Aller directement au contenu principal
Cette version de notre site web fait actuellement l'objet de travaux de maintenance et de mises à jour. Bouton
Étude de cas

Optimiser la valeur des données relatives aux véhicules

L'amélioration des capacités de connectivité des véhicules a permis d'accroître les compétences en matière de collecte et d'exploitation des données télémétriques générées par les composants, les contrôleurs et les capteurs embarqués. Ces données sont essentielles à l'évolution des véhicules définis par logiciel ; les informations qu'elles fournissent permettent aux équipementiers de stimuler l'innovation continue et de développer de nouveaux modèles de revenus rendus possibles par les logiciels.

Les défis liés à la collecte de données d'un grand équipementier mondial

Cette étude de cas client examine comment un équipementier mondial de premier plan a surmonté les défis liés à l’utilisation des données véhicules pour créer de la valeur ajoutée au sein de son organisation et tout au long du cycle de vie des véhicules. Découvrez comment il a tiré parti d’ Sonatus Collector, une solution de collecte de données hautement flexible, précise et polyvalente, pour rationaliser la saisie des données tout en gagnant en flexibilité de collecte et en agilité opérationnelle. 

Grâce à Sonatus Collector, le constructeur a amélioré l'efficacité de sa collecte de données, mis en place un pipeline d'analyse des données en temps quasi réel et éliminé les doublons et les silos de données, ce qui a permis de renforcer la collaboration.

Découvrez comment un grand équipementier mondial :

  • L'utilisation du collecteur d'Sonatus s a permis de multiplier par 80 l'efficacité de la collecte de données
  • A su éliminer les silos de données afin d'obtenir de meilleurs résultats dans différents secteurs de l'organisation
  • A favorisé l'innovation continue grâce à la collecte dynamique de données sur les véhicules

Télécharger maintenant

Foire aux questions

L’approche traditionnelle consistait à collecter sans discernement d’énormes quantités de données provenant de tous les domaines du véhicule, ce qui entraînait un gaspillage considérable.
- Gaspillage de ressources : cela mobilisait la puissance de traitement limitée des calculateurs (ECU) et consommait une bande passante réseau excessive pour télécharger des données en grande partie non pertinentes.
- Coûts élevés : les équipementiers devaient supporter des coûts élevés liés à la transmission sans fil des données et au stockage dans le cloud. Par exemple, pour identifier un problème spécifique tel que l’efficacité du freinage, il fallait collecter 28 To de données brutes provenant de 1 000 voitures, simplement pour isoler quelques incidents pertinents.
- Analyse lente : passer au crible cette « montagne de données » pour nettoyer et organiser les informations prenait souvent des semaines, voire des mois, ce qui retardait la mise en œuvre d’améliorations essentielles.

Contrairement à la journalisation statique, qui enregistre tout en continu, le collecteur « Sonatus » utilise des politiques basées sur les événements. Il permet au constructeur automobile de définir des « conditions de déclenchement » précises — telles que des vitesses spécifiques, des zones géographiques délimitées ou des codes d’erreur — afin que le véhicule ne collecte et ne transmette des données de haute qualité que lorsque ces événements spécifiques se produisent.
- Flexibilité : ces politiques sont légères (en Ko) et peuvent être déployées ou mises à jour instantanément depuis le cloud, sans nécessiter de reprogrammation complexe de l’ECU ni de lourdes mises à jour logicielles OTA.
- Précision : cette approche filtre le « signal du bruit » en périphérie (dans le véhicule), éliminant ainsi la nécessité de télécharger et de traiter des téraoctets de données non pertinentes.

L’équipementier a multiplié par 80 l’efficacité globale de la collecte de données. Voici quelques indicateurs clés :
- Élargissement des cas d’utilisation : l’entreprise a multiplié par 20 l’utilisation des données, passant de 5 à plus de 100 cas d’utilisation actifs.
- Réduction du volume de données : malgré l’augmentation du nombre de cas d’utilisation, l’entreprise a divisé par 4 le volume quotidien de données par véhicule, le faisant passer de 100 Mo à environ 24 Mo.
- Analyse plus rapide : pour des problèmes complexes tels que le réglage des algorithmes de détection des piétons, l’entreprise a réduit le temps nécessaire à l’identification et à la résolution des causes profondes, passant de plusieurs mois à quelques jours.

Retour en haut de la page