנס SYSTEMATICS NEXT 2026
    • תמיכה
      • תמיכה ושירותי ייעוץ
      • סקר שביעות רצון לקוחות
      • נהלי התקנה ורישוי GIS
      • נהלי התקנה ורישוי MATLAB
      • נהלי התקנה ורישוי SOLIDWORKS
      • פתיחת קריאות שירות
      • פתיחת קריאות שירות תחום GIS
    • קורסים
      • אודות מרכז ההדרכה
      • קורסים GIS
      • קורסים SOLIDWORKS
      • קורסים MATLAB & Simulink
      • קורסים ALTIUM
      • קורסים 3D Printing
    • קריירה
      • משרות
      • לעבוד בסיסטמטיקס
  • GIS
    • ראשי
      • אודות תחום GIS
      • קהילה
    • מוצרים ופתרונות
      • GIS בענן
      • GIS ברשויות מקומיות
      • GIS ארגוני – ArcGIS Enterprise
      • GIS למקצוענים – ArcGIS Pro
      • GIS לאדריכלים ולתכנון עירוני
      • GIS למפתחים
      • חידושי מערכת ArcGIS
      • פתרונות GIS
    • DATA
      • מוצרי Data חברת סיסטמטיקס
      • סקירה על מוצרי ה-DATA
    • מקורות למידה
      • אירועים ברחבי הארץ
      • וובינרים מקוונים LIVE
      • וובינרים מוקלטים לצפייה ישירה
      • קורסים GIS
      • סיפורי לקוחות GIS
      • תכנית סטארטאפים GIS
      • עדכונים וניוזלטרים
      • בלוג
    • תמיכה
      • תמיכה טכנית
      • מקורות מידע
      • שירותים – תמיכה וייעוץ
      • נהלי התקנה ורישוי GIS
      • פתיחת קריאת שירות GIS
    • רכישה
  • 3D CAD/PLM
    • ראשי
      • אודות תחום 3D CAD/PLM
      • סיפורי הצלחה
      • רשתות חברתיות
      • דרושים לעבודה עם SOLIDWORKS
      • צרו קשר
    • מוצרים
      • SOLIDWORKS | CAD
      • 3DEXPERIENCE
      • CATIA | HIGH END CAD
      • ENOVIA | PLM
      • SOLIDWORKS Simulation
      • Altium Designer | PCB
      • 3D PRINTING
    • פתרונות
      • סטארטאפים
      • אקדמיה וחינוך
    • מקורות למידה
      • אירועים וסמינרים
      • וובינרים מקצועיים
      • וובינרים מוקלטים לצפייה ישירה
      • קורסים SOLIDWORKS
      • קורסים ALTIUM
      • בלוג SOLIDWORKS
      • בלוג ALTIUM
    • תמיכה
      • SOLIDWORKS Success Plan
      • תמיכה טכנית
      • SOLIDWORKS Term Licensing
      • חידוש חוזה תחזוקה SOLIDWORKS
      • חידוש חוזה תחזוקה ALTIUM
      • תמיכה | FAQ
      • שירותים
      • Citrix GoToAssist Agent
    • לקוחות
      • סיפורי הצלחה
      • פתיחת קריאות שירות
  • MATLAB & Simulink
    • ראשי
      • אודות תחום MATLAB & Simulink
      • קהילה
    • מוצרים
      • MATLAB
      • Simulink
      • MATLAB ו-Simulink בענן
      • שילוב AI במוצרי MATLAB & Simulink
      • ייצור קוד אוטומטי ישירות מ-MATLAB ו-Simulink
      • Speedgoat
    • יישומים
      • בינה מלאכותית – Artificial Intelligence
      • מערכות אוטונומיות ורובוטיקה
      • Communication Systems
      • Certification
      • Electrification Renewable energy
      • תכנית סטארטפים
    • מקורות למידה
      • אירועים קרובים
      • וובינרים מקוונים
      • וובינרים מוקלטים (VOD)
      • קורסים
      • סיפורי הצלחה
      • בלוג
    • תמיכה
      • נהלי התקנה ורישוי MATLAB
      • תמיכה וייעוץ
      • פתיחת קריאות שירות
    • תעשיות
      • מערכות לתעשיית ה-Medical
  • 3D Printing
    • ראשי
      • אודות תחום 3D Printing
      • קהילה
    • מדפסות וחומרי הדפסה
      • מדפסות תלת מימד
      • מדפסות HP Jet Fusion 3D
      • מדפסות MarkForged
      • מדפסות FORMLABS
      • פתרונות סריקה מבית PEEL 3D
      • חומרי הדפסה
      • פתרונות לתכנון 3D CAD
    • רכישה
      • רכישת מדפסות וחומרי הדפסה
      • חנות מדפסות תלת מימד וחומרים
    • תעשיות
      • הנדסה, תכנון ופיתוח
      • תעשייה וייצור
      • ציוד רפואי
      • רפואת שיניים
      • אקדמיה ומחקר
      • מוסדות חינוך
      • עיצוב וייצור תכשיטים
    • מקורות למידה
      • אירועים
      • וובינרים
      • סיפורי הצלחה
      • מדריכים מקצועיים להורדה
      • קורסים
      • בלוג
    • תמיכה
      • תמיכה
      • FAQ מדפסות FORMLABS
      • פתיחת קריאות שירות
  • Manufacturing Operations
    • ייצור מתקדם
      • TULIP – פלטפורמה מבוססת ענן לניהול רצפת הייצור (Composable MES)
  • Contact Us
  • EN
  • About Us
    • Careers
  • Solutions
  • Industries
  • Customers
    • Customers
    • Success Stories
  • Support
  • Contact Us
  • HE
  • Menu Menu

