量産開始前（pre-SOP）の試験および検証は、商用車OEMが新プラットフォームを市場に投入する際に実施する、最もリソースを要する段階の一つです。初期の試作車からプロトタイプに至るまで、pre-SOP試験には数か月にわたる調整、多額の設備投資、そして世界規模でのエンジニアリング体制が必要となります。こうしたプログラムの規模を考えると、試験の非効率性は、発売の遅延、作業の重複、そして不必要なコストの発生につながります。
こうした制約を克服するためには、OEM各社は、データの収集、分析、診断が継続的かつ相互に連携し、動的に適応可能な、よりデジタル化され、インテリジェンス主導型のモデルへと移行する必要があります。車両システム全体にわたるインテリジェントなデータ収集と診断分析を通じてテストワークフローをデジタル化することで、エンジニアは物理的なプロトタイプへの依存度を低減し、問題の再現性を向上させ、知見の創出を加速させることができます。この転換は、量産開始前（SOP前）の検証に向けた、より拡張性が高く効率的なアプローチの基盤を築くものです。
OEMがこの変革を実現できるよう支援するため、Sonatus はAI の機能をOEMの車両プログラムに直接統合し、SOP前のテストと検証をより迅速かつスマートに行えるようにします。このソリューションは 、インテリジェントなトリガーベースのデータ収集を行う Fastlane™ Collector （旧称：Sonatus CollectorAI ）、 自動診断と根本原因分析を行う Fastlane™ Insight （旧称： Sonatus AI Technician） 、および車両ネットワークやクラウドへの安全な接続を組み合わせています 。 これらのコンポーネントを組み合わせることで、OEMのエンジニアは、コンテキストに沿って高価値な車両信号を収集し、AI を適用してシステムレベルの知見を明らかにし、プロトタイプ車両への繰り返しの物理的な介入に頼ることなく問題を診断することが可能になります。「Sonatus 」は、検証作業を手動で事後対応的なプロセスから、先を見越したAI 主導のワークフローへと変革し、OEMがトラブルシューティングを加速させ、テストカバレッジを拡大し、既存および次世代の車両アーキテクチャの両方にソフトウェア定義のインテリジェンスを導入することを支援します。
SDV時代において、従来のSOP実施前の検証は拡張性に欠ける
SOP導入前の検証作業は、依然として車両への物理的なアクセス、断片的なデータ抽出、そして時間の経過とともに蓄積していく反復的なデバッグサイクルによって、大きな制約を受けています。現在のテストプロセスで使用されている従来のデータロガーは、静的な設定に依存しているため、テスト条件の変化に応じて信号の取得を動的に調整したり、データ収集を最適化したりする能力が制限されています。エンジニアはログを取得するために物理的に車両にアクセスする必要がありますが、テスト用資産はチームや地域間で頻繁に予約・出荷・再予約が行われるため、遅延や物流上の負担が生じています。
問題が発生した場合、完全なコンテキストデータがなければ再現が困難となり、分析が元の事象から切り離されてしまうことが多く、その結果、解決までの期間が長引いてしまいます。こうした非効率性により、プログラムのスケジュールが延び、OEMはより大規模で高コストな試作車群を構築せざるを得なくなり、エンジニアリング作業の負担が増大し、未検出の欠陥リスクが高まります。今日の車両の複雑さに追いつくためには、OEMは、正確なデータ収集と、領域横断的な診断インテリジェンスを提供できるAI モデルを組み合わせた、根本的に異なるアプローチを必要としています。
動的なデータ収集による車両試験の効率化とAI
人工知能はもはや次世代の車両プラットフォームだけに限定されたものではありません。AI を活用した検証は、現在の車両プラットフォームに重ねて導入することが可能であり、OEM各社は将来のアーキテクチャを待つことなく、テストワークフローを進化させることができます。Sonatus は、以下を組み合わせることで、この変革を実現します。 Fastlane Collector そして Fastlane Insight 現在の車両アーキテクチャの上にインテリジェントな検証ソリューションを構築し、OEM各社がAI の導入を始める際の障壁を低くする。
Fastlane Collector これにより、エンジニアは、どの信号を、どのような動作状態において、どの解像度で記録するかを決定するイベント駆動型ポリシーを、遠隔かつインテリジェントに定義できるようになり、車両に常に物理的にアクセスする必要がなくなります。 Fastlane Insight さらに、高度なAI 分析を適用して車両の挙動を解釈し、信号間の相関関係を特定することで、手動による手法よりも迅速に問題を特定します。このインテリジェンスはソフトウェアおよびAI モデルを通じて提供されるため、OEMチームは車両のハードウェアを変更することなく、新しい診断ロジック、テストシナリオ、および検証ワークフローを継続的に導入できます。これにより、既存のプラットフォームにスケーラブルなインテリジェンスが組み込まれ、検証プログラムの将来性が高まり、より迅速で適応性の高い開発が可能になります。
