Blog

Jul 29, 2023

Une startup crée des modèles pour détecter les modèles de pannes de véhicules

Lorsqu'il s'agit de préserver les marges bénéficiaires, les data scientists des constructeurs de véhicules et de pièces détachées sont aux commandes. Viaduct, qui développe des modèles pour l'inférence de séries chronologiques, aide

Lorsqu'il s'agit de préserver les marges bénéficiaires, les data scientists des constructeurs de véhicules et de pièces détachées sont aux commandes.

Viaduct, qui développe des modèles d'inférence de séries chronologiques, aide les entreprises à récolter des informations sur les pannes à partir des données capturées sur les voitures connectées d'aujourd'hui. Pour ce faire, il exploite les données des capteurs et établit des corrélations.

La startup âgée de quatre ans, basée à Menlo Park, en Californie, propose une plate-forme permettant de détecter des modèles anormaux, de suivre les problèmes et de déployer des prédictions de pannes. Cela permet aux constructeurs automobiles et aux fournisseurs de pièces détachées d'affronter les problèmes grâce à des données en temps réel afin de réduire les réclamations au titre de la garantie, les rappels et les défauts, a déclaré David Hallac, fondateur et PDG de Viaduct.

« Viaduct a été déployé sur plus de 2 millions de véhicules, a permis d'éviter 500 000 heures d'arrêt et d'économiser des centaines de millions de dollars en coûts de garantie dans l'ensemble du secteur », a-t-il déclaré.

La société s'appuie sur les GPU NVIDIA A100 Tensor Core et sur le framework NVIDIA Time Series Prediction Platform (TSPP) pour la formation, le réglage et le déploiement de modèles de séries chronologiques, qui sont utilisés pour prévoir les données.

Viaduct s'est déployé auprès de plus de cinq grands constructeurs de voitures particulières et de camions commerciaux, selon l'entreprise.

"Les clients y voient une énorme économie – les choses que nous affectons sont importantes en termes de rentabilité", a déclaré Hallac. « Il s'agit d'un impact sur les temps d'arrêt, d'un impact sur la garantie et d'une inefficacité du développement de produits. »

Viaduct est membre de NVIDIA Inception, un programme qui fournit aux entreprises un support technologique et des conseils sur les plateformes d'IA.

Le chemin de Hallac vers Viaduct a commencé à l’Université de Stanford. Alors qu'il était doctorant. étudiant là-bas, Volkswagen est venu au laboratoire où il se trouvait avec des données de capteurs collectées auprès de plus de 60 conducteurs au cours de plusieurs mois et une bourse de recherche pour explorer les utilisations.

La question à laquelle les chercheurs se sont penchés était de savoir comment comprendre les modèles et les tendances de l’importante quantité de données sur les véhicules collectées au fil des mois.

Les chercheurs de Stanford, en coordination avec le laboratoire de recherche électronique de Volkswagen, ont publié un article sur leurs travaux, mettant en avant Drive2Vec, une méthode d'apprentissage en profondeur permettant d'intégrer les données des capteurs.

« Nous avons développé un ensemble d’algorithmes axés sur l’inférence structurelle à partir de données de séries chronologiques de grande dimension. Nous avons découvert des informations utiles et avons pu aider les entreprises à former et à déployer des algorithmes prédictifs à grande échelle », a-t-il déclaré.

Viaduct gère l'analyse de séries chronologiques avec son moteur TSI, qui regroupe les données de fabrication, de télématique et de service. Son modèle a été entraîné avec des GPU A100 exploitant NVIDIA TSPP.

"Nous le décrivons comme un graphe de connaissances : nous construisons ce graphe de connaissances de tous les différents capteurs et signaux et de la manière dont ils sont corrélés les uns aux autres", a déclaré Hallac.

Plusieurs fonctionnalités clés sont générées à l'aide de l'auto-encodeur Drive2Vec pour intégrer les données du capteur. Les corrélations sont apprises via un processus d'inférence de champ aléatoire de Markov, et les prédictions de séries chronologiques s'appuient sur le cadre NVIDIA TSPP.

Les GPU NVIDIA sur cette plate-forme permettent à Viaduct d'obtenir une précision d'inférence jusqu'à 30 fois supérieure à celle des systèmes CPU exécutant des algorithmes de régression logistique et d'augmentation de gradient, a déclaré Hallac.

Un constructeur automobile utilisant la plate-forme Viaduct a pu gérer certains de ses problèmes de manière proactive, les résoudre, puis identifier les véhicules présentant un risque de problèmes et demander uniquement aux propriétaires de les faire réparer. Cela affecte non seulement les demandes de garantie, mais également les centres de service, qui bénéficient d'une meilleure visibilité sur les types de réparations de véhicules à effectuer.

De plus, comme les constructeurs de véhicules et de pièces détachées travaillent en partenariat sur les garanties, les résultats comptent pour les deux.

Viaduct a réduit les coûts de garantie d'un client de plus de 50 millions de dollars sur cinq problèmes, selon la startup.

"Tout le monde veut l'information, tout le monde ressent la douleur et tout le monde profite lorsque le système est optimisé", a déclaré Hallac à propos du potentiel d'économies de coûts.