Nel 2024, Stellantis ha richiamato circa 1,23 milioni di pick-up Ram 1500 dopo aver individuato un problema software nel sistema antibloccaggio dei freni che avrebbe potuto disattivare il controllo elettronico della stabilità.
Ciò che rende interessante questo caso non è semplicemente il fatto che fosse coinvolto del software, ma quanto possa essere difficile diagnosticare correttamente i problemi dei veicoli moderni. I sintomi possono indicare un problema a livello di hardware, software o nelle interazioni tra i sistemi, e una diagnosi errata può portare a riparazioni inutili prima che si comprenda la causa alla base del problema.
La lezione più ampia da trarre non riguarda questo specifico difetto, bensì il tempo necessario per trasformare le prove relative al veicolo in un intervento deciso.
L'aspetto interessante di questa storia non è il difetto tecnico, bensì il tempo che intercorre tra i primi segnali di un problema e il momento in cui l'organizzazione acquisisce una comprensione sufficiente per intervenire su tutta la flotta.
Chiamiamola latenza di qualità.
Man mano che i veicoli diventano sempre più dipendenti da software, elettronica, reti e servizi connessi, ridurre tale latenza potrebbe diventare uno dei modi più importanti con cui le case automobilistiche possono prevenire i problemi di qualità, risolvendo le criticità in anticipo, prima che si trasformino in richieste di intervento in garanzia, campagne di assistenza e richiami che possono costare milioni di dollari.
Il problema non è la mancanza di dati
I veicoli moderni generano enormi quantità di informazioni: dati telematici e di localizzazione; codici di errore diagnostici (DTC); segnali e registri delle centraline (ECU) multidominio; dati relativi al software e alla connettività; statistiche a livello di rete e di bus.
Anche le organizzazioni di ingegneria dispongono di una grande quantità di informazioni: specifiche, requisiti, sistemi di tracciamento dei problemi, indagini precedenti, analisi dell’albero dei guasti, registri di manutenzione e richieste di garanzia, oltre a decenni di esperienza accumulata.
Eppure, quando qualcosa va storto, gli ingegneri dedicano ancora molto tempo a individuare le prove pertinenti, a determinare cosa manca, a mettere in relazione gli eventi tra i vari sistemi e a capire quale sia la causa effettiva del sintomo.
Un problema nel display del sistema di infotainment potrebbe avere origine in un'unità di controllo, in un servizio software, nell'interazione di rete o in un altro punto completamente diverso. Il punto in cui si manifesta il problema non è più necessariamente quello in cui ha avuto origine.
Quindi l'indicatore di qualità significativo non è semplicemente la quantità di dati che un OEM è in grado di raccogliere. È la rapidità con cui l’organizzazione è in grado di trasformare le informazioni giuste in azioni certe; e quanto più velocemente ciò avviene, tanto minore è il costo della risoluzione del problema
La latenza si manifesta ovunque
Il richiamo dell'ESC da parte di Stellantis illustra la latenza del ragionamento: il tempo che intercorre tra l'osservazione di un problema e la corretta comprensione della sua causa sottostante. Ma questa è solo una delle forme.
C'è anche la latenza di individuazione: il tempo necessario per determinare con precisione quali numeri di telaio (VIN), configurazioni, componenti o versioni software siano effettivamente interessati.
C'è la latenza di risposta: la rapidità con cui una firma di guasto nota può trasformarsi in un'informazione di monitoraggio o diagnostica in grado di rilevare condizioni simili altrove.
E c’è la latenza della conoscenza: quanto tempo ci vuole perché ciò che un team di ingegneri apprende diventi utile per il programma successivo — o se quella conoscenza riesca mai a compiere quel percorso.
Cinque recenti richiami esaminati nel nostro nuovo white paper, Il passaggio alla qualità continua, illustrano queste diverse forme di latenza. Produttori diversi. Sistemi diversi. Cause tecniche diverse. Ma lo stesso problema ricorrente: un ritardo tra il momento in cui sono disponibili le informazioni necessarie per agire e quello in cui l’organizzazione è in grado di agire di conseguenza.
Più tardi lo si scopre, più il problema diventa costoso
La latenza è importante perché l'impatto economico di un difetto cambia radicalmente man mano che un veicolo attraversa il proprio ciclo di vita.
Se si individua un problema durante la fase di sviluppo, il costo è costituito principalmente dal tempo impiegato dai tecnici, dai test e, eventualmente, dall’impatto sulla tempistica.
Se lo stesso problema dovesse emergere dopo che migliaia di veicoli sono stati consegnati, la soluzione tecnica potrebbe non risultare più complessa. Tuttavia, a quel punto l’azienda si troverebbe a dover gestire concessionari, richieste di intervento in garanzia, ricambi, comunicazioni con i clienti, logistica, adempimenti normativi e, potenzialmente, un richiamo.
La riparazione del difetto non è diventata necessariamente più costosa risolvere. È diventato più costoso perché ci è voluto più tempo per comprendere e porvi rimedio.
