Introduction au diagnostic automobile « AI » et aux techniciens « AI »
Le processus de diagnostic et de dépannage des véhicules est un domaine crucial qui peut grandement bénéficier d’une optimisation fondée sur l’ AI. Les véhicules modernes sont plus complexes que jamais, certains comportant jusqu’à 1 400 puces informatiques; ainsi, donner les moyens d’agir tant aux ingénieurs automobiles pendant la phase de préproduction qu’aux techniciens des services de réparation automobile après la production peut apporter des avantages significatifs tant aux constructeurs automobiles qu’aux consommateurs. L'utilisation d'outils d'AI s dans le diagnostic automobile n'est plus un concept futuriste, mais une réalité capable d'apporter une réelle valeur ajoutée aux équipementiers et à leurs concessionnaires. Bien que le diagnostic automobile ait évolué grâce à l'intégration de systèmes d'AI , permettant une identification plus rapide et plus précise des problèmes du véhicule, cette technologie n'en est encore qu'à ses débuts.
Dans cet article, nous examinons comment les modèles d’ AI s peuvent permettre aux équipementiers de créer des « techniciensAI » ou des « diagnostics de véhiculesAI » qui, aux côtés des ingénieurs et des mécaniciens humains, peuvent transformer le secteur automobile en offrant des diagnostics plus intelligents, des délais d’intervention plus courts, un meilleur service automobile et une satisfaction client accrue. Cela promet également de rendre possible la maintenance prédictive afin d’éviter les problèmes avant qu’ils ne surviennent. Le potentiel de l’AIdans ce domaine devrait connaître une croissance rapide au cours des prochaines années.
Quelles sont les limites des approches diagnostiques traditionnelles ?
L’approche traditionnelle du diagnostic et du dépannage automobile présente des limites évidentes. Autrefois, la réparation automobile relevait presque de l’art, et l’expertise du technicien était primordiale. Cependant, les véhicules modernes sont devenus plus complexes, avec de nombreux modules de commande électroniques interconnectés et une quantité croissante de logiciels, et les méthodes de diagnostic traditionnelles ne suffisent plus toujours. Le nombre de manuels techniques nécessaires pour comprendre pleinement un véhicule moderne, associé à la complexité des historiques de réparation, fait que le diagnostic est plus long et plus difficile que jamais. L'intuition qui distinguait autrefois un mécanicien expert s'avère aujourd'hui souvent erronée ou moins utile. Les coûts d'entretien automobile ont explosé, rendant le processus de réparation inefficace et entraînant souvent des réparations inutiles, dues à une méthode d'essais et d'erreurs visant à déterminer la nature exacte du problème et la manière de le résoudre correctement.
Les méthodes de diagnostic traditionnelles peuvent présenter des limites à bien des égards :
- Se fier à des lecteurs de codes ou à des outils de diagnostic basiques, qui ne fournissent qu'une analyse limitée des codes d'erreur, pour rechercher la cause d'un dysfonctionnement signalé par le voyant « Check Engine » peut s'avérer chronophage et source d'erreurs.
- Des approches empiriques, fondées sur une « intuition », qui peuvent conduire à remplacer des pièces qui ne sont pas défectueuses, ce qui peut augmenter les coûts liés à la garantie sans pour autant résoudre le problème.
- Maintenance réactive. Les méthodes traditionnelles se concentrent souvent sur la maintenance réactive, c'est-à-dire qu'elles ne traitent les problèmes qu'une fois qu'un voyant d'alerte s'est allumé, plutôt que de s'appuyer sur un diagnostic proactif.
- La difficulté de former les techniciens de maintenance à gérer la complexité des véhicules modernes.
Au contraire, pour mieux appréhender la complexité des systèmes automobiles, nous devons nous orienter vers la maintenance prédictive et un diagnostic plus rapide des véhicules, tout en allant au-delà d'un simple analyseur de codes d'erreur connecté au port de diagnostic embarqué (OBD).
En quoi « AI » améliore-t-il le diagnostic des véhicules et permet-il à un technicien de devenir un « AI » ?
