999久久66久6只有精品,av网在线观看网

要為智能工廠定義一個經(jīng)得起未來考驗(yàn)的基礎(chǔ)架構(gòu)，我們必須從了解汽車制造業(yè)的未來開始。未來的汽車及其生態(tài)系統(tǒng)和生命周期將定義其基礎(chǔ)設(shè)施需求。

近年來，汽車電子含量的急劇增長正推動汽車行業(yè)發(fā)生重大變革。雖然高級駕駛輔助系統(tǒng)和自動駕駛（ADAS/AD）開發(fā)一直是一個主要焦點(diǎn)，但隨主機(jī)廠尋求更環(huán)保的內(nèi)燃機(jī)替代品，車輛動力傳動系統(tǒng)的電氣化變得非常重要。與此同時，車輛網(wǎng)聯(lián)、5G可用性都出現(xiàn)了前所未有的增長。而這場大流行告訴我們，傳統(tǒng)的準(zhǔn)時制造方法不一定適用于半導(dǎo)體的時候，所有這些因素都在推動每輛車中的半導(dǎo)體含量更高。

但令人興奮的是，車載電子設(shè)備和24×7連接性帶來了新的機(jī)遇——從提高制造質(zhì)量到增強(qiáng)客戶體驗(yàn)，甚至是新的收入來源（其中一些還沒有被發(fā)現(xiàn)）。一個常見的線索是數(shù)據(jù)。無疑，數(shù)據(jù)為王。無論是從智能工廠還是從客戶的網(wǎng)聯(lián)車輛中，供應(yīng)商對實(shí)時數(shù)據(jù)的訪問越多，受益的機(jī)會就越多。但前提是公司準(zhǔn)備好對其進(jìn)行利用。

主要車載電子電氣系統(tǒng)挑戰(zhàn)

汽車供應(yīng)鏈和汽車制造商尤其注重開發(fā)經(jīng)得起未來考驗(yàn)且靈活的E/E系統(tǒng)架構(gòu)，此種架構(gòu)可輕松適配車輛迭代的功能與要求。

要了解各企業(yè)正不遺余力地轉(zhuǎn)向軟件定義的汽車，我們只需看看當(dāng)今道路上的一些最新豪華汽車。正如博世所指出的，豪華車擁有100多個ECU（電控單元）的情況并不少見。每個ECU都有自己的軟件，許多汽車的軟件內(nèi)容已超數(shù)千萬行代碼。業(yè)內(nèi)專業(yè)人士估計，一輛完全自動駕駛汽車可以將軟件內(nèi)容增加到近5億行代碼?？纯唇裉霢DAS解決方案是如何構(gòu)建的，就容易理解公司為何紛紛轉(zhuǎn)向軟件定義的汽車。

大家熟知的SAE（汽車工程師協(xié)會）將汽車自動化分為6個級別，其中SAE L0級為非自動化級別，SAE L5級為全自動化級別。當(dāng)今道路上最先進(jìn)的汽車是SAE L2級。SAE L3級汽車剛剛開始嶄露頭角。如果我們仔細(xì)觀察這些汽車，就會發(fā)現(xiàn)引擎蓋下看到的是多個ADAS子系統(tǒng)（盲點(diǎn)檢測、行人檢測、自適應(yīng)巡航控制等），這些子系統(tǒng)相互連接，構(gòu)筑了高級功能。自助泊車是一個結(jié)合了多個子系統(tǒng)的明顯例子。這里的問題是，通常每個子系統(tǒng)都有自己的ECU和軟件。當(dāng)您將它們互連時，將添加另一個ECU，然后必須編寫軟件來執(zhí)行“傳感器融合”，這使多個傳感器能夠協(xié)同工作。如果我們觀察傳感器，許多傳感器也有自己的ECU。使情況進(jìn)一步復(fù)雜化的是，在典型的車輛中使用了多種總線標(biāo)準(zhǔn)。所有這些加起來，就有了一個非常復(fù)雜的安全關(guān)鍵系統(tǒng)，很難進(jìn)行調(diào)試與維護(hù)。

不同自動化級別ADAS/AD數(shù)據(jù)管理情況

對于SAE L5級別，我們必須捕獲多個EB的數(shù)據(jù)，且需要數(shù)百個CPU內(nèi)核和數(shù)千個GPU來進(jìn)行測試。所有這些數(shù)據(jù)都必須存儲幾十年。

