Les essais et la validation avant le démarrage de la production (pré-SOP) constituent l'une des phases les plus gourmandes en ressources auxquelles doit faire face un constructeur de véhicules utilitaires lors du lancement d'une nouvelle plateforme. Des premiers modèles d'essai aux prototypes, les essais pré-SOP nécessitent des mois de coordination, des investissements en capital considérables et un effort d'ingénierie à l'échelle mondiale. Compte tenu de l'ampleur de ces programmes, toute inefficacité dans les essais entraîne des retards de lancement, des efforts redondants et des coûts inutiles.
Pour surmonter ces limites, les équipementiers doivent évoluer vers un modèle plus numérique et axé sur l’intelligence, dans lequel la collecte, l’analyse et le diagnostic des données sont continus, connectés et adaptables de manière dynamique. En numérisant les processus de test grâce à une capture intelligente des données et à une analyse diagnostique couvrant l’ensemble des systèmes du véhicule, les ingénieurs peuvent réduire leur dépendance vis-à-vis des prototypes physiques, améliorer la reproductibilité des problèmes et accélérer l’obtention d’informations pertinentes. Cette évolution jette les bases d’une approche plus évolutive et plus efficace de la validation préalable à la mise en service (SOP).
Pour aider les équipementiers à mener à bien cette transformation, « Sonatus » intègre les fonctionnalités d’« AI » directement dans les programmes automobiles des équipementiers, permettant ainsi des tests et une validation plus rapides et plus intelligents avant la mise en service (SOP). La solution combine « Fastlane™ Collector » (anciennement « Sonatus Collector » AI) pour une collecte intelligente de données basée sur des déclencheurs, « Fastlane™ Insight » (anciennement « Sonatus » AI Technician) pour des diagnostics automatisés et l’analyse des causes profondes, ainsi qu’une connexion sécurisée au réseau du véhicule et au cloud. Ensemble, ces composants permettent aux ingénieurs des équipementiers de capturer des signaux véhicules à forte valeur ajoutée dans leur contexte, d’appliquer l’ AI e pour mettre en évidence des informations au niveau du système et de diagnostiquer les problèmes sans avoir à recourir à des interactions physiques répétées avec des prototypes de véhicules. « Sonatus » transforme la validation, qui passe d’un processus manuel et réactif à un workflow proactif et axé sur l’ AI e, aidant ainsi les équipementiers à accélérer le dépannage, à étendre la couverture des tests et à intégrer une intelligence définie par logiciel dans les architectures de véhicules existantes et de nouvelle génération.
La validation pré-SOP traditionnelle ne parvient pas à s'adapter à l'ère de la SDV
La validation pré-SOP reste fortement limitée par la nécessité d’un accès physique aux véhicules, l’extraction fragmentée des données et les cycles de débogage itératifs qui s’accumulent au fil du temps. Les enregistreurs de données traditionnels utilisés dans les processus de test actuels reposent sur des configurations statiques, ce qui limite la capacité à ajuster dynamiquement la capture des signaux ou à affiner la collecte de données à mesure que les conditions de test évoluent. Les ingénieurs doivent accéder physiquement aux véhicules pour récupérer les journaux, tandis que les équipements de test sont fréquemment réservés, expédiés et réaffectés entre les équipes et les régions, ce qui engendre des retards et des surcoûts logistiques.
Lorsque des problèmes surviennent, ils peuvent être difficiles à reproduire sans données contextuelles complètes, et l’analyse est souvent déconnectée de l’événement d’origine, ce qui allonge les délais de résolution. Ces inefficacités prolongent les calendriers des programmes, obligent les équipementiers à constituer des flottes de prototypes plus importantes et plus coûteuses, augmentent les besoins en main-d’œuvre d’ingénierie et accroissent le risque de défauts non détectés. Pour suivre le rythme de la complexité actuelle des véhicules, les équipementiers ont besoin d’une approche fondamentalement différente qui combine une collecte précise de données avec des modèles d’ AI s capables de fournir des informations diagnostiques interdomaines.
