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,我们从生产和探索AI软件在汽车工业中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进汽车制造商用来制造汽车和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。

计算机视觉在工厂层面也有很多应用。这包括生产过程中的质量控制。工厂可以利用这种类型的软件来检测已生产汽车的缺陷或不一致之处,并在新车上市前指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。

等公司重新思考机器人正在创造能够响应人类导师并向其学习的协作机器人。与机器人一起工作的人可以引导机器人手臂完成一项任务,这可以有效地“教”机器人正确地拿东西,驱动螺丝,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激增,这将允许他们相应地计划他们的材料采购。

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。

应该指出的是,这些数据不能仅仅通过一个人的供应链或制造链来获取。如果没有与更面向客户的公司合作,制造商可能根本无法获取一些数据。

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。

机器学习还可以用于确定特定客户的乘车分配。一个算法可以为每个客户确定最方便的驱动程序选择。这将集中在尽量缩短等待时间,避免让司机让路,让其他司机更容易选择。

共享移动服务还可以使用预测分析来创建基于交通流数据的路由算法。这可能包括对时间敏感的交通流量数据,如城市不同地区高峰时段的交通水平,或来自汽车事故或道路作业绕道等紧急事件的数据。

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来安排车辆的维护。物联网传感器很可能被用于检测磨损和汽车故障的概率,公司可以根据这些数据决定哪些汽车需要优先维护。

Zipcar商店和站点还可以提供客户交易数据,这可能有助于发现为什么汽车需要比平时更快地维护。如果客户在车上或车内弄坏了什么东西,这些信息将与交易收据一起存储,为公司提供更多信息以确定维修优先级。

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。

寻找这些信息最有效的人工智能应用可能是预测分析,因为它能够从不同来源的数据点确定可能的结果。通过这种方式,软件可以处理来自电子远程信息传感器和数字数据库的信息。

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。

共享移动服务的客户数据也可能揭示制造商的充电基础设施存在的问题,比如用户界面不友好或容易出现故障。关于此类故障的更多信息还可以来自物联网传感器,这些传感器可以检测到插入汽车或与设备交互时的振动。

电动汽车的设计本身可能会引起制造商的关注,因为他们希望根据过去的生产和销售经验来创造新的电动汽车。来自第三方和合作的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

预测分析和计算机视觉在汽车保险领域都有使用案例,许多向保险行业销售产品的人工智能供应商都对它们进行了探索,并推动了业务价值。Nexar和TrueMotion等公司使用仪表盘摄像头、智能手机摄像头和物联网传感器来检测汽车何时运动。

在行驶过程中,与计算机视觉软件结合的摄像头可以检测到道路上的其他物体、汽车突然刹车时的艰难刹车,以及任何事故。所有这些可能会影响保险免赔额或保费,因此,这些视频可以与保险公司共享,以便他们可以相应地调整司机的保险。

机器视觉除了可以检测个人乘车情况以查找事故信息外,还可以用于确定驾驶事故对汽车造成的损害。某些解决方案允许用户从损坏的汽车周围上传图像,软件可以检测损坏的严重程度,并提供修复成本的估算。

在这些情况下,图像和估计数还会与人类保险代理共享,以获得批准。在确认客户的索赔之前,他们可以查看计算机视觉结果,并自己查看损坏的图片。与让保险代理人自行分析汽车损坏相比,这将创造一个更快、更彻底的承保过程。

这样的公司truemotion.与保险公司合作,通过人工智能改善其远程保险调整解决方案。他们已经开发了一种应用程序,可以检测驾驶习惯和困难的刹车,但也努力使其与进步保险公司现有的ODB车载信息处理设备兼容。

在智能手机成为主流之前,他们的远程信息处理设备被称为“渐进快照”(Progressive Snapshot),具有许多相同的功能。现在,这仍然是他们快照服务的一部分,以防客户没有智能手机或不希望他们的手机与Progressive连接。Progressive现在从他们的ODB telematics设备以及TrueMotion驱动的Progressive Snapshot应用程序用户的智能手机上收集保险调整数据。

自动驾驶汽车和人工智能驾驶助手

的主题自驾在关于汽车行业人工智能用例的讨论中,汽车技术似乎无处不在。英伟达(NVIDIA)、特斯拉(Tesla)和谷歌Waymo等公司仍在致力于提供全自动驾驶汽车,同时争取公众的信任,最终使这项技术在美国合法化。

自动驾驶汽车最常用计算机视觉来检测物体、街灯和行人。然而,它们也利用雷达频率和激光雷达,激光雷达是一种使用与雷达相同的工作原理的激光测距系统。这使得汽车背后的机器学习算法能够检测到不同物体与汽车的距离,如其他车辆、行人,以及弯道标志或交通锥等障碍物。

在完全自动驾驶成为主流之前,司机可能会习惯人工智能辅助驾驶,这是一种利用机器视觉检测司机在路上活动的应用。

人工智能驾驶助理程序可以帮助确保驾驶员安全对于那些希望保证客户安全和负责任的保险公司来说,它可能是最有潜力的价值。

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 bolstromVeoneer负责研究、创新和知识产权的副总裁表示,“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,在司机低头看包或看手机屏幕阅读短信时,向司机发出声音警报。

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

发现在未来商业中区分赢家和输家的关键AI趋势和应用。

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
走在机器学习曲线的前面

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的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。