因此，這就引出了面向未來的車載架構(gòu)。通過轉(zhuǎn)向面向服務(wù)的架構(gòu)(SOA)，其中只有一個（或幾個）ECU，維護(hù)車輛變得非常容易。本質(zhì)上，未來的汽車就像一部手機(jī)——所有的硬件都是預(yù)裝的，你所需要做的就是下載一個APP來啟用它。仔細(xì)想想，這并不是什么新鮮事?，F(xiàn)在很多汽車都預(yù)裝了先進(jìn)硬件，你只需購買訂閱軟件服務(wù)（也許還需要下載一些更新）。未來的汽車將和手機(jī)非常相似，但您將購買和下載高級功能，例如緊急制動、盲點(diǎn)監(jiān)控，甚至完全自主。讓主機(jī)廠OEM興奮的是，這可以創(chuàng)造新的收入來源，比如租賃功能。對客戶來說，同樣令人興奮。不難想象，不經(jīng)常開車的客戶，因此不需要完全自動駕駛（或是無力購買）。但該客戶可能有興趣購買“在周末”使用這款車的服務(wù)，以便駕車休閑出行往返。這意味著OEM收入的增加，同時也為客戶帶來了良好的體驗(yàn)。

值得注意的是， 7×24聯(lián)網(wǎng)確實(shí)拓展了汽車制造商加強(qiáng)服務(wù)的機(jī)會?？梢詫?shí)時分析來自車輛的遙測數(shù)據(jù)，以預(yù)測零件故障，經(jīng)銷商可在災(zāi)難性事件發(fā)生之前告知客戶。同樣，利用歷史駕駛數(shù)據(jù)，可以有選擇地提供延長的維護(hù)合同。此外，遙測數(shù)據(jù)可以傳輸回智能工廠。預(yù)測質(zhì)量，使用實(shí)時數(shù)據(jù)流和歷史數(shù)據(jù)預(yù)測零件在制造過程中何時會出現(xiàn)故障的預(yù)測質(zhì)量，可以擴(kuò)展到在制造過程中預(yù)測零件裝運(yùn)和實(shí)際使用后會出現(xiàn)的故障。這在提高質(zhì)量的同時降低了保修成本。聯(lián)網(wǎng)（Connectivity）是新收入源的機(jī)會，因?yàn)槠囍圃焐炭梢酝ㄟ^提供新的數(shù)據(jù)驅(qū)動服務(wù)來增加收入。汽車的保養(yǎng)就是一個明顯的例子。另一種可能是根據(jù)司機(jī)歷史記錄和實(shí)時位置推送餐飲、超市等的優(yōu)惠券。事實(shí)是，未來只要是提供數(shù)據(jù)的地方，就有機(jī)會從中獲利。

這就引出了對未來數(shù)據(jù)中心的需求。如今，在ADAS/AD開發(fā)方面經(jīng)驗(yàn)豐富的公司知道，需要仔細(xì)規(guī)劃以管理AI算法設(shè)計和驗(yàn)證所需收集的大量傳感器數(shù)據(jù)。經(jīng)驗(yàn)表明，典型的SAE L2級車輛需要5-10 PB的容量。L3級將該要求提高到50-100+ PB。業(yè)內(nèi)人士預(yù)測L5級存儲要求將以EB為單位。各主機(jī)廠必須仔細(xì)考慮如何為ADAS/AD構(gòu)建數(shù)據(jù)中心。

在智能工廠中，有預(yù)測性質(zhì)量和預(yù)測性維護(hù)等功能。在今天的典型工廠中，零件貫穿于生產(chǎn)的各個階段，每個階段結(jié)束時都會進(jìn)行質(zhì)量檢查。盡管我們盡了最大努力，一些通過所有上游檢查的零件最終仍將出現(xiàn)故障。當(dāng)檢查遺漏的零件中存在不太明顯的缺陷時，就會發(fā)生這種情況——通常是因?yàn)樗麄儾恢廊绾巍⒃谀睦锘驗(yàn)槭裁匆檎疫@些缺陷。這就是人工智能的力量發(fā)揮作用的地方。

