양산 전(pre-SOP) 테스트 및 검증은 상용차 OEM이 새로운 플랫폼을 출시할 때 수행하는 가장 많은 자원을 소모하는 단계 중 하나입니다. 초기 시제품부터 프로토타입에 이르기까지, 양산 전 테스트에는 수개월에 걸친 협업과 막대한 자본 투자, 그리고 전 세계적인 엔지니어링 노력이 필요합니다. 이러한 프로그램의 규모를 고려할 때, 테스트 과정의 비효율성은 출시 지연, 중복된 작업, 그리고 불필요한 비용으로 이어집니다.
이러한 한계를 극복하기 위해 OEM 업체들은 데이터 수집, 분석 및 진단이 지속적으로 이루어지고, 상호 연결되며, 동적으로 적응 가능한, 보다 디지털화되고 지능형으로 구동되는 모델로 전환해야 합니다. 차량 시스템 전반에 걸쳐 지능형 데이터 수집 및 진단 분석을 통해 테스트 워크플로를 디지털화함으로써, 엔지니어들은 물리적 시제품에 대한 의존도를 줄이고, 문제 재현성을 개선하며, 통찰력 도출을 가속화할 수 있습니다. 이러한 전환은 SOP(양산 개시) 전 검증에 있어 보다 확장 가능하고 효율적인 접근 방식의 토대를 마련합니다.
OEM이 이러한 변화를 실현할 수 있도록 지원하기 위해, ‘ Sonatus ’는 ‘ AI ’ 기능을 OEM 차량 프로그램에 직접 통합하여, SOP(양산 개시) 전 테스트 및 검증을 더 빠르고 스마트하게 수행할 수 있게 합니다. 이 솔루션은 지능형 트리거 기반 데이터 수집을 위한 ‘ Fastlane™ Collector ’(구 ‘ Sonatus Collector’ AI), 자동화된 진단 및 근본 원인 분석을 위한 ‘ Fastlane™ Insight ’(구 ‘ Sonatus ’ AI Technician), 그리고 차량 네트워크 및 클라우드와의 안전한 연결을결합합니다. 이러한 구성 요소들을 종합적으로 활용함으로써 OEM 엔지니어들은 고부가가치 차량 신호를 맥락에 맞게 포착하고, ‘ AI ’를 적용해 시스템 수준의 통찰력을 도출하며, 시제품 차량과의 반복적인 물리적 상호작용에 의존하지 않고도 문제를 진단할 수 있습니다. ‘ Sonatus ’는 검증 과정을 수동적이고 사후 대응적인 방식에서 선제적이고 ‘ AI ’ 기반의 워크플로로 전환함으로써, OEM이 문제 해결을 가속화하고 테스트 범위를 확대하며, 기존 및 차세대 차량 아키텍처 모두에 소프트웨어 정의 지능을 도입할 수 있도록 지원합니다.
SDV 시대에 레거시 사전 SOP 검증은 확장성이 부족하다
SOP 전 검증 작업은 여전히 차량에 직접 접근해야 하는 점, 단편적인 데이터 추출, 그리고 시간이 지남에 따라 누적되는 반복적인 디버깅 주기로 인해 큰 제약을 받고 있습니다. 현재 테스트 프로세스에서 사용되는 기존의 데이터 로거는 정적 구성에 의존하기 때문에, 테스트 조건이 변화함에 따라 신호 캡처를 동적으로 조정하거나 데이터 수집을 세밀하게 조정하는 능력이 제한됩니다. 엔지니어들은 로그를 가져오기 위해 차량에 직접 접근해야 하는 반면, 테스트 자원은 팀과 지역 간에 자주 예약, 배송, 재예약되는 바람에 지연과 물류적 부담이 발생합니다.
