Model T của Ford Motor Company lần đầu được chế tạo vào năm 1908 và bền bỉ theo thời gian nhờ chi phí thấp, độ bền, tính đa dụng và dễ bảo dưỡng. Mẫu xe này được ghi nhận là đã “đưa thế giới lên bánh xe,” mở rộng khả năng di chuyển toàn cầu thông qua hiệu quả sản xuất với mức giá mà người tiêu dùng phổ thông có thể chi trả.
Ngày nay, ngành công nghiệp ô tô vẫn đi đầu về công nghệ và đang thay đổi cách thế giới di chuyển từ điểm A đến điểm B. Trong hội thảo trực tuyến gần đây, Michael Crabtree, Trưởng nhóm Khoa học Dữ liệu tại Ford Motor Company và giảng viên khóa học Mô hình hóa rủi ro tín dụng bằng Python của chúng tôi, cho biết điểm khác biệt then chốt là đổi mới hiện nay được thúc đẩy bởi khoa học dữ liệu, không phải sản xuất.
Đổi mới tại Ford hiện nay được dẫn dắt bởi khoa học dữ liệu—không phải sản xuất.
Các thành phố thông minh cần khoa học dữ liệu trong ngành ô tô
Tương tự như cách khả năng mở rộng sản xuất của Model T đã mang lại khả năng di chuyển cho số đông hơn 100 năm trước, khoa học dữ liệu ngày nay đang mở rộng khả năng di chuyển cho các cộng đồng thu nhập thấp. Nó giúp tiếp cận phương tiện di chuyển dễ dàng mà không cần chi phí sở hữu cao và đang thúc đẩy sự thay đổi này cho tất cả mọi người, bất kể tầng lớp, giới tính hay khả năng.
Chẳng hạn, các thuật toán tối ưu hóa có thể cung cấp cho doanh nghiệp những phương tiện tiết kiệm năng lượng để phục vụ cộng đồng nông thôn cho mọi nhu cầu, từ giao hàng Amazon đến sửa ống nước và giao đồ ăn. Các nhà khoa học dữ liệu cũng đang hợp tác với kỹ sư độ tin cậy để sản xuất những chiếc xe hỗ trợ các cộng đồng có khả năng khác biệt.
Đó chỉ là vài ví dụ; Michael cho biết có gần như vô số trường hợp sử dụng cho khoa học dữ liệu, và nhiều lĩnh vực vẫn chưa được khám phá.
Làm việc với dữ liệu trong ngành ô tô
Nhờ sự trưởng thành và độ phủ rộng của ngành ô tô, có rất nhiều cơ hội để các công ty tái xây dựng quanh dữ liệu.
Một ứng dụng là làm việc với dữ liệu trên các hệ thống và loại dữ liệu khác nhau. Nhiều nhà khoa học dữ liệu quen thuộc với dữ liệu dạng bảng, nghĩa là dữ liệu ở định dạng bảng, tương tự Excel. Nhưng các nhà khoa học dữ liệu trong ngành ô tô có phạm vi dữ liệu đa dạng hơn nhiều để xử lý. Ví dụ, dữ liệu đo đạc thô trong ngành ô tô thường được lưu dưới dạng dòng các chữ số thập lục phân. Họ cũng có thể gặp dữ liệu từ các hệ thống thông minh dưới dạng hình ảnh và đám mây điểm cảm biến. Và để hiểu vì sao một chiếc xe tự hành lại có hành vi nhất định và sự khác biệt đó giữa các mẫu xe, một nhà khoa học dữ liệu ô tô có thể kết hợp đám mây điểm với dữ liệu đo đạc và nối với một tập bảng.
Một cơ hội khác là về khối lượng: Cơ sở dữ liệu lớn nhất mà Michael đã tạo tại Ford chứa 80 tỷ dòng và truy vấn trong chưa đầy 10 giây! Một số hệ thống thời gian thực và giao dịch trong ngành ô tô xử lý hơn 150 triệu bản ghi mỗi ngày. Vì tạo ra quá nhiều dữ liệu ô tô, cần các cụm dữ liệu rất lớn. Nhiều công ty trong ngành ô tô có cụm dữ liệu ở mức petabyte (một triệu gigabyte).
