用深度数据助力软件定义汽车时代的预测和预防维护

随着软件、硬件及其交互技术的进步，汽车厂商（OEM）拥有了更多投资变现的机会，但同时，他们也不得不应对随之而来的呈指数级增长的各种复杂问题。在新的“软件定义汽车”（SDV）架构下，汽车厂商需要重新评估流程，以确保高度复杂的系统具备高性能、有效性、可扩展性和可靠性。车主们无法容忍汽车驾驶中出现任何问题，无论是安全问题，还是和娱乐、舒适、通信相关的汽车体验性功能。对汽车厂商来说，现在他们必须加倍努力来提高预判车辆故障的能力。因为具备这种能力，意味着他们可以更有效地预防故障的发生。

哈曼OTA近日与世界领先的IC持续检测解决方案提供商proteanTecs达成合作，为下一代软件定义汽车提供哈曼全新的预测和预防维护（PPM）解决方案。该方案将帮助汽车厂商有效预判可能发生的各种问题，随后借助哈曼领先的OTA方案来检测和修复问题，将故障发生的可能性降到最低。

这一组合方案采用了创新方法，借助机器学习技术，通过提取和分析片上系统（System-on Chip）的深度数据实现预测和预防性维护。它可以：

• 更好地洞察电子控制单元（ECU）的运行状况
• 检测性能退化，并预测发生故障的时间
• 准确找出故障原因
• 借助基于云的组合解决方案提供先进的分析和AI功能，实现ECU级别、车辆级别、甚至是车队级别的综合检测。
  
  

使用这些数据能帮助我们更好地实施预测性和预防性维护，解决目前由软件驱动的汽车对安全性和可靠性日益增长的需求，同时降低维修成本。这一方法使用了无线更新（OTA）技术和先进的设备检测功能来收集汽车数据，并能针对特定的汽车使用群体实施软件升级和远程车辆配置。

通过将软件定义汽车中的芯片换成具有高精度、高分辨率的系统传感器，并根据所得数据进行先进的分析，汽车厂商们能更好地预判可能发生的故障，并适时在车端进行缓解，从而经济有效地降低这些问题对汽车厂商、交通管理和服务部门的影响。

想了解更多信息，请点击阅读原文下载“白皮书”或联系我们安排后续会议。

Michal Geva

哈曼OTA和网络安全业务部总经理

原文始发于微信公众号（HARMAN Automotive）：用深度数据助力软件定义汽车时代的预测和预防维护