문제가 발생했을 때, 완전한 맥락 데이터를 확보하지 못하면 문제를 재현하기 어려울 수 있으며, 분석이 종종 원래의 사건과 동떨어져 진행되어 해결에 걸리는 시간이 길어집니다. 이러한 비효율성으로 인해 프로그램 일정이 지연되고, OEM은 더 크고 비용이 많이 드는 시제품 차량군을 구축해야 하며, 엔지니어링 인력이 더 많이 소요되고, 미탐지 결함의 위험도 높아집니다. 오늘날 차량의 복잡성에 발맞추기 위해 OEM은 정밀한 데이터 수집과 도메인 간 진단 인텔리전스를 제공할 수 있는 AI 모델을 결합한 근본적으로 다른 접근 방식이 필요합니다.
동적 데이터 수집을 통한 차량 테스트 효율성 제고 및 AI
인공지능은 더 이상 차세대 차량 플랫폼에만 국한되지 않습니다. ‘ AI ’ 기술을 활용한 검증은 현재의 차량 플랫폼에 단계적으로 적용될 수 있어, OEM 업체들이 향후 아키텍처가 도입될 때까지 기다릴 필요 없이 테스트 워크플로를 발전시킬 수 있습니다. ‘ Sonatus ’는 다음을 결합하여 이러한 변화를 가능하게 합니다. Fastlane Collector 그리고 Fastlane Insight 현재의 차량 아키텍처를 기반으로 지능형 검증 솔루션을 구축함으로써, OEM이 ‘ AI ’ 여정을 시작하는 데 따르는 진입 장벽을 낮추기 위함입니다.
Fastlane Collector 엔지니어들은 이 기능을 통해 어떤 신호를, 어떤 작동 상태에서, 어느 수준의 분해능으로 기록할지 결정하는 이벤트 기반 정책을 원격으로 지능적으로 정의할 수 있어, 차량에 지속적으로 직접 접근할 필요가 없어집니다. Fastlane Insight 또한 고급 데이터 마이닝( AI ) 분석을 적용하여 차량 동작을 해석하고, 신호 간의 상관관계를 파악하며, 수동 방식보다 더 빠르게 문제를 식별합니다. 이러한 지능형 기능은 소프트웨어와 시뮬레이션 기반 모델( AI )을 통해 제공되므로, OEM 팀은 차량 하드웨어를 수정하지 않고도 새로운 진단 로직, 테스트 시나리오 및 검증 워크플로를 지속적으로 도입할 수 있습니다. 이를 통해 기존 플랫폼에 확장 가능한 지능형 기능을 도입함으로써 검증 프로그램의 미래 대비성을 확보하고, 더 빠르고 유연한 개발을 가능하게 합니다.
또한 상용차 개발은 종종 여러 엔지니어링 센터, 공급업체 및 시험 장소에 걸쳐 진행되며, 차량은 다양한 지역, 기후 및 운행 주기에서 운행됩니다. ‘ Sonatus ’는 클라우드 독립적인 솔루션을 통해 OEM이 수동적인 차량 접근 방식에서 원격 테스트 기능으로 전환할 수 있도록 지원합니다. 파워트레인, 섀시, 안전 및 차량 통합을 담당하는 팀은 불완전하거나 지연된 보고서에 의존하지 않고, 동일한 실제 운행 통찰력을 바탕으로 업무를 수행할 수 있습니다. 이제 글로벌 프로그램 전반에 걸쳐 테스트 및 검증 속도를 높이고, 공급업체와의 협력을 강화하며, 고객이 요구하는 다양한 운행 조건에 차량이 적합하도록 보장할 수 있습니다.
지능형 데이터 수집 및 ‘ AI ’ 기반 분석을 통해 테스트 사용 사례를 확대하세요
상용차는 극한의 부하, 긴 가동 주기, 엄격한 배기 가스 및 안전 기준 하에서 운행되므로 근본 원인 분석이 더욱 복잡하고 시간이 많이 소요됩니다. 생산 전 단계에서 신속하게 문제를 해결하면 차량 가동 시간 향상, 내구성 목표 달성, 생산 후 단계에서 발생하는 비용이 많이 드는 수리 작업 방지 등 상당한 이점을 얻을 수 있습니다.
