ऑटोमोटिव लाइफसाइकल के हर चरण में डेटा साइंस का उपयोग कैसे होता है

Ford Motor Company का Model T पहली बार 1908 में बनाया गया था और कम लागत, स्थायित्व, बहुमुखी प्रतिभा, और रखरखाव में आसानी के कारण लंबे समय तक चला। इसे “दुनिया को पहियों पर चढ़ाने” का श्रेय दिया जाता है—निर्माण दक्षताओं के माध्यम से वैश्विक गतिशीलता को ऐसे मूल्य पर बढ़ाना जिसे औसत उपभोक्ता वहन कर सके।

आज, ऑटोमोटिव उद्योग अब भी तकनीक के अग्रिम मोर्चे पर है और दुनिया के बिंदु A से बिंदु B तक जाने के तरीके को बदल रहा है। हमारे हालिया वेबिनार में, Ford Motor Company के लीड डेटा साइंटिस्ट और हमारे कोर्स Credit Risk Modeling in Python के प्रशिक्षक Michael Crabtree कहते हैं कि आज का प्रमुख अंतर यह है कि नवाचार अब विनिर्माण नहीं, बल्कि डेटा साइंस द्वारा संचालित है।

Ford में नवाचार अब डेटा साइंस द्वारा संचालित है—विनिर्माण द्वारा नहीं।

स्मार्ट शहरों के लिए ऑटोमोटिव उद्योग में डेटा साइंस जरूरी है

जिस तरह Model T की निर्माण-क्षमता ने 100 से अधिक वर्ष पहले आम जनता तक गतिशीलता पहुंचाई, उसी तरह आज डेटा साइंस निम्न-आय समुदायों के लिए गतिशीलता का विस्तार कर रहा है। यह स्वामित्व की उच्च लागत के बिना परिवहन को आसानी से सुलभ बनाता है और वर्ग, लिंग, या क्षमता की परवाह किए बिना सभी के लिए इस बदलाव को संभव बना रहा है।

उदाहरण के लिए, अनुकूलन एल्गोरिद्म व्यवसायों को ग्रामीण समुदायों की सेवा के लिए ऊर्जा-कुशल वाहन प्रदान कर सकते हैं—चाहे वह Amazon डिलीवरी हो, प्लंबिंग हो या फूड डिलीवरी। डेटा साइंटिस्ट विश्वसनीयता इंजीनियरों के साथ मिलकर ऐसी गाड़ियाँ भी विकसित कर रहे हैं जो भिन्न-क्षमता वाले समुदायों की सहायता करती हैं।

ये तो कुछ उदाहरण हैं, लेकिन Michael के अनुसार डेटा साइंस के उपयोग के मामले लगभग असीमित हैं, जिनमें से कई अभी खोजे जाने बाकी हैं।

ऑटोमोटिव उद्योग में डेटा के साथ काम करना

ऑटोमोटिव उद्योग की परिपक्वता और व्यापक पहुँच के कारण, कंपनियों के पास डेटा के इर्द-गिर्द पुनर्निर्माण के कई अवसर हैं।

एक अनुप्रयोग अलग-अलग डेटा सिस्टम और डेटा प्रकारों में डेटा के साथ काम करना है। कई डेटा साइंटिस्ट टैबुलर डेटा का उपयोग करने के आदी होते हैं, यानी डेटा तालिका प्रारूप में होता है, Excel जैसा। लेकिन ऑटोमोटिव डेटा साइंटिस्ट के पास काम करने के लिए डेटा की कहीं अधिक विविधता होती है। उदाहरण के लिए, ऑटोमोटिव उद्योग में कच्चा इंस्ट्रुमेंटेशन डेटा आमतौर पर हेक्साडेसिमल अंकों की एक स्ट्रीम के रूप में संग्रहीत होता है। उन्हें इंटेलिजेंस सिस्टम से छवियों और सेंसर पॉइंट क्लाउड्स के रूप में भी डेटा मिल सकता है। और यह समझने के लिए कि कोई स्वायत्त वाहन किसी विशेष तरीके से क्यों व्यवहार करता है और वह अलग-अलग वाहन मॉडलों में कैसे भिन्न होता है, ऑटोमोटिव डेटा साइंटिस्ट पॉइंट क्लाउड्स को इंस्ट्रुमेंटेशन डेटा के साथ संयोजित कर सकता है और उसे तालिकाओं के एक सेट से जोड़ सकता है।

एक और अवसर है वॉल्यूम: Ford में Michael द्वारा बनाया गया सबसे बड़ा डेटाबेस 80 अरब पंक्तियाँ रखता है, और 10 सेकंड से कम में क्वेरी हो जाता है! ऑटोमोटिव उद्योग के भीतर कुछ रियल-टाइम और लेनदेन संबंधी सिस्टम प्रतिदिन 15 करोड़ से अधिक रिकॉर्ड प्रोसेस करते हैं। चूंकि इतना अधिक ऑटोमोटिव डेटा उत्पन्न होता है, बहुत बड़े डेटा क्लस्टर की आवश्यकता होती है। ऑटोमोटिव उद्योग की कई कंपनियों के पास पेटाबाइट (दस लाख गीगाबाइट) रेंज के डेटा क्लस्टर हैं।

ऑटोमोटिव उत्पाद जीवनचक्र के हर चरण में डेटा साइंस शामिल है

डेटा साइंस उत्पाद विकास को आगे बढ़ाती है

किसी वाहन को उपभोक्ता को बेचे जाने से पहले कई चरण होते हैं। ऑटोमोटिव में डेटा साइंस की शुरुआत उत्पाद विकास से होती है। इसका उपयोग नए मॉडल कॉन्फ़िगरेशन का विश्लेषण करने और कंपोनेंट पार्ट की विश्वसनीयता का मॉडलिंग करने जैसे कार्यों के लिए किया जाता है। प्रत्येक चरण में कंपोनेंट बनाकर उन्हें एक अलग-थलग सिस्टम के रूप में परीक्षण करने के बजाय, डेटा साइंस बड़े पैमाने पर सिमुलेशन और विश्लेषण के माध्यम से इस प्रक्रिया को सुदृढ़ करती है।