Aider les humains, et non les remplacer
Les limites des méthodes traditionnelles ont conduit au développement d’outils de diagnostic basés sur l’intelligence artificielle, capables d’analyser des données complexes relatives aux véhicules et de fournir des diagnostics plus précis. Les techniciens n’ont pas besoin de devenir des spécialistes des données pour utiliser efficacement ces outils AI ; en effet, les centres de service pourraient même choisir de ne pas exposer directement le technicien à l’ AI . En réalité, les systèmes AI sont capables d’effectuer une analyse proactive de la situation et de fournir des recommandations claires ainsi que des conseils de diagnostic dans un langage courant.
Plutôt que de se substituer à l’humain, l’assistant de diagnostic « AI » peut contribuer à renforcer l’expertise des techniciens, en leur offrant un outil performant pour optimiser le processus de réparation et gagner un temps précieux. Examinons chacun de ces avantages en détail afin de montrer comment « AI » peut réduire le temps de diagnostic et garantir un processus de réparation de qualité supérieure.
Une base de connaissances plus complète
L’un des principaux avantages des systèmes « AI » réside dans leur capacité à analyser les données des véhicules provenant de multiples sources, au-delà des simples codes d’erreur, notamment des manuels techniques complexes, les relevés des capteurs et les données à l’échelle de la flotte, afin de fournir des diagnostics proactifs et une analyse plus rapide des causes profondes. Les systèmes « AI » peuvent traiter d’énormes quantités de données véhicules en quelques secondes, en identifiant des tendances et des corrélations qu’il faudrait à l’être humain un temps exponentiellement plus long pour discerner.
AI Ces outils interprètent les codes d'erreur, ou DTC, et les associent à d'autres sources de données afin de les relier aux causes probables, fournissant ainsi aux techniciens une liste classée par ordre de priorité des solutions possibles. Ainsi, les diagnostics « AI » peuventaméliorer les taux de réparation dès la première intervention en indiquant aux techniciens les causes les plus probables et en leur proposant des solutions, tout en leur évitant de vérifier les parties du véhicule qui ne posent pas de problème.
Des données plus détaillées sur les véhicules et les tendances à l'échelle de la flotte
AI peuvent aider les techniciens à diagnostiquer les problèmes avec plus de précision en analysant l’historique des réparations et les performances des véhicules, y compris celles d’autres véhicules de la flotte. Contrairement aux manuels de réparation d’autrefois, qui étaient soit statiques, soit mis à jour rarement, les systèmes d’ AI s peuvent apprendre et s’actualiser en continu, s’adaptant ainsi aux nouvelles technologies automobiles et affinant leurs modèles. Les plateformes de voitures connectées ont le potentiel de partager des données entre des millions de véhicules, permettant ainsi à un seul véhicule de bénéficier des solutions acquises par l’ensemble de la flotte mondiale. À mesure que des schémas de diagnostic sont détectés sur d’autres véhicules, les recommandations peuvent être rapidement améliorées, et l’apprentissage automatique permet de garantir que les problèmes résolus sur un véhicule puissent améliorer de manière proactive l’état des autres véhicules, avant même que des problèmes ne surviennent ou qu’un voyant d’alerte ne s’allume.
En quoi les techniciens d'AI contribuent-ils à la préproduction des véhicules ?
Au cours de la phase de pré-production d'un véhicule, les délais de mise sur le marché sont essentiels et les coûts de développement sont considérables. L'optimisation de ces processus et la rationalisation de ces ressources peuvent avoir un impact considérable. En pré-production, les systèmes du véhicule sont incomplets et n'ont pas encore été entièrement débogués. Cela complique davantage le processus de diagnostic, car plusieurs systèmes peuvent interagir et causer des problèmes simultanément.
Une approche courante pour le développement de véhicules en pré-production consiste à envoyer ces derniers sur une piste d’essai équipée de dispositifs de stockage afin de collecter des données d’essai relatives à un sous-système ou à une fonction spécifique du véhicule soumis à l’essai. Par la suite, les données sont collectées et traitées, puis les ingénieurs examinent les résultats afin de comprendre les causes des défaillances. Ce processus génère un volume de données considérable et nécessite de combiner des données provenant de plusieurs sources. De plus, les défaillances provenant d’autres sous-systèmes non finaux qui ne font pas l’objet d’essais peuvent fausser les résultats et entraver la capacité à diagnostiquer le problème testé.
