释放深度数据燃料预测性和预防性维护。
驾驶一个可伸缩的、以消费者为中心的愿景在移动行业,汽车的未来永远是连接和差异化的软件。进步在软件、硬件及其交互性能的边界扩张,为下一代汽车提供了基础。但同样的技术,将使这一设想成为现实也带来了新的挑战。
随着时间的推移,汽车电子系统已成为汽车架构的最复杂的元素。软件在今天的汽车可以包含超过1亿行代码。现代商用飞机相比,软件包含“仅仅”~ 1000万行代码。先进的芯片系统(soc)填充数以十亿计的晶体管,这一数字每年在过去的三十年里翻了一番。新的体系结构设计,以实现更高的性能,而增加权力或区域。自主驾驶和电气化是加速这一趋势。降低复杂性和相互依赖关系,汽车制造商正在朝着巩固电子到域控制器。
可靠的实现这些先进技术必须满足严格的零宕机需求,同时适应不可预知的环境和操作条件。车队经理需要保证这些复杂的可用性和无缝体验,不间断和实时在线系统。然而,当前的监测和诊断实践缺乏数据分辨率和上下文来满足这些需求。
本文概述了一个创新的方法来预测和预防性维修(PPM)的提取和分析深度数据在SoC设备使用机器学习算法,允许制造商:
利用这些数据可以增强PPM实践,以满足不断飙升的安全性和可靠性要求今天的software-enabled车辆,同时减少维护成本。方法利用无线(OTA)技术和先进设备健康监测功能收集车辆数据和应用软件的更新一个预定义的子集舰队。
点击这里读更多。
|
|
|
|
|
|
|
|
|
|
留下一个回复