Click to open the search input field Click to open the search input field Search | ENHE

עמוד הבית » בלוג » MATLAB With Fun

  • ALL
  • GIS Blog
  • MATLAB With Fun
  • PCB Blog
  • Smart 3D Printing
  • SOLIDBlog

איך בודקים מכ"ם בתנאי שטח מורכבים, עוד לפני הניסוי הראשון?

ינון נוסבאום
05/11/2026
MATLAB With Fun

תגיות: Antenna Toolbox | ATLAB | Phased Array System Toolbox | Radar Digital Twin | Radar Signal Processing | Radar Toolbox | SIMULATION | מכ”ם | סימולציה

הורדת סיכונים (Shift-Left) מוקדמת והאצת V&V לאלגוריתמי עקיבה באמצעות נתונים סינתטיים מבוססי-פיזיקה.

שתפו את הפוסט
  • שתף בפייסבוק
  • שתף בטוויטר
  • שתף בגוגל+
  • שתף בלינקדאין
  • שתף באימייל
  • שתף בוואטסאפ

בדמו שהצגתי בכנס Systematics NEXT 2026 בניתי ב-MATLAB Radar Digital Twin: סימולציה מבוססת פיזיקה שמתחילה בנתוני טופוגרפיה ובמודל תלת-ממדי של המטרה, ומסתיימת באותות IQ ריאליסטיים שנכנסים לשרשרת הגילוי של המכ"ם. הרעיון פשוט: להגיע לניסוי השטח עם פחות הפתעות, כי חלק גדול מהבדיקות כבר נעשה קודם, במחשב.

פרמטרי הדמו

הדמו מדמה מכ״ם X-band בתדר 9.4 GHz עם מערך של 8×8 אלמנטים, שמוצב בגני התערוכה בתל אביב, מול רחפן קטן שטס לעברו לאורך 7.5 ק״מ. הטופוגרפיה וכיסוי הקרקע מבוססים על נתונים פתוחים אמיתיים (SRTM ו-ESA WorldCover).

9.4 GHz
X-band

8×8
אלמנטים במערך

7.5 ק״מ
מסלול הרחפן

SRTM
+ ESA WorldCover

נניח שאנחנו מפתחים אלגוריתמי גילוי ועקיבה למכ"ם ורוצים לבדוק איך הם מתמודדים עם מטרה שנעה מאחורי מכשול בשטח, נעלמת מקו הראייה וחוזרת להופיע, בזמן שהמערכת קולטת גם החזרי קרקע וריבוי נתיבים.

כדי לבדוק את התרחיש הזה בשטח, צריך לתאם ניסוי, להפעיל את המערכת, לדאוג למטרה מתאימה ולקוות שתנאי הסביבה יאפשרו לנו לקבל את הנתונים שאנחנו מחפשים. ואם רוצים להריץ שוב בדיוק את אותו תרחיש, עם שינוי קטן באלגוריתם? לא בטוח שנוכל לשחזר את אותם תנאים.