AI peut apporter une solution à tous ces problèmes. Les outils de diagnostic basés sur l'AI e sont capables d'analyser des données complexes relatives aux véhicules, notamment les relevés des capteurs et les codes d'erreur, afin de fournir des diagnostics précis. L'AI e est également très efficace pour identifier des schémas récurrents, notamment en permettant de déterminer quels problèmes sont ne sont pas sont pas à l’origine de la panne. Cette réduction du temps de diagnostic et le fait d’éviter de s’engager dans des pistes sans issue peuvent s’avérer très convaincants. Les premiers à adopter ces technologies, tels que le Centre technique européen de Nissan, visent une réduction de 90 % du temps de débogage du système, qui passerait de deux semaines à deux jours.
Réduction des coûts de préproduction grâce aux techniciens d'AI
AI Les techniciens peuvent contribuer au cycle de conception de pré-production des équipementiers de plusieurs manières, qui peuvent toutes se traduire par d'importantes économies pour ces derniers :
- Moins de véhicules d'essai. Contrairement aux véhicules de série, les véhicules d'essai de pré-production coûtent jusqu'à 10 fois plus cher à fabriquer, car ils ne bénéficient ni de l'automatisation de la fabrication ni des économies d'échelle propres à la production en série. Grâce aux outils d'AI , les ingénieurs en développement peuvent exploiter plus efficacement les véhicules d'essai et sont susceptibles de réduire le nombre de véhicules à fabriquer.
- Optimisation du temps de travail des ingénieurs. Les ingénieurs chargés de la conception et des essais des véhicules possèdent des compétences de haut niveau, mais aujourd’hui, leur temps n’est souvent pas utilisé de manière efficace en raison du volume considérable et de la complexité des données issues des véhicules d’essai. Les techniciens d’ AI peuvent faire gagner du temps aux ingénieurs, rendant ainsi cette précieuse ressource plus productive, et probablement plus agréable à utiliser pour les ingénieurs eux-mêmes.
- Accélération du délai de mise en production (SOP). Les équipementiers sont constamment sous pression pour commercialiser rapidement de nouveaux modèles de véhicules et réduire la durée de conception des nouveaux modèles ou des nouvelles versions actualisées. Les techniciens d’ AI peuvent aider à identifier et à résoudre les problèmes plus rapidement, ce qui permet d’accélérer le délai de mise en production (SOP).
En quoi les techniciens d'AI s contribuent-ils à l'amélioration des véhicules après leur fabrication ?
Les avantages des solutions « AI » se prolongent jusqu'à la phase de post-production, permettant de réduire les temps d'immobilisation des véhicules, d'améliorer la satisfaction client et d'accroître l'efficacité du processus de réparation. Les équipementiers peuvent, par exemple, choisir de déployer AI comme outil de vérification préalable au rendez-vous afin de mieux orienter le processus d’accueil et de diagnostic. Les outils AI peuvent fournir de manière proactive aux techniciens des explications en langage clair sur des problèmes complexes, leur permettant ainsi de mieux communiquer avec les clients et d’effectuer des réparations plus efficaces. Les solutions de diagnostic AI peuvent être personnalisées pour répondre aux besoins spécifiques de chaque atelier de réparation et de chaque technicien, qu’elles soient déployées à l’échelle de l’atelier ou ciblant spécifiquement certaines catégories de problèmes.
La complexité des logiciels embarqués, notamment les pannes intermittentes, les écrans noirs, les échecs de mises à jour OTA et bien d’autres problèmes, constitue un défi croissant pour les centres de service. Les coûts liés à la garantie, qui, pour les véhicules neufs, sont pris en charge par les constructeurs automobiles au profit des centres de service des concessionnaires, ont subi des répercussions financières importantes en raison de cette catégorie de problèmes en pleine expansion. Face à l’incertitude que suscite le problème, les techniciens peuvent, par exemple, remplacer des composants matériels qui ne sont pas défectueux. Ces composants « défectueux » représentent un coût élevé pour le constructeur et entraînent un allongement du temps de réparation ainsi que des désagréments pour le propriétaire du véhicule.
