توسط F7fGBRsZcp, جولای 21, 2021


شرکت های خودروسازی فقط به 5٪ از داده های خودروی خود دسترسی دارند
اگرچه سنسورهای وسیله نقلیه مقادیر زیادی داده را جمع آوری می کنند ، اما در حال حاضر تنها 5٪ از آنها برای تولید محصول استفاده می شود. زیرساخت های بهتر و پردازش داده ها کلید پیشرفت هستند.
وعده وسایل نقلیه کاملاً مستقل همچنان باعث تحریک و الهام بخشیدن به میلیون ها انسان در سراسر جهان می شود. موارد شگفت انگیزی که وسایل نقلیه ایمن اینجا ، قابل اعتماد و خودران می توانند برای بشریت انجام دهند – از ارائه تحرک تازه وارد به افراد مسن تا کاهش تصادفات رانندگی – بیش از هر زمان دیگری به دسترس ما هستند. اما هنوز یک راه طولانی در پیش داریم.
همراه با سوخت (بنزین ، گازوئیل یا برق) که اتومبیل ها را تأمین می کند ، وسایل نقلیه خودمختار برای “رانندگی” ایمن و م effectivelyثر به سوخت خود احتیاج دارند: داده ها. اگرچه این داده ها ، که قبلاً توسط میلیون ها حسگر روی هزاران وسیله نقلیه در سراسر جهان جمع آوری شده است ، به راحتی در دسترس هستند ، اما با تمام توان استفاده نمی شود.
مجموعه داده های سنسور الگوریتم هایی را تأمین می کنند که تمام سطوح رانندگی مستقل را امکان پذیر می کند. از آنجا که شرکت های خودروساز با تهاجمی توسعه محصول مبتنی بر داده را دنبال می کنند ، مدیریت داده ها (از جمله کاوش ، پرس و جو ، ارزیابی و ارزیابی داده ها) یک گلوگاه مشترک در مسیر پیشرفت است.
این مجموعه داده های اساسی اما دشوار برای مدیریت مجموعه ای منحصر به فرد را برای کسانی که امیدوار به استفاده از آنها هستند ، به وجود می آورد:

* قالب های بدون ساختار و متنوع

* نیاز به معنای غنی برای دستیابی به آنها

* اندازه های عظیمی که بیشتر به محاسبات با کارایی بالا نیاز دارند

* نیاز شدید به نسخه سازی داده ها

* دسترسی و مسائل امنیتی

* نیاز به اکتشاف مداوم شکست داده ها
با استفاده از نرم افزار مناسب پردازش داده و تجزیه و تحلیل ، کاربران مهندسی می توانند بر همه این چالش ها غلبه کنند و داده های خودرو می توانند پتانسیل آن را برآورده کنند. با به روزرسانی فن آوری قدیمی برای دستیابی و تجزیه و تحلیل داده ها ، OEM ها و شرکت های فناوری تحرک می توانند نرخ استفاده از داده ها را تا 40 درصد افزایش دهند و ROI بیشتری تولید کنند زیرا کاوش داده ها ، جستجو ، تجزیه و تحلیل ، تشخیص ناهنجاری و ارزیابی به کار مهندسی دستی کمتر و بازده نیاز دارد. نتایج بهتر
زیرساخت ها و مدیریت داده ها نادیده گرفته می شوند
در حال حاضر ، توسعه دهندگان فناوری خودرو بر روی مدل های یادگیری ماشین و برچسب گذاری حقیقت زمین متمرکز شده اند. همین توسعه دهندگان از ارتقا infrastructure زیرساخت ها غفلت می کنند ، و باعث می شود بسیاری از آنها از فناوری قدیمی برای مدیریت داده استفاده کنند. ترابایت داده های ساختاری و پردازش نشده خودرو به راحتی این سیستم ها را تحت فشار قرار می دهد و باعث سو mal عملکرد آنها می شود. داده های خام فاقد فراداده و میلیاردها فریم هستند و توسعه دهندگان فناوری مجبورند از ابزارهای متناسب با وظیفه مدیریت داده برای سازماندهی داده ها به تنهایی استفاده کنند.
مهندسین پردرآمد مجموعه داده ها را به صورت دستی در سیستم های پایگاه داده کساد جستجو می کنند و به جای آموزش و اعتبارسنجی مدل ها ، حداکثر 75٪ از وقت خود را در زمینه مدیریت داده های خام صرف می کنند. علاوه بر این ، کمبود بینش از این مجموعه داده های وسیله نقلیه به معنای یادگیری ماشین است و سیستم های علم داده قادر به ساخت موثر توابع AI نیستند که به عنوان ورودی به داده های حسگر متکی هستند.
زیرساخت داده های هدف دار راه حل است
زیرساختی که به طور خاص برای قرار دادن داده های حسگر خام و استخراج بینش ها طراحی و ساخته شده است ، جواب خواهد داد. این زیرساخت باید مانند صفحه های گسترده و پایگاه داده SQL که نظم و سودمندی را برای داده های صنایع دیگر به ارمغان می آورد ، ساده و آسان باشد. برای داده های حسگر خودرو ، زیرساختی که از یک مدل داده انعطاف پذیر و مینیمالیستی و یک روش مقیاس پذیر برای تولید معناشناسی همراه با پرس و جوهای سریع و نقاط انتهایی یکپارچه برای استفاده و به اشتراک گذاری داده ها استفاده می کند ، بسیار م mostثر است.
این عناصر و سایر عناصر زیربنایی ، استفاده مجدد از داده ها را بهبود بخشیده و منجر به بینش سریعتر می شوند. داده ها توسط اتوماسیون معنایی فعال می شوند ، می توانند بر اساس اهمیت آنها بر اساس زمینه ، محتوا ، اهمیت و قابلیت استفاده رتبه بندی شوند. این افزونگی را کاهش می دهد و تراکم اطلاعات را به حداکثر می رساند. داده های با اهمیت کم بایگانی یا حذف می شوند ، در حالی که داده های با اهمیت بالا برای همه به راحتی قابل دسترسی است. علاوه بر این ، اطلاعات اجمالی داده ها را می توان تقریباً بلافاصله با مروری بر مطالب و افزونگی ارائه داد.
کاربران می توانند توصیه های نگهداری را با محدودیت های مبتنی بر قاعده تنظیم کنند ، به عنوان مثال پیچ های محافظت نشده چپ را باید همیشه نگه داشت.
وسایل نقلیه خودمختار بهتر ، زودتر
پیشرفت در زیرساخت داده ها و پردازش خودکار ، توسعه دهندگان فناوری خودرو را از محدودیت سیستم های قدیمی فناوری آزاد می کند. سیستم های مدیریت داده معنایی خودکار مانند SiaSearch کار با داده ها را بیش از هر زمان دیگری آسان می کند ، شرکت های خودروسازی را قادر می سازد تا با صرفه جویی در وقت مهندسی ، باعث افزایش بهره وری و افزایش استفاده کلی شوند.
به بیان ساده ، زیرساخت های قوی و م forثر برای داده های حسگر بدون ساختار منجر به افزایش بازگشت سرمایه در تحقیقات و توسعه می شود ، زیرا مهندسان آزاد می شوند تا بهترین کار را انجام دهند: ساخت الگوریتم هایی که وسایل نقلیه مستقل آینده را تأمین کنند. و با کارکرد کارآمدتر این مهندسان ، آرزوی وسایل نقلیه خودمختار برای بهبود زندگی ما بسیار نزدیکتر به واقعیت است.شرکت های خودروسازی فقط به 5٪ از داده های خودروی خود دسترسی دارند

 

دیدگاه شما چیست؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *