Блог

Jul 29, 2023

Стартап создает модели для выявления закономерностей отказов транспортных средств

Когда дело доходит до сохранения прибыли, специалисты по обработке данных для производителей транспортных средств и запчастей играют ведущую роль. Компания Viaduct, которая разрабатывает модели вывода временных рядов, помогает

Когда дело доходит до сохранения прибыли, специалисты по обработке данных для производителей транспортных средств и запчастей играют ведущую роль.

Компания Viaduct, которая разрабатывает модели для вывода временных рядов, помогает предприятиям собирать информацию о сбоях на основе данных, собранных на современных подключенных автомобилях. Для этого он использует данные датчиков и проводит корреляции.

Четырехлетний стартап, базирующийся в Менло-Парке, Калифорния, предлагает платформу для обнаружения аномальных закономерностей, отслеживания проблем и прогнозирования сбоев. По словам Дэвида Халлака, основателя и генерального директора Viaduct, это позволяет автопроизводителям и поставщикам запчастей решать проблемы, используя данные в реальном времени, чтобы сократить количество претензий по гарантии, отзывов и дефектов.

«Viaduct был установлен на более чем 2 миллионах транспортных средств, помог избежать 500 000 часов простоя и сэкономил сотни миллионов долларов на гарантийных расходах во всей отрасли», — сказал он.

Компания использует графические процессоры NVIDIA A100 с тензорными ядрами и платформу NVIDIA Time Series Prediction Platform (TSPP) для обучения, настройки и развертывания моделей временных рядов, которые используются для прогнозирования данных.

По данным компании, Viaduct сотрудничает с более чем пятью крупными производителями легковых и коммерческих грузовиков.

«Клиенты видят в этом огромную экономию — то, на что мы затрагиваем, имеет большое значение с точки зрения прибыльности», — сказал Халлак. «Это влияние простоев, влияние на гарантию и неэффективность разработки продукта».

Viaduct является участником NVIDIA Inception, программы, которая предоставляет компаниям технологическую поддержку и рекомендации по платформам искусственного интеллекта.

Путь Халлака к Виадуку начался в Стэнфордском университете. Когда он был доктором философии. Студент Фольксваген пришел в лабораторию, в которой он работал, с данными датчиков, собранными у более чем 60 водителей в течение нескольких месяцев, и грантом на исследование для изучения использования.

Вопрос, над которым углубились исследователи, заключался в том, как понять закономерности и тенденции в огромном объеме данных о транспортных средствах, собранных за несколько месяцев.

Исследователи из Стэнфорда совместно с исследовательской лабораторией электроники Volkswagen опубликовали документ о своей работе, в котором особое внимание уделяется Drive2Vec — методу глубокого обучения для внедрения данных датчиков.

«Мы разработали ряд алгоритмов, ориентированных на структурный вывод из многомерных данных временных рядов. Мы обнаружили полезную информацию и смогли помочь компаниям обучать и развертывать алгоритмы прогнозирования в больших масштабах», — сказал он.

Viaduct обрабатывает анализ временных рядов с помощью своего механизма TSI, который объединяет производственные, телематические и сервисные данные. Его модель была обучена с использованием графических процессоров A100 с использованием NVIDIA TSPP.

«Мы описываем это как граф знаний — мы строим этот граф знаний всех различных датчиков и сигналов и того, как они коррелируют друг с другом», — сказал Халлак.

Несколько ключевых функций создаются с использованием автоэнкодера Drive2Vec для внедрения данных датчиков. Корреляции изучаются с помощью процесса вывода случайных полей Маркова, а прогнозы временных рядов используются в платформе NVIDIA TSPP.

По словам Халлака, графические процессоры NVIDIA на этой платформе позволяют Viaduct достигать в 30 раз большей точности вывода по сравнению с системами ЦП, использующими алгоритмы логистической регрессии и повышения градиента.

Один производитель автомобилей, использующий платформу Viaduct, смог заранее решить некоторые из своих проблем, исправить их, а затем определить, какие транспортные средства подвергались риску возникновения этих проблем, и только попросить владельцев привезти их для обслуживания. Это влияет не только на гарантийные претензии, но и на службы поддержки, которые получают больше информации о типах предстоящих ремонтов автомобилей.

Кроме того, поскольку производители автомобилей и запчастей сотрудничают по гарантиям, результаты важны для обеих сторон.

По данным стартапа, Viaduct сократил гарантийные расходы для одного клиента более чем на 50 миллионов долларов по пяти вопросам.

«Каждый хочет получить информацию, каждый чувствует боль и каждый выигрывает, когда система оптимизирована», — сказал Халлак о потенциале экономии средств.