זו אחת הבעיות המוכרות בתהליכי Verification & Validation של מערכות מכ"ם. ניסויי שטח חיוניים, אבל יקרים, מורכבים ולא תמיד ניתנים לשחזור. הסביבה שבניתי מאפשרת להקדים חלק משמעותי מהבדיקות האלה לשלבים מוקדמים יותר בפיתוח. היא מייצרת נתוני מכ"ם סינתטיים על בסיס מודלים פיזיקליים של הסביבה, המטרה ושרשרת השידור והקליטה.

לא מספיק לדמות מטרה. צריך לדמות גם את העולם שסביבה

תצוגת הדמו: מכ"ם X-band  בגני התערוכה,  האלומה וקו הראייה אל הרחפן מעל מפת תל אביב, ולצידם מפת Range-Doppler   בזמן ריצה. נתוני כיסוי קרקע: ESA WorldCover ‏ ברישיון CC BY 4.0.

כשבודקים אלגוריתם עקיבה באמצעות נתונים סינתטיים פשוטים, אפשר להגדיר מטרה במרחק מסוים, להוסיף רעש ולראות אם האלגוריתם מצליח לעקוב אחריה. אבל מכ"ם שפועל בעולם האמיתי לא רואה רק מטרות.

הוא קולט גם החזרים מהקרקע, מושפע מהסתרות טופוגרפיות, מתמודד עם ריבוי נתיבי התפשטות (Multipath) ועם שינויים בחתך המכ"ם (Radar Cross Section, RCS) של המטרה כתוצאה מהתנועה והזווית שלה ביחס למכ"ם. כדי לייצר נתוני בדיקה ריאליסטיים יותר, התחלתי דווקא מהסביבה הגיאוגרפית.

השתמשתי בנתוני גובה דיגיטליים (Digital Elevation Model, DEM) כדי לייצג את הטופוגרפיה, ובעזרת Mapping Toolbox חישבתי מהם את תנאי קו הראייה (Line of Sight, LOS) בין המכ"ם למטרה.

לצד ההסתרות הטופוגרפיות, שילבתי מודל Two-Ray Multipath שמתחשב בנתיב הישיר של האות ובנתיב נוסף המוחזר מהקרקע, וכן מודל קלאטר שבו לכל סוג כיסוי קרקע (מים, שטח בנוי, צמחייה) יש מקדם החזר (Reflectivity) משלו. כך מתקבלת סביבת בדיקות שבה התנהגות המכ"ם מושפעת לא רק ממיקום המטרה, אלא גם מהתנאים הפיזיקליים של השטח שבין המכ"ם למטרה.

מטרה שנעה במרחב משנה גם את חתך המכ"ם שלה

מודל המטרה.  ה-RCS חושב מראש בשיטת Physical Optics לכל זוויות הצפייה, ובכל פריים נשלף הערך המתאים

השלב הבא היה לדמות את האופן שבו המטרה עצמה מחזירה את אות המכ"ם.

במציאות, חתך המכ"ם של מטרה אינו ערך קבוע. הוא תלוי בגיאומטריה שלה, בחומרים, בתדר ובזווית שבה המכ"ם צופה בה, ומטרה שמסתובבת ביחס למכ"ם יכולה להציג חתך שונה לחלוטין מזווית לזווית.

לכן שילבתי בדמו מודל CAD תלת-ממדי בפורמט STL. ממנו חושבה מראש טבלת RCS לכל זוויות האזימוט וההגבהה, ובכל פריים נשלף ממנה הערך המתאים לזווית שבה המכ"ם רואה את המטרה באותו רגע.

PO

למה Physical Optics?

לצורך החישוב השתמשתי בקירוב Physical Optics (PO). זו בחירה הנדסית חשובה. פותרים אלקטרומגנטיים מלאים (Full-Wave Solvers) מספקים רמת פירוט גבוהה, אבל מול עשרות אלפי זוויות הם היו דורשים משאבי חישוב גדולים בהרבה.

Physical Optics מקרב את ההחזר האלקטרומגנטי בעלות חישובית נמוכה, והוא מדויק דווקא בתחום הזה, כשהמטרה גדולה בהרבה מאורך הגל.

