Blog

Jul 29, 2023

Startup erstellt Modelle zur Erkennung von Fahrzeugausfallmustern

Wenn es darum geht, Gewinnmargen zu sichern, haben Datenwissenschaftler für Fahrzeug- und Teilehersteller das Sagen. Viaduct, das Modelle für die Zeitreiheninferenz entwickelt, hilft dabei

Wenn es darum geht, Gewinnmargen zu sichern, haben Datenwissenschaftler für Fahrzeug- und Teilehersteller das Sagen.

Viaduct, das Modelle für die Zeitreiheninferenz entwickelt, hilft Unternehmen dabei, Fehlereinblicke aus den Daten zu gewinnen, die in den heutigen vernetzten Autos erfasst werden. Dies geschieht durch die Nutzung von Sensordaten und die Erstellung von Korrelationen.

Das vier Jahre alte Startup mit Sitz in Menlo Park, Kalifornien, bietet eine Plattform zur Erkennung anomaler Muster, zur Verfolgung von Problemen und zur Bereitstellung von Fehlervorhersagen. Dies ermöglicht es Autoherstellern und Teilelieferanten, Problemen mit Echtzeitdaten zuvorzukommen und Garantieansprüche, Rückrufe und Mängel zu reduzieren, sagte David Hallac, Gründer und CEO von Viaduct.

„Viaduct wurde in mehr als 2 Millionen Fahrzeugen eingesetzt, hat dazu beigetragen, 500.000 Stunden Ausfallzeiten zu vermeiden und Hunderte Millionen Dollar an Garantiekosten in der gesamten Branche eingespart“, sagte er.

Das Unternehmen verlässt sich auf NVIDIA A100 Tensor Core GPUs und das NVIDIA Time Series Prediction Platform (TSPP)-Framework für das Training, die Abstimmung und den Einsatz von Zeitreihenmodellen, die zur Vorhersage von Daten verwendet werden.

Nach Angaben des Unternehmens ist Viaduct bei mehr als fünf großen Herstellern von Personenkraftwagen und Nutzfahrzeugen im Einsatz.

„Die Kunden sehen darin enorme Einsparungen – die Dinge, die wir beeinflussen, sind im Hinblick auf die Rentabilität groß“, sagte Hallac. „Es sind Ausfallzeiten, Garantieauswirkungen und die Ineffizienz der Produktentwicklung.“

Viaduct ist Mitglied von NVIDIA Inception, einem Programm, das Unternehmen Technologieunterstützung und Anleitung zu KI-Plattformen bietet.

Hallacs Weg zum Viaduct begann an der Stanford University. Während seines Ph.D. Als Student dort kam Volkswagen mit Sensordaten, die über mehrere Monate von mehr als 60 Fahrern gesammelt wurden, und einem Forschungsstipendium zur Erkundung von Einsatzmöglichkeiten in das Labor, in dem er war.

Die Frage, mit der sich die Forscher befassten, war, wie man die Muster und Trends in der umfangreichen Menge an über Monate gesammelten Fahrzeugdaten verstehen kann.

Die Stanford-Forscher veröffentlichten in Zusammenarbeit mit dem Volkswagen Electronics Research Laboratory einen Artikel zu der Arbeit, in dem Drive2Vec hervorgehoben wurde, eine Deep-Learning-Methode zur Einbettung von Sensordaten.

„Wir haben eine Reihe von Algorithmen entwickelt, die sich auf strukturelle Schlussfolgerungen aus hochdimensionalen Zeitreihendaten konzentrieren. Wir haben nützliche Erkenntnisse gewonnen und konnten Unternehmen dabei helfen, prädiktive Algorithmen in großem Maßstab zu trainieren und einzusetzen“, sagte er.

Viaduct übernimmt die Zeitreihenanalyse mit seiner TSI-Engine, die Fertigungs-, Telematik- und Servicedaten aggregiert. Das Modell wurde mit A100-GPUs unter Nutzung von NVIDIA TSPP trainiert.

„Wir beschreiben es als Wissensgraphen – wir erstellen diesen Wissensgraphen aller verschiedenen Sensoren und Signale und wie sie miteinander korrelieren“, sagte Hallac.

Mithilfe des Drive2Vec-Autoencoders zur Einbettung von Sensordaten werden mehrere Schlüsselfunktionen generiert. Korrelationen werden über einen Markov-Zufallsfeldinferenzprozess erlernt, und die Zeitreihenvorhersagen greifen auf das NVIDIA TSPP-Framework zurück.

NVIDIA-GPUs auf dieser Plattform ermöglichen es Viaduct, eine bis zu 30-mal bessere Inferenzgenauigkeit im Vergleich zu CPU-Systemen zu erreichen, die logistische Regressions- und Gradient-Boosting-Algorithmen ausführen, sagte Hallac.

Ein Fahrzeughersteller, der die Plattform von Viaduct nutzte, war in der Lage, einige seiner Probleme proaktiv zu lösen, sie zu beheben und dann zu identifizieren, bei welchen Fahrzeugen das Risiko dieser Probleme bestand, und nur die Besitzer aufzufordern, diese zur Wartung einzuliefern. Dies betrifft nicht nur die Garantieansprüche, sondern auch die Service Desks, die einen besseren Einblick in die Art der eingehenden Fahrzeugreparaturen erhalten.

Da Fahrzeug- und Teilehersteller bei Garantien Partner sind, sind die Ergebnisse für beide Seiten von Bedeutung.

Nach Angaben des Startups konnte Viaduct die Garantiekosten für einen Kunden bei fünf Problemen um mehr als 50 Millionen US-Dollar senken.

„Jeder will die Informationen, jeder spürt den Schmerz und jeder profitiert davon, wenn das System optimiert wird“, sagte Hallac über das Potenzial für Kosteneinsparungen.

Viaduct begann letztes Jahr mit einem großen Automobilhersteller zusammenzuarbeiten, um bei Problemen bei der Qualitätskontrolle zu helfen. Ziel der Partnerschaft war es, die Zeit bis zur Erkennung und Behebung von Qualitätsproblemen nach der Produktion zu verkürzen.

Der JD Power IQS-Wert (Initial Quality Study) des Autoherstellers war gesunken, während die Garantiekosten stiegen, und das Unternehmen versuchte, die Situation umzukehren. Daher begann der Autohersteller, die Plattform und den TSI-Motor von Viaduct zu nutzen.

Beim A/B-Test der Viaduct-Plattform im Vergleich zu herkömmlichen reaktiven Ansätzen zur Qualitätskontrolle konnte der Autohersteller im ersten Jahr einer Fahrzeugeinführung Probleme durchschnittlich 53 Tage früher erkennen. Die Ergebnisse sparten „zig Millionen“ an Garantiekosten und der JD Power-Qualitäts- und Zuverlässigkeitswert des Fahrzeugs stieg laut Hallac im Vergleich zum vorherigen Modelljahr um „mehrere Punkte“.

Und Viaduct erhalte eine Kundenbindung, die den Wert seiner KI für Unternehmen widerspiegele, sagte er.

Erfahren Sie mehr über NVIDIA A100 und NVIDIA TSPP.

Treffen Sie fünf Innovatoren der generativen KI in Afrika und im Nahen Osten

Morphobots für den Mars: Caltech entwickelt Geländeroboter als Kandidat für NASA-Mission

GeForce NOW wird wild: „Party Animals“ führt im September 24 neue Spiele an

Barrieren überwinden: Katja Sirazitdinova programmiert ihren Weg zum Erfolg

KI landet am Flughafen Bengaluru mit der intelligenten Videoanalyseplattform des IoT-Unternehmens