blog

Jul 29, 2023

Startup cria modelos para detectar padrões de falhas em veículos

Quando se trata de preservar as margens de lucro, os cientistas de dados dos fabricantes de veículos e peças estão no comando. A Viaduct, que desenvolve modelos para inferência de séries temporais, está ajudando

Quando se trata de preservar as margens de lucro, os cientistas de dados dos fabricantes de veículos e peças estão no comando.

A Viaduct, que desenvolve modelos para inferência de séries temporais, está ajudando as empresas a coletar insights sobre falhas a partir dos dados capturados nos carros conectados atuais. Isso é feito acessando os dados do sensor e fazendo correlações.

A startup de quatro anos, com sede em Menlo Park, Califórnia, oferece uma plataforma para detectar padrões anômalos, rastrear problemas e implantar previsões de falhas. Isso permite que fabricantes de automóveis e fornecedores de peças enfrentem problemas com dados em tempo real para reduzir reclamações de garantia, recalls e defeitos, disse David Hallac, fundador e CEO da Viaduct.

“O Viaduct foi implantado em mais de 2 milhões de veículos, ajudou a evitar 500 mil horas de inatividade e economizou centenas de milhões de dólares em custos de garantia em todo o setor”, disse ele.

A empresa conta com GPUs NVIDIA A100 Tensor Core e a estrutura NVIDIA Time Series Prediction Platform (TSPP) para treinar, ajustar e implantar modelos de série temporal, que são usados ​​para prever dados.

A Viaduct já foi implantada em mais de cinco grandes fabricantes de automóveis de passageiros e caminhões comerciais, segundo a empresa.

“Os clientes veem isso como uma enorme economia – o que estamos afetando é grande em termos de lucratividade”, disse Hallac. “É o impacto do tempo de inatividade, o impacto da garantia e a ineficiência no desenvolvimento do produto.”

A Viaduct é membro do NVIDIA Inception, um programa que fornece às empresas suporte tecnológico e orientação sobre plataformas de IA.

O caminho de Hallac para o Viaduct começou na Universidade de Stanford. Enquanto ele era um Ph.D. estudante lá, a Volkswagen chegou ao laboratório em que estava com dados de sensores coletados de mais de 60 motoristas ao longo de vários meses e uma bolsa de pesquisa para explorar usos.

A questão que os investigadores investigaram foi como compreender os padrões e tendências no conjunto considerável de dados de veículos recolhidos ao longo de meses.

Os pesquisadores de Stanford, em coordenação com o Volkswagen Electronics Research Laboratory, divulgaram um artigo sobre o trabalho, que destacou o Drive2Vec, um método de aprendizagem profunda para incorporar dados de sensores.

“Desenvolvemos vários algoritmos focados na inferência estrutural a partir de dados de séries temporais de alta dimensão. Estávamos descobrindo insights úteis e pudemos ajudar as empresas a treinar e implantar algoritmos preditivos em escala”, disse ele.

A Viaduct lida com análises de séries temporais com seu mecanismo TSI, que agrega dados de manufatura, telemática e serviços. Seu modelo foi treinado com GPUs A100 utilizando NVIDIA TSPP.

“Nós o descrevemos como um gráfico de conhecimento – estamos construindo esse gráfico de conhecimento de todos os diferentes sensores e sinais e como eles se correlacionam entre si”, disse Hallac.

Vários recursos importantes são gerados usando o autoencoder Drive2Vec para incorporar dados do sensor. As correlações são aprendidas por meio de um processo de inferência de campo aleatório de Markov, e as previsões de séries temporais utilizam a estrutura NVIDIA TSPP.

As GPUs NVIDIA nesta plataforma permitem que o Viaduct alcance uma precisão de inferência até 30x melhor em comparação com sistemas de CPU que executam regressão logística e algoritmos de aumento de gradiente, disse Hallac.

Um fabricante de veículos que utilizava a plataforma da Viaduct conseguiu lidar proativamente com alguns dos seus problemas, corrigi-los e, em seguida, identificar quais veículos corriam o risco desses problemas e solicitar apenas aos proprietários que os trouxessem para manutenção. Isto não afeta apenas as reclamações de garantia, mas também os balcões de serviço, que obtêm mais visibilidade sobre os tipos de reparos de veículos que estão chegando.

Além disso, como os fabricantes de veículos e peças são parceiros em termos de garantias, os resultados são importantes para ambos.

A Viaduct reduziu os custos de garantia para um cliente em mais de US$ 50 milhões em cinco questões, de acordo com a startup.

“Todos querem a informação, todos sentem a dor e todos se beneficiam quando o sistema é otimizado”, disse Hallac sobre o potencial de economia de custos.