Améliorer l'efficacité des essais de véhicules grâce à la collecte dynamique de données et AI
L'intelligence artificielle ne se limite plus aux plateformes automobiles de nouvelle génération. La validation basée sur l'AI e peut être intégrée aux plateformes automobiles actuelles, ce qui permet aux équipementiers de faire évoluer leurs processus de test sans attendre les architectures futures. Sonatus facilite cette transformation en combinant Fastlane Collector et Fastlane Insight afin de mettre en place une solution de validation intelligente s'appuyant sur l'architecture actuelle des véhicules, ce qui permettra aux équipementiers de se lancer plus facilement dans la transition vers l'AI .
Fastlane Collector permet aux ingénieurs de définir à distance et de manière intelligente des règles basées sur les événements qui déterminent quels signaux enregistrer, dans quelles conditions de fonctionnement et à quel niveau de résolution, éliminant ainsi la nécessité d'un accès physique constant au véhicule. Fastlane Insight Il applique ensuite une analyse avancée de l’ AI e pour interpréter le comportement du véhicule, mettre en corrélation les signaux et identifier les problèmes plus rapidement qu’avec des méthodes manuelles. Comme cette intelligence est fournie par le biais de logiciels et de modèles d’ AI , les équipes des équipementiers peuvent introduire en continu de nouvelles logiques de diagnostic, de nouveaux scénarios de test et de nouveaux workflows de validation sans modifier le matériel du véhicule. Cela apporte une intelligence évolutive aux plateformes existantes, pérennise les programmes de validation et permet un développement plus rapide et plus adaptatif.
De plus, le développement des véhicules utilitaires implique souvent plusieurs centres d’ingénierie, fournisseurs et sites d’essais, les véhicules étant exploités dans différentes régions, sous divers climats et selon différents cycles d’utilisation. « Sonatus » permet aux équipementiers de passer d’un accès manuel aux véhicules à des capacités d’essais à distance grâce à nos solutions indépendantes du cloud. Les équipes chargées du groupe motopropulseur, du châssis, de la sécurité et de l’intégration des véhicules peuvent s’appuyer sur les mêmes données opérationnelles réelles, plutôt que de se fier à des rapports incomplets ou tardifs. Les essais et la validation peuvent désormais s’accélérer dans le cadre de programmes mondiaux, améliorer la coordination avec les fournisseurs et garantir que les véhicules sont adaptés aux diverses conditions d’exploitation exigées par leurs clients.
Élargir les cas d'utilisation des tests grâce à la collecte intelligente de données et à l'analyse basée sur l'AI
Les véhicules utilitaires sont soumis à des charges extrêmes, à de longs cycles d'exploitation et à des exigences strictes en matière d'émissions et de sécurité, ce qui rend l'analyse des causes profondes plus complexe et plus chronophage. Un dépannage rapide en phase de pré-production peut apporter des avantages considérables, notamment une amélioration de la disponibilité des véhicules, le respect des objectifs de durabilité et la prévention de réparations coûteuses en phase de post-production.
Par conséquent, la validation basée sur l’ AI est particulièrement révolutionnaire pour les véhicules utilitaires lourds, où la complexité, les exigences en matière de disponibilité et la variabilité des conditions d’exploitation rendent les essais traditionnels plus lents et plus coûteux. Fastlane Collector capture et synchronise de manière intelligente des données à forte valeur ajoutée sur l’ensemble des systèmes critiques des poids lourds. Ces données du véhicule comprennent les performances du groupe motopropulseur en charge, le comportement des systèmes de post-traitement et d’émissions, les systèmes ADAS et de sécurité, les diagnostics des calculateurs (ECU) et les communications réseau. Elles permettent également de saisir les conditions réelles du cycle d’exploitation, telles que la pente, la charge utile et l’itinéraire. Ces données riches sont particulièrement importantes pour les camions de classes 7 et 8, qui évoluent dans des environnements variés et doivent répondre à des exigences strictes en matière de durabilité, de sécurité et de conformité réglementaire.
