XII Международная студенческая научная конференция Студенческий научный форум - 2020

В настоящее время, связь и интернет меняют ландшафт автомобильной промышленности, и, поскольку эти технологии постепенно внедряются, появляется ряд интересных областей инноваций, о которых пойдёт речь в данной статье.

Дистанционная диагностика является одной из таких областей, где технология прокладывает путь к новым революционным концепциям технического обслуживания транспортных средств, включая использование искусственного интеллекта и нейронных сетей глубокого обучения для разработки современных прогностических систем.

Новые транспортные средства, укомплектованные большим количеством ЭБУ, стали очень сложными сетями, и это увеличивает потребность в разработке более эффективных инструментов и систем для эффективной диагностики ЭБУ. Текущие тенденции в функциональности предоставляют возможности, но также сопряжены с риском по мере увеличения сложности. Однако такие службы, как «ADAS» и «eCall», уже используют эти преимущества. Стремление к автономному вождению приведет к дальнейшему развитию связи между автомобилями. Огромное увеличение объема данных, собранных с автомобиля, и возможность их обработки предполагает множество преимуществ в плане обслуживания. [5]

Одной из таких возможностей является диагностика автомобиля на протяжении всего жизненного цикла, от проектирования до производства и послепродажного обслуживания. Технические эксперты могут, например, базироваться в региональном техническом центре, из которого они могут получить доступ к данным отдельного транспортного средства для диагностики неисправностей. Эта информация может быть передана в сервисный центр, если местные инженеры не могут провести локальную диагностику.

Это, однако, только верхушка айсберга с точки зрения инноваций. Непрерывный мониторинг данных в реальном времени через беспроводную сеть открывает широкий спектр возможностей. Неисправности и проблемы могут быть определены в режиме реального времени, а потенциальные неисправности могут быть выделены до того, как они приведут к более серьезным проблемам. Водители могут быть предупреждены о проблемах и направлены в ближайший сервисный центр, а информация и диагностика могут быть заранее отправлены в местный сервисный центр, чтобы они были готовы к ремонту.

Циклические данные, собранные с большого количества транспортных средств, также позволяют отслеживать процессы старения в большой выборке и могут давать указания по профилактическому обслуживанию. Некоторые производители уже используют беспроводные обновления программного обеспечения, и благодаря более сложному анализу и диагностике данных это область, которая предлагает огромную потенциальную экономию с точки зрения гарантийного ремонта. Внедрение услуг удаленной диагностики также уменьшает разрыв в цепочке создания стоимости и позволяет производителям напрямую общаться с клиентами, чтобы предлагать более качественные услуги. [4]

Другие движущие силы, стоящие за развитием дистанционной диагностики, включают управление автопарком и «MaaS» (мобильность как услуга). Для менеджеров автопарка более быстрый анализ неисправностей и проблем приводит к более быстрым действиям. Это сокращает время простоя и означает, что транспортные средства могут быть отремонтированы до того, как возникнут проблемы. Мобильность как услуга набирает обороты в крупных городах по всему миру, поскольку все больше потребителей переходят от владения к общим услугам. Дистанционная диагностика будет иметь решающее значение для пассажирских автопарков, которые стремятся обеспечить комплексное и надежное обслуживание.

Следующим этапом является облачная диагностика, которая в сочетании с глубоким обучением и искусственным интеллектом добавляет новое направление в диагностику транспортных средств. Программное обеспечение, работающее в облаке, может управлять кампаниями для различных парков или моделей автомобилей. Эти кампании могут быть нацелены на конкретные транспортные средства, чтобы обеспечить их точное программирование и выделить отдельные неисправности. Например, циклическое считывание памяти неисправностей по всему парку означает, что устранение неисправностей и общее состояние можно проверять автоматически, а аномалии можно идентифицировать в режиме реального времени.