डेटा साइंस विनिर्माण में उत्कृष्टता लाती है

ऑटोमोटिव डेटा साइंटिस्ट यह भी सुनिश्चित करते हैं कि केवल उच्च-गुणवत्ता वाले वाहन ही बेचे जाएँ। इंजीनियर प्रत्येक वाहन की गुणवत्ता का परीक्षण करने में सक्षम होते हैं, लेकिन यह प्रत्येक वाहन के लिए व्यक्तिगत रूप से करना पड़ता है। डेटा साइंटिस्ट पार्ट्स, सप्लायर, और टेस्ट डेटा की पूरी जनसंख्या का विश्लेषण कर सकते हैं। वे सप्लायर के वित्तीय प्रदर्शन का बारीकी से विश्लेषण करते हैं, पिछले प्रदर्शन को देखते हुए समय पर डिलीवरी की उनकी क्षमता का पूर्वानुमान लगाते हैं, और सप्लायर लोकेशनों की आर्थिक स्थिति जाँचने के लिए रिग्रेशन के साथ इकोनोमेट्रिक्स का उपयोग करते हैं।

डेटा साइंस कनेक्टेड और स्वायत्त वाहनों को आगे बढ़ाती है

आज फ्यूचरिज्म के सबसे गर्म विषयों में से एक है कनेक्टेड और स्वायत्त वाहन, जो डीप लर्निंग मॉडलों और सेंसर फ्यूजन एल्गोरिद्म पर निर्भर करते हैं। इन वाहनों के निर्माण में डेटा साइंस अत्यंत महत्वपूर्ण है: यह तेल-जीवन मॉनिटर, बैटरी चार्ज मॉनिटर, और फुल डायग्नोस्टिक्स इंस्ट्रुमेंटेशन जैसे IoT संकेतकों को क्रियाशील अंतर्दृष्टियों में अनुवाद करने में काम आती है। उदाहरण के लिए, केवल किसी पैदल यात्री का पता लगा लेना पर्याप्त नहीं—सेंसरों को यह भी समझना चाहिए कि वे किस दिशा में चल रहे हैं। सुरक्षा सिस्टम भी महत्वपूर्ण हैं, जिनमें ड्राइवर सुरक्षा और पर्यावरणीय सुरक्षा शामिल हैं।

इन वाहनों के नए कनेक्टेड सिस्टम नई सेवाएँ प्रदान करते हैं—वे अन्य वाहनों, शहरों और इंफ्रास्ट्रक्चर से जुड़ते हैं। और हम इस बाजार की संभावनाओं का अन्वेषण करने के बिलकुल प्रारंभिक चरण में हैं। वैश्विक कनेक्टेड वाहन बाजार 2019 में लगभग \$63 अरब था, और 2027 तक यह बाजार लगभग चार गुना बढ़कर \$225 अरब होने वाला है (Allied Market Research)!

डेटा साइंस स्थिरता पहलों को गति देती है

स्थिरता सभी ऑटोमोटिव निर्माताओं के लिए अत्यंत महत्वपूर्ण है। सरकारें ईंधन दक्षता के लक्ष्य तय करती हैं, लेकिन प्रत्येक ऑटो कंपनी के अपने लक्ष्य होते हैं। और प्रत्येक वाहन की ईंधन दक्षता अलग होती है, इसलिए किसी कंपनी की पूरी वाहन श्रृंखला की ईंधन दक्षता को अनुकूलित करने के लिए डेटा साइंस आवश्यक है। इसलिए यदि कोई कंपनी अपने उत्पाद लाइन में एक बड़े ईंधन-खपत वाले पिकअप ट्रक और एक इलेक्ट्रिक कार—दोनों—प्रस्तावित करना चाहती है, तो ऑटोमोटिव डेटा साइंटिस्ट पूरी फ्लीट की ईंधन खपत को न्यूनतम करने के लिए अनुकूलन कर सकते हैं, जबकि कंपनी के वैश्विक बिक्री लक्ष्यों का पालन भी करते हैं। अनुकूलन प्रयास ऑटो निर्माताओं को ईंधन दक्षता के लिए सरकारी क्रेडिट का दावा करने की अनुमति दे सकते हैं। इसका तिहरा लाभ है—पर्यावरण के लिए अच्छा, ग्राहकों को अधिक मूल्य प्रदान करना, और संभावित आय का स्रोत खोलना।

ऑटोमोटिव में डेटा साइंस के अन्य उपयोग मामले

हमने जिन बातों का उल्लेख किया है, उसके अलावा भी, डेटा साइंस ऑटोमोटिव लाइफसाइकल के कई अन्य चरणों को प्रभावित करती है। मार्केटिंग और बिक्री में, डेटा साइंस ग्राहक गतिशीलता और चर्न का पूर्वानुमान लगाती है। सेवा और ग्राहक एनालिटिक्स में, डेटा साइंस खरीद के बाद ग्राहक अनुभव में सुधार करती है और उत्पाद गुणवत्ता में उन्नयन लाती है। यह जानने के लिए कि डेटा साइंस ऑटोमोटिव के भविष्य को कैसे आगे बढ़ा रही है, और अधिक उपयोग मामलों में गहराई से उतरने के लिए, Michael का ऑन-डिमांड वेबिनार देखें।