Khoa học dữ liệu tham gia vào mọi bước của vòng đời sản phẩm ô tô
Khoa học dữ liệu thúc đẩy phát triển sản phẩm
Có rất nhiều bước trước khi một chiếc xe có thể được bán cho người tiêu dùng. Khoa học dữ liệu trong ngành ô tô bắt đầu từ khâu phát triển sản phẩm. Khoa học dữ liệu được dùng cho các nhiệm vụ như phân tích cấu hình mẫu xe mới và mô hình hóa độ tin cậy của linh kiện. Thay vì xây dựng linh kiện và kiểm thử ở mỗi giai đoạn như một hệ thống riêng lẻ, khoa học dữ liệu bổ trợ quy trình thông qua mô phỏng và phân tích ở quy mô lớn.
Khoa học dữ liệu thúc đẩy sự xuất sắc trong sản xuất
Các nhà khoa học dữ liệu ô tô cũng đảm bảo chỉ những chiếc xe chất lượng cao mới được bán ra. Dù các kỹ sư có thể kiểm tra chất lượng từng xe, việc này phải thực hiện riêng cho từng chiếc. Các nhà khoa học dữ liệu có thể phân tích toàn bộ quần thể linh kiện, nhà cung cấp và dữ liệu thử nghiệm. Họ phân tích kỹ hiệu quả tài chính của nhà cung cấp, dự đoán khả năng giao hàng đúng hạn dựa trên hiệu suất trong quá khứ, và sử dụng kinh tế lượng với hồi quy để kiểm tra điều kiện kinh tế tại các địa điểm của nhà cung cấp.
Khoa học dữ liệu thúc đẩy xe kết nối và tự hành
Một trong những chủ đề nóng hiện nay là xe kết nối và tự hành, vốn dựa vào các mô hình học sâu và thuật toán hợp nhất cảm biến. Khoa học dữ liệu rất quan trọng để xây dựng những chiếc xe này: Nó được dùng để chuyển các chỉ báo IoT như theo dõi tuổi thọ dầu, theo dõi sạc pin và bộ đo đạc chẩn đoán đầy đủ thành thông tin chi tiết có thể hành động. Ví dụ, chỉ phát hiện người đi bộ là chưa đủ—các cảm biến phải phân định được họ đang đi về đâu. Cũng quan trọng không kém là các hệ thống an toàn, bao gồm bảo vệ người lái và an toàn môi trường.
Các hệ thống kết nối mới cho những chiếc xe này cung cấp các dịch vụ mới—chúng kết nối với các phương tiện khác, thành phố và cơ sở hạ tầng. Và chúng ta mới chỉ ở giai đoạn khởi đầu khám phá tiềm năng của thị trường này. Thị trường xe kết nối toàn cầu khoảng 63 tỷ USD vào năm 2019, và dự kiến gần như tăng gấp bốn lần lên 225 tỷ USD vào năm 2027 (Allied Market Research)!
Khoa học dữ liệu thúc đẩy các sáng kiến bền vững
Tính bền vững rất quan trọng đối với mọi nhà sản xuất ô tô. Chính phủ đặt mục tiêu về hiệu suất nhiên liệu, nhưng mỗi hãng xe có mục tiêu riêng. Và mỗi mẫu xe có mức tiết kiệm nhiên liệu khác nhau, vì vậy khoa học dữ liệu là cần thiết để tối ưu hiệu suất nhiên liệu cho toàn bộ dòng xe của một công ty. Do đó, nếu một công ty muốn cung cấp cả xe bán tải cỡ lớn tiêu tốn nhiên liệu và xe điện trong danh mục sản phẩm, các nhà khoa học dữ liệu ô tô có thể thực hiện tối ưu hóa để giảm thiểu mức tiêu thụ nhiên liệu của toàn bộ đội xe trong khi vẫn tuân thủ mục tiêu doanh số toàn cầu của công ty. Nỗ lực tối ưu hóa có thể giúp nhà sản xuất ô tô nhận tín chỉ của chính phủ về hiệu suất nhiên liệu. Điều này mang lại lợi ích ba mặt: tốt cho môi trường, gia tăng giá trị cho khách hàng và mở ra nguồn thu tiềm năng.
Các trường hợp sử dụng khác của khoa học dữ liệu trong ô tô
Ngoài những điều đã đề cập, khoa học dữ liệu còn tác động đến rất nhiều giai đoạn khác trong vòng đời ô tô. Trong marketing và bán hàng, khoa học dữ liệu dự đoán chuyển động của khách hàng và rời bỏ dịch vụ. Trong dịch vụ và phân tích khách hàng, khoa học dữ liệu cải thiện trải nghiệm sau mua và nâng cao chất lượng sản phẩm. Để tìm hiểu sâu hơn về các trường hợp sử dụng cho cách khoa học dữ liệu đang định hình tương lai ngành ô tô, xem hội thảo theo yêu cầu của Michael.