מהסביבה הפיזיקלית לאותות Baseband IQ

עד כאן בניתי את העולם שבו המכ"ם פועל: טופוגרפיה, החזרי קרקע, ערוץ התפשטות ומטרה בעלת חתך מכ"ם משתנה.

אבל כדי לבדוק את שרשרת עיבוד האות, צריך להפוך את כל המידע הזה לאותות שהמקלט היה רואה.

את השידור, ההתפשטות והקליטה מידלתי עם Phased Array System Toolbox, כולל רעש תרמי לפי ה-Noise Figure של המקלט והיסט דופלר לפי תנועת המטרה. תבנית הקרינה של אלמנט האנטנה, אנטנת פאץ', חושבה בסימולציה אלקטרומגנטית מלאה עם Antenna Toolbox.

התוצאה היא נתוני IQ סינתטיים הכוללים את השפעות הסביבה, המטרה ושרשרת המכ"ם, ולא רק רשימת מטרות עם מיקום ומהירות ידועים מראש.

ההבדל הזה משמעותי כשאנחנו רוצים לבדוק את אלגוריתמי עיבוד האות עצמם, ולא רק את שכבת העקיבה שמקבלת מהם תוצאות.

מה קורה לאות לפני שהוא מגיע לאלגוריתם העקיבה?

מפת  Range-Doppler מהדמו, לפני סינון MTI. העמודה האדומה במרכז היא הקלאטר שהסביבה מחזירה, סביב אפס דופלר.
המטרה (מסומנת בכוכב)  נפרדת ממנה בזכות המהירות הרדיאלית שלה

אחרי יצירת נתוני ה-IQ, העברתי אותם דרך שרשרת עיבוד אות שמדמה שלבים מרכזיים במקלט מכ"ם.

שרשרת עיבוד האות

  1. IQ
  2. ←
  3. Pulse Compression
  4. ←
  5. MTI
  6. ←
  7. Doppler
  8. ←
  9. CA-CFAR
  10. ←
  11. Tracking

השרשרת כוללת דחיסת פולס (Pulse Compression) לשיפור יכולת ההפרדה בטווח, סינון Moving Target Indicator (MTI) שמדכא את הקלאטר הסטטי, ועיבוד דופלר שמציג את המטרות במפת Range-Doppler לפי המרחק והמהירות הרדיאלית שלהן.

בהמשך מופעל גלאי CA-CFAR חד-ממדי לאורך ציר הטווח, שמתאים את סף הגילוי לרמת הרעש והקלאטר המקומית. הגילויים שמתקבלים הם הקלט לשלב העקיבה.

את דחיסת הפולס, עיבוד הדופלר וגילוי ה-CFAR ניתן לממש עםPhased Array System Toolbox ו-Radar Toolbox. כך אפשר לבדוק כיצד שינויים בסביבה או בפרמטרי המכ"ם משפיעים על תוצאות הגילוי, ובהמשך גם על אלגוריתם העקיבה.

לאונות צד נמוכות יש מחיר

בדחיסת פולס, אונות הצד (Sidelobes) עלולות להקשות על גילוי מטרות חלשות הנמצאות בקרבת החזרים חזקים.

כדי להפחית את ההשפעה הזו, יישמתי חלון Taylor בתחום הזמן (Time-Domain Windowing) על מקדמי מסנן דחיסת הפולס.

אבל יש כאן פשרה הנדסית. החלון הופך את המסנן למסנן Mismatched: הוא מוריד את אונות הצד, אבל גורם להפסד SNR ביחס למסנן מותאם אידיאלי. אם נתעלם מההפסד הזה, אנחנו עלולים לקבל בסימולציה תמונה אופטימית מדי של ביצועי הגילוי.

מכיוון שהמסנן מופעל על אותות ה-IQ הסינתטיים עצמם, הפסד ה-SNR שלו כבר נכלל בתוצאות הגילוי. כך רואים את השיפור בדיכוי אונות הצד יחד עם המחיר שלו ברגישות המכ"ם, ולא רק תוצאה שנראית טוב יותר במפת Range-Doppler. סימולציה שמסתירה את ההפסדים האלה נראית טוב, עד ניסוי השטח.

סימולציה פיזיקלית מורכבת לא חייבת להיות איטית

אחד האתגרים בבניית Digital Twin ברמת אותות IQ הוא היקף החישובים. כשמשלבים נתוני טופוגרפיה, קלאטר, RCS שתלוי בזווית, מודלי ערוץ ושרשרת עיבוד אות, העלות החישובית יכולה לגדול במהירות.