Fastlane Insight Il analyse ensuite ces données contextuelles pour aider les ingénieurs à comprendre le comportement des systèmes dans des conditions d’exploitation réelles, à identifier les problèmes de performance ou de fiabilité, et à détecter des tendances qu’il serait pratiquement impossible de mettre en évidence uniquement par des méthodes de test manuelles. La solution « AI Technician » permet aux équipementiers de véhicules utilitaires de valider davantage de scénarios proches de la réalité, qu’il s’agisse de cas d’utilisation sur longue distance, à usage spécifique ou dans des conditions extrêmes, sans avoir à agrandir leurs flottes de prototypes, déjà coûteuses. Il en résulte une détection plus précoce des problèmes susceptibles d’affecter la disponibilité, la durabilité ou la conformité. Cela permet également une validation plus approfondie dans le cadre d’applications commerciales exigeantes et une meilleure qualité des véhicules. Les équipementiers parviennent à tout cela tout en réduisant les efforts d’ingénierie et les coûts de validation. Au final, les équipementiers peuvent s’assurer que les camions sont prêts à fonctionner dans des conditions réelles.
Accélérer la mise en œuvre des procédures opérationnelles standard (SOP) tout en réduisant les coûts des programmes grâce à l'automatisation intelligente
Un exemple concret de cette transformation est la collaboration entre l'Sonatus, avant la mise en place de la procédure opérationnelle standard (SOP), et Nissan Technical Centre Europe (NTCE).
Au cœur de ce déploiement se trouvait Fastlane™ Copilotun calculateur de passerelle dédié haute performance, doté de fonctionnalités de connectivité intégrées et d’un accès aux données de l’ensemble du véhicule, ce qui a permis une intégration rapide dans les prototypes de NTCE. Fastlane Copilot a permis au NTCE de déployer Fastlane Collector et Fastlane Insight dès les premières phases du processus de développement sans avoir recours à des architectures de véhicules de série.
Grâce à Fastlane Copilot un accès continu aux données des véhicules, NTCE est passé d’une récupération manuelle des données à un processus de validation intelligent et connecté. Les équipes d’ingénieurs ont ainsi pu collecter à distance des données contextuelles sur les véhicules, diagnostiquer les problèmes à l’aide d’analyses basées sur l’ AI, réduire au minimum le recours au débogage sur site et améliorer la collaboration entre les équipes d’ingénieurs régionales. En conséquence, le délai de résolution des problèmes est passé de deux semaines à seulement deux jours, tandis que la couverture de validation s’est étendue à un éventail plus large de scénarios réels.
Cette collaboration montre comment l’association d’une plateforme dédiée à l’intelligence automobile et des fonctionnalités de collecte de données et de diagnostic basées sur l AI peut moderniser en profondeur les tests préalables à la mise en service (SOP), aidant ainsi les équipementiers de véhicules utilitaires à accélérer la validation logicielle, à réduire les coûts de développement et à mettre en production plus rapidement des véhicules de meilleure qualité.
Sonatus ouvre la voie à une validation intelligente et accélère la mise en œuvre des procédures opérationnelles standard (SOP)
Sonatus AI La technologie SDV transforme le processus coûteux et chronophage des essais pré-SOP traditionnels des véhicules utilitaires en un flux de travail efficace, axé sur l'AI. En associant Fastlane Collector la collecte intelligente de données à distance et Fastlane Insight pour les diagnostics automatisés et l’analyse des causes profondes, cette solution fait évoluer la validation : elle passe de flux de travail limités par l’accès à des cycles de développement connectés en permanence et guidés par les données. L’amélioration de la collaboration entre les équipes d’ingénierie internationales et l’optimisation de l’utilisation des prototypes permettent, au final, d’accélérer la mise en service et d’obtenir des véhicules utilitaires lourds plus fiables.