さらに、商用車の開発は、多くの場合、複数のエンジニアリングセンター、サプライヤー、試験拠点にまたがり、車両はさまざまな地域、気候、稼働サイクルで運用されます。「Sonatus 」は、クラウドに依存しないソリューションを通じて、OEMが手動による車両アクセスからリモート試験機能へと移行することを可能にします。パワートレイン、シャシー、安全、車両統合を担当する各チームは、不完全なレポートや遅延したレポートに頼るのではなく、同じ実運用データに基づいた知見を活用して作業を進めることができます。 これにより、グローバルなプログラム全体で試験と検証を加速させ、サプライヤーとの連携を強化し、顧客が求める多様な運用条件に車両が適合していることを確実に保証できるようになります。
インテリジェントなデータ収集とAI を活用した分析により、テストのユースケースを拡大する
商用車は、過酷な負荷や長時間の稼働に加え、厳しい排出ガス規制や安全基準の下で運用されるため、根本原因の分析はより複雑で時間を要する作業となります。生産前の段階で迅速なトラブルシューティングを行うことで、車両の稼働率向上、耐久性目標の達成、生産後の高額な修正費用の回避など、大きなメリットが得られます。
したがって、AI を活用した検証は、複雑さ、稼働時間の要件、および運用上の変動性により、従来のテストがより時間がかかり、コストも高くなってしまう大型商用車において、特に画期的な変革をもたらします。 Fastlane Collector は、重要な大型システム全体にわたる高価値なデータをインテリジェントに収集・同期します。この車両データには、負荷下でのパワートレインの性能、後処理および排出ガスの挙動、ADASおよび安全システム、ECUの診断情報、ネットワーク通信などが含まれます。また、勾配、積載量、ルートといった実走行条件も収集します。 この豊富なデータは、多様な環境下で稼働し、厳しい耐久性、安全性、および規制要件を満たさなければならないクラス7およびクラス8のトラックにとって、特に重要です。
Fastlane Insight そして、このコンテキストデータを分析することで、エンジニアが実際の稼働条件下でのシステムの性能を把握し、性能や信頼性の問題を特定し、手動のテスト手法だけでは発見することがほぼ不可能なパターンを検出できるよう支援します。 AI Technician を利用することで、商用車OEM各社は、すでに多額のコストがかかる試作車両のフリートを拡大することなく、長距離輸送、特殊用途、過酷な使用条件といった幅広い実運用シナリオの検証が可能になります。 その結果、稼働時間、耐久性、またはコンプライアンスに影響を及ぼす可能性のある問題を早期に検出できるようになります。また、過酷な商用用途におけるより徹底した検証と、車両品質の向上にもつながります。OEM各社は、エンジニアリングの負担と検証コストを削減しながら、これらすべてを実現できます。最終的に、OEM各社は、トラックが実運用条件下で稼働できる状態であることを確実に保証できるようになります。
インテリジェントな自動化により、プログラムコストを削減しつつ、SOPの迅速な提供を実現する
この変革の実例として、SonatusがSOP開始前に 日産テクニカルセンター・ヨーロッパ（NTCE）とのSOP前の共同開発が挙げられます。
この導入の中核となったのは Fastlane™ Copilot、接続機能と車両全体のデータアクセスを統合した専用の高性能ゲートウェイECUであり、これによりNTCEのプロトタイプ車両への迅速な統合が可能となりました。 Fastlane Copilot これにより、NTCEは Fastlane Collector 、 Fastlane Insight 開発プロセスの早い段階で導入することが可能となり、量産車のアーキテクチャを必要としませんでした。
これにより Fastlane Copilot 車両データへの継続的なアクセスを可能にしたことで、NTCEは手動によるデータ取得から、インテリジェントでコネクテッドな検証ワークフローへと移行しました。エンジニアリングチームは、遠隔でコンテキストに応じた車両データを収集し、AI を活用した分析を用いて問題を診断することで、現場でのデバッグへの依存を最小限に抑え、地域ごとのエンジニアリングチーム間の連携を強化することができました。その結果、問題解決にかかる時間は2週間からわずか2日に短縮され、検証の範囲もより広範な実走行シナリオに拡大しました。
今回の提携は、専用の車両インテリジェンス・プラットフォームと、AI を活用したデータ収集・診断機能を組み合わせることで、SOP前のテストを根本的に近代化できることを示しています。これにより、商用車OEM各社はソフトウェアの検証を加速させ、開発コストを削減し、より高品質な車両をより迅速に量産に送り出すことが可能になります。
Sonatus 「インテリジェントなバリデーションへの道を切り拓き、SOPの迅速な導入を実現する」
Sonatus AI また、SDV技術により、従来の商用車のSOP前テストにおけるコストと時間を要するプロセスが、効率的でAI を基盤としたワークフローへと変革されます。これらを組み合わせることで Fastlane Collector インテリジェントな遠隔データ収集と Fastlane Insight 自動診断および根本原因分析を組み合わせることで、このソリューションは、アクセスに制約されるワークフローから、常時接続され、インサイト主導の開発サイクルへと検証プロセスを移行させます。グローバルなエンジニアリングチーム間の連携強化とプロトタイプの有効活用により、最終的には、より信頼性の高い大型商用車両のSOP準備を迅速に実現します。