במקום לחשב מחדש את כל רכיבי הסביבה בכל מחזור, השתמשתי בארכיטקטורה שמשלבת חישובים מקדימים עם חישובים דינמיים. מפת הקלאטר וטבלת ה-RCS חושבו מראש ונשמרו במטמון. לעומת זאת, מה שמשתנה עם תנועת המטרה, כמו קו הראייה, ריבוי הנתיבים וזווית ההסתכלות על המטרה, מחושב מחדש בכל פריים, והעיבוד בזמן הריצה מתבצע על ה-GPU בעזרת Parallel Computing Toolbox.

השילוב הזה מאפשר לחסוך חישובים חוזרים עבור רכיבים סטטיים, בלי לוותר על המידול הדינמי של המטרה. כך הסימולציה רצה מהר יותר מהזמן הפיזי שהיא מייצגת (Faster-than-Real-Time). זה חשוב במיוחד כאשר רוצים להריץ מספר גדול של תרחישי בדיקה, לבצע השוואות בין גרסאות של אלגוריתמים או לבחון התנהגות במקרי קצה.

לבדוק את שרשרת הגילוי לפני ניסוי השטח הבא

היתרון של Radar Digital Twin אינו בתצוגה התלת-ממדית של סביבת המכ"ם. הערך נמצא ביכולת לייצר נתוני IQ שמושפעים מתנאי סביבה וממודלים פיזיקליים, ולהשתמש בהם כקלט לשרשרת העיבוד, ומשם לעקיבה. כך אפשר לבנות תרחישים שקשה לשחזר בניסוי שטח, לשנות פרמטר אחד בכל פעם ולבחון כיצד הוא משפיע על התוצאה.

אפשר, למשל, לבדוק את השפעת ההסתרה הטופוגרפית על רציפות הגילויים, לבחון שינויי RCS כתוצאה מתנועת המטרה או להשוות ביצועים של אלגוריתמי גילוי בתנאי קלאטר שונים.

דוגמה מהדמו: הרצתי את אותו תרחיש שלוש פעמים ושיניתי רק את ה- Noise Figure של המקלט.

שיעור גילוי לפי Noise Figure

100%
75%
50%
25%
99.9%
99.0%
81.1%

3 dB13 dB23 dB
Noise Figure של המקלט

בשטח, השוואה כזו דורשת שלושה מקלטים ושלושה ניסויים בתנאים זהים.

וזו גם התשובה לשאלה מתחילת הפוסט: בסימולציה, אותו תרחיש עם אותם פרמטרים נותן בכל הרצה את אותה תוצאה. לכן כשמשנים פרמטר אחד, כמו ה-Noise Figure בדוגמה למעלה, כל הבדל בתוצאה נובע ממנו, ולא ממזג האוויר או מהמסלול שהרחפן טס באותו יום.

זה בדיוק Shift-Left בתהליך הפיתוח: להעביר חלק מבדיקות האימות והאינטגרציה לשלבים מוקדמים יותר, שבהם עדיין קל יחסית לבצע שינויים ולתקן בעיות.

סימולציה כזו אינה מחליפה את הצורך בניסויי שטח, אבל היא יכולה לעזור להגיע אליהם מוכנים יותר, עם אלגוריתמים שכבר נבחנו מול מגוון רחב של תרחישים ועם הבנה טובה יותר של נקודות הכשל האפשריות. ניסוי השטח עדיין יגיע, אבל הוא כבר לא יהיה הפעם הראשונה שהאלגוריתם פוגש קלאטר.

רוצים לבחון את אלגוריתם המכ"ם שלכם מול תרחישי שטח ריאליסטיים?

אם אתם מפתחים מערכות מכ"ם, אלגוריתמי גילוי או מערכות עקיבה, נשמח לבנות איתכם סביבת בדיקות מבוססת נתונים סינתטיים, בהתאם לארכיטקטורת המכ"ם ולתנאי הפעולה הרלוונטיים.

נוכל להתחיל מתרחיש שמאתגר את המערכת שלכם, כמו קלאטר קרקעי, הסתרות טופוגרפיות או מטרה בעלת RCS משתנה, ולבדוק כיצד ניתן לדמות אותו ב-MATLAB ולהזין את הנתונים לשרשרת העיבוד הקיימת.