Одной из самых больших проблем, стоящих перед рядом отраслей, является проблема обработки и анализа огромных объемов данных практически в режиме реального времени. С возможностью сбора такого большого количества необработанных данных с миллионов транспортных средств возникает необходимость отфильтровать и обработать их, чтобы предпринять соответствующие действия. Инженеры в ряде секторов обращаются к искусственному интеллекту, чтобы решить эту проблему. Нейронные сети глубокого обучения предлагают решение проблемы больших данных путем «изучения» транспортного средства в процессе анализа данных. Методы нейронной сети включают в себя возможность обучения через введенные данные без явного программирования системы. Данные с транспортных средств могут непрерывно передаваться в облако, и алгоритмы искусственного интеллекта будут оценивать их в режиме реального времени. Алгоритмы могут быть обучены для выявления аномалий и выявления моделей поведения на основе данных, отправленных с датчиков транспортного средства. Искусственный интеллект уже внедряется в автономные испытательные машины с целью обнаружения и классификации объектов, и, похоже, он будет играть определенную роль в развитии прогнозирования, особенно когда автономные машины отправляются в путь. [1]

Одна из выдающихся компаний в секторе диагностики - «Softing AG», которая разработала автоматизированное облако для целей удаленной диагностики, программного обеспечения (SOTA), измерений, тестирования и связи. Система предназначена для сбора, подготовки и анализа данных в облаке для лучшей диагностики.

Переданные данные хранятся в базе данных в облаке с агрегацией и дальнейшим анализом, выполняемым облачным приложением. Профили для различных транспортных средств используются для определения правильного типа данных, что упрощает их интерпретацию. Помимо получения данных о транспортном средстве, облачное приложение также поддерживает выполнение действий, таких как диагностические задачи, которые запускаются входными данными в пользовательском интерфейсе и приводят к передаче данных в транспортное средство.

Облачное решение позволяет осуществлять интеллектуальный сбор и анализ больших данных в облаке. Данные обрабатываются и отображаются графически для отображения закономерностей и корреляций, а также для представления информации в легко усваиваемом формате. Эта информация доступна удаленно через веб-сервисы, а изменения в состоянии автомобиля могут быть переданы непосредственно клиенту. [3]

На основании материала, изложенного выше, можно сделать вывод, что расширенная автомобильная диагностика, это интересная область автомобильного производства, потому что она предлагает множество преимуществ. В будущем дистанционная диагностика с использованием искусственного интеллекта будет использоваться для создания моделей автомобилей в режиме реального времени с целью разработки процедур профилактического технического обслуживания. Это будет полезным инструментом для управляющих автопарком и разработчиков предприятий «MaaS», поскольку они стремятся сократить время простоя и затраты на ремонт, а также оптимизировать свои услуги. Это также будет иметь решающее значение, поскольку автономные транспортные средства начинают проникать на рынок. Чтобы автомобили без водителя находились на дорогах общего пользования, они должны иметь встроенные системы безопасности, обеспечивающие безупречную работу.

Список литературы

№. Калинин М. Диагностические тенденции// Правильный автосервис. - 2013. - №9. - С. 23-30.

Компьютерная диагностика современных систем управления двигателем [текст] / Коробков В. В., Прохорова Е. В. // Сборник: Перспективные направления развития автотранспортного комплекса. сборник статей IX Всероссийской научно-производственной конференции. МНИЦ ПГСХА. Под общей редакцией В. В. Салмина. 2015. С. 21 - 24.

№. Калинин М. Диагностике - быть // Правильный автосервис. - 2013. - №10. - С. 27-31.

Яковлев В. Ф. Диагностика электронных систем управления автомобильными двигателями: учеб. пособ. / В.Ф. Яковлев. – Самара: Самар. гос. техн. ун-т, 2010. 89 с.

URL: http://automediapro.ru/diagnostika-buduschego/ (дата обращения: 28.10.2019).

URL: https://revolution.allbest.ru/transport/00684796_0.html (дата обращения: 28.10.2019).