Au contraire, les solutions de diagnostic « AI » peuvent améliorer l’efficacité et la précision des processus de diagnostic, réduisant ainsi les temps d’immobilisation des véhicules et renforçant la satisfaction client. Les problèmes logiciels peuvent être détectés et des solutions recommandées sans que le technicien n’ait besoin d’être un expert. Les diagnostics basés sur l’ AI peuvent également analyser en profondeur les données et les journaux du véhicule afin d’identifier la source réelle des problèmes et d’éviter que le technicien ne s’engage sur une piste de diagnostic erronée.
Réduction des coûts de post-production grâce aux techniciens d'AI
AI Les techniciens peuvent contribuer au cycle de conception post-production des équipementiers de plusieurs manières, qui peuvent toutes se traduire par d'importantes économies pour ces derniers :
- Réduction du temps de réparation. Grâce à l'analyse d AI e des pannes des véhicules, les techniciens perdent moins de temps à rechercher l'origine du problème.
- Délai de résolution plus court. Grâce à l'amélioration constante des procédures de diagnostic et à une meilleure compréhension du problème sous-jacent, celui-ci peut être résolu plus rapidement et a davantage de chances d'être corrigé dès la première intervention.
- Un remplacement du matériel moins gaspilleur. AI peut également vous conseiller sur ce qui n'est pas le problème, ce qui permet d’éviter de remplacer du matériel qui n’est pas défectueux. Cela réduit les coûts liés à la garantie et la durée des réparations, tout en améliorant la satisfaction client.
- Renforcer l'expertise des techniciens humains. Si l'expertise humaine reste précieuse, l'AI e apporte une analyse complémentaire qui permet d'avoir une vue d'ensemble de nombreux systèmes plus facilement.
Maintenance proactive et analyses prédictives grâce aux diagnostics de véhicules d'AI
Avantages des outils « AI » pour les véhicules particuliers
Outre l’amélioration des diagnostics en pré-production et en post-production, AI ouvre la voie à une maintenance prédictive de haut niveau. AI Les diagnostics permettent de mieux détecter les problèmes potentiels avant qu’ils ne surviennent, ce qui favorise une maintenance proactive et réduit le risque de pannes imprévues avant même que le voyant « Check Engine » ne s’allume, limitant ainsi les temps d’immobilisation des véhicules et évitant des réparations plus coûteuses. AI Les diagnostics basés sur l’analyse de données permettent de détecter des problèmes complexes, tels que l’usure des freins et les problèmes de performance du moteur, avant qu’ils ne deviennent des soucis majeurs. Les équipementiers pourraient être en mesure de proposer des services à valeur ajoutée basés sur l’analyse de données en temps réel, qui leur apporteraient des revenus directs tout en améliorant la satisfaction client.
Avantages des diagnostics « AI » pour les véhicules utilitaires
Dans les applications commerciales présentant des besoins de maintenance encore plus complexes, les modèles d’apprentissage automatique peuvent être utilisés pour identifier des tendances et anticiper les problèmes potentiels. Les diagnostics basés sur l’ AI peuvent fournir des informations précieuses sur l’état des véhicules, permettant ainsi aux gestionnaires de flottes et aux exploitants commerciaux d’optimiser leurs programmes de maintenance et de réduire leurs coûts. Dans le secteur des véhicules utilitaires, où les temps d’arrêt mettent hors service des machines génératrices de revenus, ces outils peuvent facilement offrir un retour sur investissement significatif. Certains exploitants ont ainsi porté la disponibilité de leur flotte à 93 % grâce à l’utilisation de diagnostics basés sur l’ AI.
Perspectives : l'avenir du diagnostic automobile et des techniciens en AI
L'avenir du diagnostic automobile repose clairement sur l'AI, avec l'utilisation de modèles d'apprentissage automatique et d'intelligence artificielle pour analyser des données complexes relatives aux véhicules et fournir des diagnostics proactifs. L'intégration de l'AI dans le diagnostic automobile a permis le développement de processus de diagnostic plus efficaces et performants, tant au stade de la conception qu'après la production, ce qui se traduit par des économies, une réduction des temps d'immobilisation des véhicules et une amélioration de la satisfaction client. L'avenir du diagnostic automobile sera marqué par une utilisation accrue d'outils de diagnostic basés sur l'AI, permettant des diagnostics plus précis et plus efficaces.
