AI在汽车行业 - 对空间的分析

尼科洛Mejia
头像

Niccolo是EMERJ的内容作家和初级分析师,开发网上内容并帮助定量研究。他拥有艾默生学院的书面,文学和出版学士学位。

AI在汽车行业 - 对空间的分析

在这篇文章中,我们从生产和汽车工业中探索人工智能软件的应用制造业保险和运输。我们将讨论涉及收集和分析数据的设备以及他们向制造商提供的潜在价值,共享移动公司,保险公司和司机提供的潜在价值。

我们在汽车行业中开始概述AI机器视觉技术可以改善汽车制造商用于建造车辆并保持质量控制的机器人。

汽车制造业

汽车制造过程本身就是多方面的业务,因此它可以有许多领域可以找到AI技术的应用。工厂可以监控带有物联网传感器的生产设备和重型机械的条件和预测性维护。

每种传感器都连接到一块设备并每当设备移动或使用时收集振动数据。这些振动中的变化或异常会表明随着时间的推移损坏或自然磨损,并帮助商业领导者通过预测它并在装配线需要停止紧急情况之前进行必要的维护来防止设备故障。

计算机视觉在工厂级也有许多应用。这包括生产过程中的质量控制。工厂可以利用这类软件来检测已生产汽车的缺陷或不一致性,并在新车上市前突出可能需要进一步改进的地方。

例如,驻扎在装配线末端的摄像机的计算机视觉软件可以在汽车的绘画作业中找到缺陷或识别未正确连接的部件,例如挡风玻璃刮水器。

除了完整的制造过程自动化外,计算机愿景还可用于为人类员工和机器人流程制造厂家安全,以共存。检测工厂环境中所有对象的能力对于创建可以与人类员工合作的AI软件至关重要。

这是因为机器学习算法获得更高级,出现为出厂设置创建更多一般使用机器人的机会。

公司等公司重新思考机器人正在创建可以响应和学习人类教练的协同机器人。人类使用机器人可以通过任务指导机器人臂,这可以有效地“教导”机器人的正确方法来保持某些东西,在螺钉中驱动,或连接汽车的两个部分。

供应链优化

机器学习和大数据分析可以在制造供应链中发挥作用预测设备维护。商业领袖可以使用预测分析来预测需求的尖峰,这将使他们能够相应地规划他们对材料的采购。

这影响了工厂提供了在不久的将来需求需求的产品的能力,并降低了所需资源的浪费和过量付款。

预测分析也可用于生产链条的质量控制,并进入客户销售和售后信息。制造商可以用IoT传感器,机器视觉摄像机或大型数据存储器介绍其供应和装配链,这些链条正在不断记录新产品信息。

然后,它们可以通过机器学习模型运行收集的数据,以便组织其产品的全面的质量控制视图。可以从供应链数据中找到有关材料和设置的信息,而采购阶段提供有关经销商销售和过去交易的信息。

制造质量控制可以分析来自物联网传感器或机器视觉摄像头的数据,以检测和记录如何使用工厂设备以及当前过程产生最佳产品。此处还在此处纳入研究和开发数据,因为新的汽车零件和装配过程可能会在工厂级测试。

预测分析数据也可以在营销活动和有关产品运输和分配的信息中找到。营销团队与集成在制造商的数据存储中的系统可能是提供客户和竞争对手数据的有价值的。

业务领导者甚至可以在此期间寻找自然语言处理解决方案,以便从社交媒体帖子上衡量关于该产品的情绪。涉及到运输和分销数据时,制造商可以了解他们的产品如何被带到经销商,并找到有多少辆汽车在上市途中遭受任何损坏。

应该注意的是,这种数据不能通过通过仪器提供一个人的供应或制造链来获取。制造商可能无法访问一些数据,而无需与更多客户的公司合作。

采购某些类型的数据,如营销,客户满意度,分配和需求上升,需要制造商与汽车经销商,合作公司和共享移动服务建立更密切的关系。在这些公司之间,可以共享数据,以便为每个商业领导者提供更多信息,以便将来基于分析项目。

共享移动服务

预测分析在许多核心过程中使用案例,用于共享移动服务,如优步或Lyft。根据供需的实时预测,公司可以在不同地理位置中调整骑行分享价格。这使他们可以准确地在具有低浓度驾驶员但高浓度客户的地区进行乘坐地区。

也可以利用机器学习来确定乘坐乘坐的分配给特定客户。算法可以确定每个客户最方便的驱动程序选择。这将重点关注尽可能短的等待时间,避免使司机出于骑行的方式,可以更容易地选择另一个驾驶员。

共享移动服务还可以使用预测分析来根据流量流数据创建路由算法。这可以包括时间敏感的交通流量数据,例如在城市的不同领域或来自汽车事故或道路工作绕行等紧急事件的数据的多余地区的流量水平。

所有这些数据组合都可以允许路由系统,该路由系统可以在一天中确定最佳路线,同时跟踪路线上的任何障碍物或其他路线。公司甚至可以花时间估计在其GPS地图上为驱动程序列出的其他路线,在通过流量导航时提供更多选择自由。

与Zipcar等专有车辆的共享移动服务可以利用预测分析在他们的车辆的调度维护中。物联网传感器可能用于检测磨损和撕裂以及汽车故障的可能性,并且该公司可以根据该数据确定哪些汽车处于最优先的维护优先级。

Zipcar商店和电台还可以提供客户的事务数据,这可能有助于了解为什么汽车需要更快地维护的原因。如果客户在车内或内部打破了某些东西,那么信息将与其交易的收据一起存储,使公司提供更多信息以确定维护优先级。

