Se chiedete a un ingegnere quanto costerà risolvere un problema di qualità, di solito vi descriverà il lavoro tecnico necessario: riprodurre il problema, isolare la causa, scrivere e convalidare una correzione. Si tratta certamente di un costo, ma è solo una frazione di quello che apparirà in bilancio. Il fattore che conta è quando viene applicata la correzione, perché la stessa correzione tecnica può comportare costi estremamente diversi a seconda che si trovi da una parte o dall’altra di una determinata linea di demarcazione.

La “latenza di qualità” dei veicoli costa alle case automobilistiche milioni in richiami e richieste di intervento in garanzia. Sfruttando la diagnostica basata sull’ AI, il framework di qualità continua “ Sonatus ” riduce i tempi che intercorrono tra l’individuazione di un difetto e la sua risoluzione, consentendo di risolvere i problemi più rapidamente.

I veicoli moderni generano un volume enorme di dati diagnostici: registrazioni dei sensori, codici di errore, tracciati di rete, dati telemetrici provenienti da decine di centraline elettroniche (ECU). Con l’aumentare di questi dati, i team di ingegneri e di assistenza si stanno affidando all’ AI a applicata ai veicoli per riuscire a dare un senso a tali informazioni. Ma c’è un problema. La migliore ipotesi fornita da un singolo modello di AI non è sufficiente quando la risposta deve reggere al vaglio di un ingegnere o di un cliente che si trova allo sportello dell’assistenza di una concessionaria. 

L'industria automobilistica sta attraversando un periodo di incredibile trasformazione. Tra le nuove tecnologie che vengono integrate nei veicoli figurano una maggiore quantità di software, propulsori elettrici e nuovi sensori. Ma forse il cambiamento più significativo è l'introduzione dell'intelligenza artificiale. Oggi, l'AI e dei veicoli non è più un concetto di futuro.

Le prime due parti di questa serie hanno illustrato l’Agentic Loop come architettura: il problema che risolve e ciò che accade in ciascuna delle sue cinque fasi, dal rilevamento all’apprendimento. Questo ultimo post è meno…

Nella prima parte di questa serie abbiamo illustrato i motivi per cui l'infrastruttura dei dati dell'industria automobilistica ha superato quella dell'intelligenza e abbiamo presentato l'Agentic Loop, il modello di riferimento di Sonatusper colmare tale divario: Rilevare → Raccogliere → Ragionare → Agire…

C’è un momento che la maggior parte degli ingegneri automobilistici riconosce bene. Durante un collaudo su strada si verifica un guasto: un’anomalia termica, un messaggio inaspettato sulla rete del veicolo, un comportamento transitorio del sistema che non dovrebbe verificarsi. L’ingegnere se ne accorge. Il…