Come viene utilizzata la data science in ogni fase del ciclo di vita automotive

La Model T della Ford Motor Company fu costruita per la prima volta nel 1908 e rimase a lungo sul mercato grazie al basso costo, alla robustezza, alla versatilità e alla facilità di manutenzione. È accreditata di aver “ messo il mondo su quattro ruote”, portando la mobilità su scala globale grazie a efficienze produttive a un prezzo accessibile al consumatore medio.

Oggi il settore automotive è ancora all’avanguardia della tecnologia e sta trasformando il modo in cui il mondo si sposta dal punto A al punto B. Nel nostro webinar recente, Michael Crabtree, Lead Data Scientist in Ford Motor Company e docente del corso Credit Risk Modeling in Python, afferma che la differenza chiave è che oggi l’innovazione è guidata dalla data science, non dalla manifattura.

L’innovazione in Ford oggi è guidata dalla data science—non dalla manifattura.

Le smart city richiedono la data science nel settore automotive

Così come la scalabilità produttiva della Model T portò la mobilità alle masse oltre 100 anni fa, oggi la data science sta ampliando la mobilità per le comunità a basso reddito. Rende i trasporti facilmente accessibili senza l’alto costo di proprietà e sta facilitando questo cambiamento per tutti, indipendentemente da classe, genere o abilità.

Per esempio, gli algoritmi di ottimizzazione possono fornire alle aziende veicoli a basso consumo energetico per servire le comunità rurali, dalle consegne Amazon agli interventi idraulici e al food delivery. I data scientist collaborano anche con gli ingegneri di affidabilità per produrre veicoli che assistano le comunità con disabilità.

Questi sono solo un paio di esempi, ma Michael afferma che i casi d’uso per la data science sono quasi infiniti, e molti devono ancora essere esplorati.

Lavorare con i dati nel settore automotive

A causa della maturità e dell’ampia portata del settore automotive, esistono molte opportunità per le aziende di ricostruire intorno ai dati.

Una prima applicazione è lavorare con dati attraverso diversi sistemi e tipologie. Molti data scientist sono abituati ai dati tabellari, cioè dati in formato tabella, simile a Excel. Ma i data scientist dell’automotive hanno a disposizione una varietà di dati molto più ampia. Per esempio, i dati grezzi di strumentazione nel settore automotive sono spesso archiviati come flussi di cifre esadecimali. Possono anche imbattersi in dati provenienti da sistemi di intelligenza sotto forma di immagini e point cloud di sensori. E per capire perché un veicolo autonomo si comporta in un certo modo e come questo vari tra modelli, un data scientist automotive potrebbe combinare point cloud con dati di strumentazione e unirli a un insieme di tabelle.

Un’altra opportunità riguarda il volume: il più grande database che Michael ha creato in Ford contiene 80 miliardi di righe e risponde a query in meno di 10 secondi! Alcuni sistemi in tempo reale e transazionali del settore automotive elaborano oltre 150 milioni di record al giorno. Poiché si generano tantissimi dati, servono cluster molto grandi. Molte aziende del settore hanno cluster di dati nell’ordine dei petabyte (un milione di gigabyte).

La data science è coinvolta in ogni fase del ciclo di vita del prodotto automotive

La data science guida lo sviluppo prodotto

Ci sono molti passaggi prima che un veicolo possa essere venduto a un consumatore. La data science nell’automotive inizia con lo sviluppo del prodotto. Viene usata per attività come l’analisi delle nuove configurazioni di modello e la modellazione dell’affidabilità dei componenti. Invece di costruire i componenti e testarli a ogni fase come sistemi isolati, la data science integra il processo con simulazioni e analisi su larga scala.

La data science promuove l’eccellenza produttiva

I data scientist automotive garantiscono anche che vengano venduti solo veicoli di alta qualità. Sebbene gli ingegneri possano testare la qualità di ciascun veicolo, questo deve essere eseguito singolarmente per ogni unità. I data scientist possono analizzare l’intera popolazione di componenti, fornitori e dati di test. Analizzano da vicino le performance finanziarie dei fornitori, prevedono la loro capacità di consegnare puntualmente in base alle prestazioni passate e utilizzano l’econometria con regressioni per verificare le condizioni economiche dei luoghi in cui hanno sede i fornitori.

La data science spinge veicoli connessi e autonomi

Uno degli argomenti più caldi del futurismo oggi è quello dei veicoli connessi e autonomi, che si basano su modelli di deep learning e algoritmi di sensor fusion. La data science è cruciale per costruire questi veicoli: viene usata per tradurre indicatori IoT come monitor dell’olio, monitor di carica della batteria e strumenti diagnostici completi in insight azionabili. Per esempio, non basta rilevare un pedone—i sensori devono saper discernere dove stia camminando. Sono inoltre fondamentali i sistemi di sicurezza, inclusa la protezione del conducente e la sicurezza ambientale.

I nuovi sistemi connessi di questi veicoli offrono nuovi servizi: si connettono con altri veicoli, con le città e con le infrastrutture. E siamo solo alle fasi iniziali nell’esplorare il potenziale di questo mercato. Il mercato globale dei veicoli connessi valeva circa \$63 miliardi nel 2019 e dovrebbe quasi quadruplicare fino a \$225 miliardi entro il 2027 (Allied Market Research)!

La data science sostiene le iniziative di sostenibilità

La sostenibilità è molto importante per tutti i costruttori automobilistici. I governi fissano obiettivi di efficienza dei consumi, ma ogni casa automobilistica ha i propri traguardi. E ogni veicolo ha un’efficienza diversa, quindi la data science è necessaria per ottimizzare l’efficienza dell’intera gamma di veicoli di un’azienda. Così, se un’azienda vuole offrire sia un grande pickup assetato di carburante sia un’auto elettrica nella propria linea, i data scientist automotive possono eseguire un’ottimizzazione per minimizzare i consumi dell’intera flotta rispettando al contempo gli obiettivi di vendita globali dell’azienda. Gli sforzi di ottimizzazione possono consentire ai costruttori di ottenere crediti governativi per l’efficienza dei consumi. Ciò ha un triplice vantaggio: fa bene all’ambiente, offre più valore ai clienti e apre una potenziale fonte di reddito.

Altri casi d’uso della data science nell’automotive

Oltre a quanto già menzionato, la data science influisce su molte altre fasi del ciclo di vita automotive. In marketing e vendite, la data science prevede i movimenti dei clienti e il churn. Nei servizi e nelle analisi dei clienti, migliora l’esperienza post-acquisto e apporta miglioramenti alla qualità del prodotto. Per approfondire i casi d’uso su come la data science stia guidando il futuro dell’automotive, guarda on-demand il webinar di Michael.