Despre Diagnoza Auto

Sisteme avansate de diagnosticare auto – de la diagnosticare la prognoza

Conectivitatea si Internetul lucrurilor schimba peisajul industriei auto si, pe masura ce aceste tehnologii sunt implementate treptat, exista o serie de domenii interesante de inovare.

Diagnosticarea la distanta este un astfel de domeniu in care tehnologia deschide calea catre noi concepte revolutionare de intretinere a vehiculelor, inclusiv utilizarea inteligentei artificiale si a retelelor neuronale de invatare profunda pentru a dezvolta sisteme avansate de prognostic.

Cercetarile analistilor din industrie Technavio din 2017 estimeaza ca piata globala de diagnosticare la distanta pentru autovehicule va creste la un CAGR de 16,79% in perioada 2017-2021. Acest lucru indica progresul catre prognostice – sau diagnosticare predictiva – si departe de diagnosticarea traditionala.

Soferii din spatele diagnosticarii la distanta si auto
Vehiculele noi, cu 100 sau mai multe ECU, au devenit retele extrem de complexe si acest lucru creste presiunea de a dezvolta instrumente si sisteme mai eficiente pentru a diagnostica eficient ECU-urile. Tendintele actuale in legislatie si functionalitate ofera oportunitati, dar vin si cu risc pe masura ce complexitatea creste. Cu toate acestea, servicii precum ADAS si eCall profita deja de conectivitate, iar impulsul catre conducerea autonoma va duce la dezvoltarea in continuare a comunicarii masina la X. Cresterea uriasa a cantitatii de date colectate de la vehicul si capacitatea de a le procesa ofera o varietate de beneficii in ceea ce priveste intretinerea.

Una dintre aceste posibilitati este diagnosticarea vehiculelor de-a lungul intregului ciclu de viata, de la inginerie la productie pana la post-vanzare. Expertii tehnici ar putea, de exemplu, sa aiba sediul intr-un centru tehnic regional de la care ar putea accesa date de la ECU-urile unui vehicul individual pentru a diagnostica defectiunile. Aceste informatii ar putea fi transmise centrului de service daca inginerii locali nu pot diagnostica local.

Totusi, acesta este doar varful aisbergului in ceea ce priveste inovatia. Monitorizarea continua a datelor in timp real prin intermediul unei retele wireless deschide o gama larga de posibilitati. Defectiunile si problemele pot fi determinate in timp real, iar defectiunile potentiale ar putea fi evidentiate inainte ca acestea sa duca la probleme sau daune mai mari. Soferii ar putea fi alertati cu privire la probleme si directionati catre cel mai apropiat centru de service, in timp ce informatiile si diagnosticele ar putea fi trimise in prealabil la centrul de service local, astfel incat sa fie pregatiti pentru reparatie.

Datele ciclice colectate de la un numar mare de vehicule permit, de asemenea, monitorizarea proceselor de imbatranire pe un esantion mare si pot instrui intretinerea preventiva. Unii producatori folosesc deja actualizari de software over-the-air, iar cu analize si diagnosticare a datelor mai sofisticate, aceasta este o zona care ofera economii potentiale uriase in ceea ce priveste rechemarile si reparatiile in garantie. Introducerea serviciilor de diagnosticare la distanta reduce, de asemenea, decalajul din lantul valoric si permite producatorilor sa comunice direct cu clientii pentru a oferi servicii mai bune.

Alte forte motrice din spatele dezvoltarii diagnosticului de la distanta includ managementul flotei si MaaS (Mobility as a Service). Pentru managerii de flote, analiza mai rapida a defectiunilor si problemelor duce la actiuni mai rapide. Acest lucru reduce timpul de nefunctionare si inseamna ca vehiculele pot fi reparate inainte ca problemele sa escaladeze. Mobilitatea ca serviciu castiga actiune in orasele mari din intreaga lume, deoarece mai multi consumatori trec de la proprietate la servicii partajate. Diagnosticarea de la distanta va fi cruciala pentru flotele de vehicule de pasageri care isi propun sa ofere un serviciu cuprinzator si de incredere.

Diagnosticare in cloud, retele neuronale si inteligenta artificiala
Urmatoarea etapa este diagnosticarea in cloud, care, combinata cu deep learning si AI, adauga o noua dimensiune diagnosticarii vehiculelor. Software-ul care ruleaza in cloud poate gestiona campanii pentru diverse flote sau modele de vehicule. Aceste campanii pot fi directionate catre anumite vehicule pentru a permite programarea precisa a vehiculelor si pentru a evidentia defectiunile individuale ale vehiculului. De exemplu, citirea ciclica a memoriei defectiunilor dintr-o flota inseamna ca depanarea si starea generala pot fi verificate automat, in timp ce anomaliile pot fi identificate in timp real.

Una dintre cele mai mari probleme cu care se confrunta o serie de industrii este problema procesarii si analizarii unor cantitati mari de date aproape in timp real. Odata cu capacitatea de a aduna atat de multe date brute de la milioane de vehicule, apare necesitatea de a le filtra si procesa pentru a intreprinde actiunile corespunzatoare. Inginerii din mai multe sectoare apeleaza la inteligenta artificiala pentru a rezolva aceasta problema. Retelele neuronale de invatare profunda ofera o solutie la problema datelor mari prin „invatarea” despre vehicul pe masura ce datele sunt analizate. Tehnicile retelelor neuronale implica capacitatea de a invata prin intermediul datelor introduse fara ca sistemul sa fie programat in mod explicit. Datele de la vehicule pot fi transmise continuu in cloud, iar algoritmii AI le vor evalua in timp real. Algoritmii pot fi antrenati pentru a identifica anomalii si a detecta modele de comportament pe baza datelor trimise de la senzorii vehiculului. Inteligenta artificiala este deja implementata in vehiculele de testare autonome in scopul detectarii si clasificarii obiectelor si pare cu siguranta ca va juca un rol in dezvoltarea prognozelor – in special atunci cand masinile autonome ies pe drum.

Rezumat
Diagnosticarea avansata auto este un domeniu interesant al productiei auto, deoarece ofera o varietate de beneficii. Colectarea datelor de la un numar mare de vehicule inseamna ca OEM-urile vor avea acces la o multime de informatii. Acest lucru poate fi implementat pentru a ajuta la reducerea retragerilor si a reparatiilor in garantie prin evidentierea problemelor specifice. De asemenea, ofera OEM-urilor o linie directa de comunicare cu clientul.

In viitor, diagnosticarea de la distanta care beneficiaza de IA va fi utilizata pentru a produce modele in timp real de vehicule in scopul dezvoltarii rutinelor de intretinere preventiva. Acesta va fi un instrument util pentru managerii de flote si dezvoltatorii intreprinderilor MaaS, deoarece incearca sa reduca timpul de nefunctionare si costurile de reparatii si sa isi eficientizeze serviciile. De asemenea, va fi esential pe masura ce vehiculele autonome vor incepe sa patrunda pe piata. Pentru ca vehiculele fara sofer sa fie pe drumurile publice, acestea trebuie sa aiba sisteme de siguranta integrate care sa asigure functionarea perfecta.

Sistemele bazate pe cloud, cum ar fi cloud-ul auto Softing, vor juca un rol cheie in dezvoltarea sistemelor de diagnosticare la distanta, deoarece tot mai multe date sunt transmise si analizate in timp real in cloud.