Ciò suggerisce un modo diverso di concepire la qualità dei veicoli: anziché ottimizzare le singole indagini, ridurre sistematicamente la distanza tra Rilevare → Comprendere → Risolvere e contenere → Prevenire → Imparare.
Questa è l'idea alla base di Qualità Continua.
Se si sale a monte, la situazione economica cambia
Ridurre la latenza dopo la SOP può velocizzare le indagini sul campo e limitarne l'impatto. Ma c'è un'opportunità ancora più grande: trasferire le stesse capacità a monte.
Durante la validazione del veicolo, un problema intermittente potrebbe verificarsi una sola volta e poi scomparire. Se gli ingegneri non hanno raccolto i segnali o i dati di log corretti nel momento in cui si è verificato, potrebbero dover riprodurre la condizione proprio per raccogliere ulteriori prove.
E se l'indagine potesse adattarsi mentre il veicolo e la condizione di guasto sono ancora disponibili?
Presso il Nissan Technical Centre Europe (NTCE), l’ Sonatus sta sperimentando una raccolta mirata e basata sugli eventi dei dati dei veicoli, nonché un’analisi supportata dall’ AI, proprio per raggiungere questo obiettivo. I primi risultati hanno ridotto l’aggregazione manuale dei dati da 2–4 ore a meno di 5 minuti, il rilevamento delle anomalie da 4–8 ore a 10–15 minuti e l’analisi delle cause alla radice e la reportistica da 1–2 giorni a meno di un’ora. L’obiettivo del programma è portare a termine in due giorni indagini end-to-end che in precedenza richiedevano fino a due settimane. Questi risultati sono preliminari, ma dimostrano cosa accade quando il tempo che intercorre tra l’osservazione, l’acquisizione del contesto e la comprensione ingegneristica inizia a ridursi drasticamente.
E questo è importante perché ogni problema risolto prima della fase SOP consente di evitare intere categorie di costi a valle.
Ora integriamo l'intelligenza nel veicolo
C'è un terzo passo.
Una volta che il reparto tecnico ha convalidato una firma di guasto, un modello di degrado o un metodo diagnostico, perché tali conoscenze dovrebbero rimanere confinate in un sistema ingegneristico? Potrebbero invece diventare informazioni intelligenti integrate nel veicolo stesso.
Una firma di anomalia convalidata può diventare un nuovo strumento di monitoraggio. Un modello di degrado può trasformarsi in un sistema di allerta precoce. Quando si verifica un evento insolito, il veicolo può contribuire a rilevare il contesto preciso necessario per indagare sull’accaduto.
Ora le informazioni circolano in entrambe le direzioni: i veicoli forniscono dati alla progettazione, e la progettazione rende i veicoli più capaci di individuare il problema successivo. Il veicolo non è più semplicemente una fonte di dati. Diventa un partecipante attivo nel processo di qualità.
La “Qualità Continua” può essere implementata in tre diverse fasi del ciclo di vita del veicolo grazie all’ Sonatus Fastlane™ Platform . Prima dell’avvio della produzione (SOP), è possibile applicare questo approccio alle fasi di collaudo e validazione dei veicoli per individuare e risolvere i problemi prima della loro consegna. Dopo l’avvio della produzione (SOP), gli OEM possono avvalersi dei dati di produzione e dei flussi di lavoro esistenti per analizzare e contenere più rapidamente i problemi riscontrati sul campo. Inoltre, nelle future piattaforme di veicoli, è possibile integrare le funzionalità di intelligenza artificiale dell’ Fastlane Platform direttamente nel veicolo, creando un sistema di apprendimento continuo che collega ciò che i veicoli osservano con ciò che l’ingegneria apprende e mette in pratica.
Puntare sulla qualità
AI svolgerà un ruolo importante in questa transizione. È in grado di individuare schemi ricorrenti, mettere in relazione i dati, ragionare trasversalmente ai diversi ambiti ingegneristici, individuare le informazioni mancanti e contribuire a coordinare le fasi successive.
Il vantaggio competitivo che AI offrirà è il tempo: ridurre il tempo che intercorre tra l’individuazione di un problema, la sua comprensione, l’intervento per risolverlo e la possibilità di mettere a frutto quanto appreso per la prossima volta. Perché il problema di migliore qualità non è semplicemente quello che si risolve rapidamente. È quello da cui si impara con sufficiente anticipo, in modo da non doverlo risolvere di nuovo.
Leggi il nuovo white paper “ Sonatus ”, "The Shift to Continuous Quality", che presenta ricerche e analisi condotte da Frost & Sullivan, per approfondire il quadro di riferimento della "Qualità Continua", le lezioni apprese da cinque recenti richiami, le prime evidenze operative provenienti dall’NTCE e i modelli economici relativi all’anticipazione delle informazioni sulla qualità nelle prime fasi del ciclo di vita del veicolo.