מעניין אתכם איך Radar Digital Twin יכול להשתלב בתהליך ה-V&V שלכם?

השאירו פרטים ונשמח להציג לכם את הדמו, להסביר על הכלים שבהם השתמשנו ולבחון יחד איך אפשר ליישם את הגישה בפרויקט שלכם.

* הפוסט הוא חלק מסדרת הדמואים שהוצגו בכנס Systematics NEXT 2026.

תגיות: Antenna Toolbox | ATLAB | Phased Array System Toolbox | Radar Digital Twin | Radar Signal Processing | Radar Toolbox | SIMULATION | מכ”ם | סימולציה

שתפו את הפוסט
  • שתף בפייסבוק
  • שתף בטוויטר
  • שתף בגוגל+
  • שתף בלינקדאין
  • שתף באימייל
  • שתף בוואטסאפ

פוסטים נוספים מאותה קטגוריה

שירותי הייעוץ של סיסטמטיקס השותפים שלכם להצלחה ההנדסית

שירותי הייעוץ של סיסטמטיקס השותפים שלכם להצלחה ההנדסית

MATLAB With Fun

מורן גולדמברג
14/07/2026
ה-AI שלכם מתחיל לחשוב ב…בלוקים!

ה-AI שלכם מתחיל לחשוב ב…בלוקים!

MATLAB With Fun

אסף מוזס
31/08/2026
מה חדש בגרסת MATLAB R2026b?

מה חדש בגרסת MATLAB R2026b?

MATLAB With Fun

שלי מרטינוב
03/11/2026
תגובות | 0 תגובות

השאירו תגובה

כתיבת תגובה לבטל

האימייל לא יוצג באתר. שדות החובה מסומנים *

הרשמו לקבלת עדכונים

MATLAB With Fun
שדה חובה

ההרשמה בוצעה בהצלחה. בדוק בתיבת הדואר שלך, הודעה המכילה קישור לאישור ההרשמה ואשר את הרשמתך.

רוצים ללמוד עוד? כיתבו לנו

כיתבו לנו


    social-media-youtubesocial-media-linkedin

    קהילה

    • קהילת סיסטמטיקס
    • SOLIDWORKS Blog
    • PCB Blog
    • MATLAB with Fun Blog
    • GIS Blog
    • Smart 3D Printing Blog
    • ESRI Israel FB
    • SOLIDWORKS Israel FB
    • MATLAB and Simulink LI
    • MATLAB and Simulink FB

    צור קשר

    • בקשת יצירת קשר
    • בקשת קשר טלפוני

    רכישה

    • בקשת הצעת מחיר
    • מכירות ESRI
    • מכירות SOLIDWORKS
    • מכירות ALTIUM
    • מכירות CATIA
    • מכירות ENOVIA
    • מכירות MATLAB & Simulink
    • מכירת מדפסות תלת מימד

    קורסים

    • קורסים GIS
    • קורסים SOLIDWORKS
    • קורסים MATLAB & Simulink
    • קורסים CATIA
    • קורסים ALTIUM
    • יצירת קשר מרכז ההדרכה

    תמיכה

    • מדיניות תמיכה
    • שירותי ייעוץ
    • פתיחת קריאות שירות

    פתרונות ומוצרים

    • תחום GIS
    • תחום 3D CAD/PLM
    • SOLIDWORKS
    • ALTIUM PCB
    • CATIA
    • ENOVIA
    • MATLAB & Simulink
    • תחום 3D Printing
    • Smart Manufacturing
    • 3D EXPERIENCE
    • תעשיות
    • אקדמיה
    • Start Ups

    אודות סיסטמטיקס

    • מי אנחנו?
    • תעודות הסמכת ISO
    • אירועים
    • דרכי גישה ומפה
    • יצירת קשר
    • מדיניות הפרטיות של אתר סיסטמטיקס – Privacy-Policy

    לקוחות

    • לקוחות סיסטמטיקס
    • סיפורי לקוח SOLIDWORKS
    • סיפורי לקוח MathWorks
    • סיפורי הצלחה GIS
    © 2026 All rights reserved SYSTEMATICS Ltd. | Privacy Policy
    • הישארו מעודכנים
    • כיתבו לנו
    Scroll to top