為了部署人工智能，首先必須在整個工廠收集大量數(shù)據(jù)——我們通常用于檢查的所有典型數(shù)據(jù)（例如：加工零件公差、芯片診斷），以及不太明顯的數(shù)據(jù)（相對濕度、空氣溫度、電源線噪聲、地板和/或機(jī)器振動、聲學(xué)數(shù)據(jù)、焊接源、零件圖像等），還跟蹤零件故障。然后對數(shù)據(jù)進(jìn)行分析，并使用人工智能算法預(yù)測零件何時會失效。例如，可以確定，每當(dāng)焊料溫度處于最高溫度帶、氣壓較低且附近的鉆床產(chǎn)生過大的地板振動時，表面貼裝芯片將出現(xiàn)焊料裂紋。有了這些知識，這些零件可以在完全組裝之前被拒收（并采取糾正措施）。預(yù)測性維護(hù)非常相似（除了算法正在分析制造車間設(shè)備），對于上述示例，預(yù)測在過度振動導(dǎo)致零件故障和臨時工廠中斷之前，需要更換鉆床中的鉆頭。

智能工廠與ADAS/AD開發(fā)非常相似，兩者都依賴人工智能，并依賴大量數(shù)據(jù)來推進(jìn)人工智能算法的訓(xùn)練和不斷完善。盡管智能工廠不會生成ADAS/AD級別的數(shù)據(jù)，但在采集成像數(shù)據(jù)時，仍然可以生成PB級的數(shù)據(jù)。表面貼裝芯片安裝是一個例子，其中成像用于跟蹤直接影響質(zhì)量的芯片精確對準(zhǔn)。

因此，工廠數(shù)據(jù)中心的規(guī)模有望持續(xù)擴(kuò)大。現(xiàn)在，增加數(shù)十萬輛網(wǎng)聯(lián)車輛，每輛車都在路上通過5G、24×7將數(shù)據(jù)流回到工廠，很明顯，總數(shù)據(jù)量保持增長。對于智能工廠，遙測技術(shù)可用于將預(yù)測質(zhì)量擴(kuò)展到車輛。存儲需求再次增長。調(diào)查表明，一個經(jīng)得起未來考驗(yàn)的數(shù)據(jù)中心也很重要。如今，沒有人愿意投資于大量的基礎(chǔ)設(shè)施，后來才意識到基礎(chǔ)設(shè)施無法擴(kuò)展——幾年后被迫進(jìn)行升級。這就是為什么業(yè)界正在尋找一種經(jīng)得起未來考驗(yàn)的基礎(chǔ)架構(gòu)，它能夠適應(yīng)數(shù)據(jù)并隨著數(shù)據(jù)的增長而增長。

主機(jī)廠已經(jīng)看到了PBs數(shù)據(jù)的指數(shù)級增長，通過經(jīng)驗(yàn)，他們深知一個卓越的基礎(chǔ)架構(gòu)不僅僅是大規(guī)模存儲。未來的架構(gòu)必須提供一致的高性能，以同時為數(shù)百個GPU和數(shù)千個CPU提供算法開發(fā)和驗(yàn)證，即使它們的ADAS/AD基礎(chǔ)設(shè)施多年來不斷擴(kuò)展。相同的基礎(chǔ)架構(gòu)必須包括硬件和軟件，兩者都支持數(shù)據(jù)存儲和管理。例如，傳感器數(shù)據(jù)必須編入索引——數(shù)據(jù)科學(xué)家必須能夠?qū)ζ溥M(jìn)行搜索。這種以人工智能為中心的基礎(chǔ)設(shè)施架構(gòu)很容易適應(yīng)未來的智能工廠，而智能工廠本身就是以人工智能為中心的。

值得注意的是，雖然用于AI開發(fā)的數(shù)據(jù)獲取和維護(hù)的基礎(chǔ)設(shè)施是必不可少的，但如果數(shù)據(jù)科學(xué)家沒有使用它的工具，也是無用的。車企可以自動化數(shù)據(jù)管理和工具流編排前提下，讓數(shù)據(jù)科學(xué)家將時間集中在他們最擅長的方面——AI算法設(shè)計。

在未來的汽車智能工廠中，重點(diǎn)將放在連通性上，智能工廠本身將延伸到客戶端；實(shí)現(xiàn)預(yù)測性質(zhì)量和預(yù)測性維護(hù)，以利用后期生產(chǎn)數(shù)據(jù)。未來的智能工廠也將向后擴(kuò)展，以囊括供應(yīng)商。供應(yīng)鏈本身將連接起來，并在車輛使用周期內(nèi)保持互聯(lián)。