汽车电气化

电动汽车制造商有一些特定信息,他们可以收集到他们的研发中的数据分析。如果制造商能够从汽车经销商和共享移动服务等合作公司获取数据,他们可以找到与汽车电气化和制造有关的信息。这些信息对于电动汽车和电池设计来说可能是有价值的,以及充电基础设施的设计和实施。

用于查找此信息的最有效的AI应用可能是预测性分析,因为它能够从不同源中确定可能的数据点可能结果。这样,软件都可以从电信信息处理传感器以及数值数据库信息处理信息。

一家公司可以找到他们的电动汽车的设计,只要竞争对手,或者客户经常难以保持电池充电或弄清楚如何为其充电。

来自共享移动服务的客户数据还可以揭示制造商模型的充电基础设施的问题,例如不用户友好或不易发生故障。有关像这样的故障的进一步信息也可能来自IOT传感器,检测堵塞汽车的振动或与设备交互的客户。

电动车辆本身的设计可能是制造商希望根据其过去的建筑物和销售它们的经验来创建新的电模型。来自第三方和合作共享移动服务的客户信息可能是最有价值的数据来源之一。

这是因为它将包含有关模型适用于客户的最佳信息以及对型号充电的程度方便。这些信息可以包括有关客户满意度的数据,也可以关于驾驶习惯及其对汽车电池的影响。

电动汽车制造商可以找到有关改善电池设计超出驱动价值的信息,只需长时间电池可以保持充电。它们也可能发现电池形状或在汽车模型中的放置中的效率低下。放置也可能有助于易于充电和未来更改对充电基础设施,以使其更容易可用于普通客户。

汽车保险调整

预测性分析和计算机愿景都在汽车保险中使用案例,其中许多AI供应商销售到保险业,并推动业务价值。像Nexar和Truemotion这样的公司使用仪表板相机,智能手机和物联网传感器来检测汽车运动时的运动。

虽然在运动中,与计算机视觉软件配对的相机可以检测道路上的其他物体,随着汽车突然停止,以及任何事故。所有这些都可能影响保险免赔额或保费,因此视频可以与保险公司共享,以便相应地调整驾驶员的保险。

除了用驾驶信息进行驾驶信息的单个汽车游乐设施之外,还可以使用机器视觉,以确定由于驾驶事故而对汽车造成损坏。某些解决方案允许用户从损坏的汽车周围上传图像,并且软件可以检测损坏的损害程度有多严重,并提供对维修成本的估计。

在这些情况下,图像和估计也与人类保险代理商分享,以批准。在承保客户的索赔之前,他们可以查看计算机视觉结果并查看损坏本身的照片。这将创造一个更快,更彻底的承保过程,而不是如果保险代理人留下自行分析汽车的伤害。

这样的公司truemotion.已与保险公司合作,并通过AI改善他们的远程信息保险调整解决方案。他们开发了一个可以检测驾驶习惯和难以休息的应用程序,但也有助于使其与渐进保险现有的ODB远程信息处理设备兼容。

他们的远程信息处理设备称为渐进式快照,在智能手机成为主流之前服务了许多相同的功能。它现在仍然是他们的快照服务的一部分,以防客户没有智能手机或不希望他们的渐进式连接。渐进式现在从其ODB远程信息处理设备以及由TrueMotion提供支持的渐进快照应用程序用户的智能手机。

自动驾驶汽车和人工智能驾驶助手

的主题自驾汽车技术似乎普遍存在汽车行业AI的用例谈话中。像Nvidia,Tesla和谷歌Waymo这样的公司仍在努力提供完全自治车辆,以及获得公众的信任,最终使技术在美国的合法。

自动车辆最常使用计算机愿景来检测对象,路灯和行人。然而,它们还利用雷达频率和激光偏移系统,使用与雷达相同的操作原理。这允许汽车后面的机器学习算法检测不同物体来自汽车的距离,例如其他汽车,行人和诸如绕行标志或交通锥体的障碍物。

在完全自主驾驶成为主流之前,司机可能会习惯于AI辅助驾驶,这是一种利用机器视觉来检测驾驶员活动的应用程序,而在路上驾驶。

AI驾驶助理计划可以帮助确保驾驶员安全并且可能对想要让客户安全和负责任的保险公司来说最潜在的价值。

该技术通过检测眼球运动并在从路上转移到凝视时,通过检测眼球运动并提醒驾驶员来侧重于驾驶员的面部运动。这些助理程序背后的算法也可以跟踪唇部运动,并在某些情况下演讲。

然而,在与其他乘客交谈时检测驾驶员的演讲将需要在机器视觉技术的顶部进行自然语言处理算法。

回应询问从纽约时报,ola bolstrom,Veone的研究,创新和IPR的VP说,“也可以使用眼睛运动来评估认知载荷。可以通过汽车中的人们是否正在互相交谈或思考该说些什么来评估驾驶的关注。“

希望安装人工智能驾驶助手的保险公司和其他公司还可以设置该系统,当司机低头看包或看手机屏幕阅读短信时,该系统会发出声音提醒。

这样,助手不鼓励分散注意力的驾驶,同时跟踪驾驶员的活动。该技术还可以使用多个摄像头来捕获附近或迎面而来的对象,并警告它们的驾驶员,以便它们可以相应地反应。

标题图像信用:AARP

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
subscribe-image
保持在机器学习曲线的前面

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。