따라서, AI 기반의 검증 방식은 복잡성, 가동 시간 요구 사항, 운영 변동성으로 인해 기존 테스트 방식이 더 느리고 비용이 많이 드는 대형 상용차 분야에 특히 혁신적인 변화를 가져옵니다. Fastlane Collector 는 주요 대형 시스템 전반에 걸쳐 고부가가치 데이터를 지능적으로 수집하고 동기화합니다. 이 차량 데이터에는 부하 상태에서의 파워트레인 성능, 후처리 및 배기 가스 특성, ADAS 및 안전 시스템, ECU 진단 정보, 네트워크 통신 등이 포함됩니다. 또한 경사도, 적재량, 경로와 같은 실제 주행 주기 조건도 포착합니다. 이러한 풍부한 데이터는 다양한 환경에서 운행되며 엄격한 내구성, 안전 및 규제 요건을 충족해야 하는 클래스 7 및 클래스 8 트럭에 특히 중요합니다.
Fastlane Insight 그런 다음 이 상황별 데이터를 분석하여 엔지니어들이 실제 운영 조건에서 시스템이 어떻게 작동하는지 이해하고 , 성능이나 신뢰성 문제를 파악하며, 수동 테스트 방법만으로는 발견하기 거의 불가능한 패턴을 탐지할 수 있도록 지원합니다 . ‘ AI Technician’을 통해 상용차 OEM은 이미 막대한 비용이 드는 시제품 차량을 추가하지 않고도 장거리, 특수 목적, 극한 주행 조건 등 다양한 실제 사용 시나리오를 검증할 수 있습니다. 그 결과 가동 시간, 내구성 또는 규정 준수 여부에 영향을 미칠 수 있는 문제를 조기에 탐지할 수 있습니다. 또한 까다로운 상용 분야 전반에 걸쳐 심층적인 검증과 차량 품질 향상을 이끌어냅니다. OEM은 엔지니어링 작업량과 검증 비용을 줄이면서 이 모든 것을 달성할 수 있습니다. 궁극적으로 OEM은 트럭이 실제 주행 조건에서 운행될 준비가 되어 있음을 보장할 수 있습니다.
지능형 자동화를 통해 프로그램 비용을 절감하면서 SOP를 더 빠르게 제공
이러한 변화의 실제 사례로는 Sonatus이 SOP 이전에 닛산 유럽 기술 센터(NTCE)와의 SOP 이전 협업이 그 대표적인 사례입니다.
이번 배포의 핵심은 Fastlane™ Copilot, 통합 연결 기능과 차량 전반의 데이터 접근 기능을 갖춘 전용 고성능 게이트웨이 ECU로, 이를 통해 NTCE의 시제차에 신속하게 통합할 수 있었습니다. Fastlane Copilot 이를 통해 NTCE는 Fastlane Collector 및 Fastlane Insight 개발 과정 초기에 양산 차량 아키텍처 없이도 이를 도입할 수 있게 해주었습니다.
NTCE는 Fastlane Copilot 차량 데이터에 대한 지속적인 접근을 제공함으로써, NTCE는 수동 데이터 수집 방식에서 지능형 연결 검증 워크플로로 전환했습니다. 엔지니어링 팀은 원격으로 상황별 차량 데이터를 수집하고, AI 기반 분석을 통해 문제를 진단하며, 현장 디버깅에 대한 의존도를 최소화하고, 지역별 엔지니어링 팀 간의 협업을 개선할 수 있었습니다. 그 결과, 문제 해결 소요 시간이 2주에서 단 2일로 단축되었으며, 검증 범위는 더 광범위한 실제 시나리오로 확대되었습니다.
이번 협력은 전용 차량 인텔리전스 플랫폼과 ‘ AI ’ 기반의 데이터 수집 및 진단 기능을 결합함으로써 SOP 전 테스트를 근본적으로 현대화할 수 있음을 보여줍니다. 이를 통해 상용차 OEM 업체들은 소프트웨어 검증 과정을 가속화하고, 개발 비용을 절감하며, 더 높은 품질의 차량을 더 빠르게 양산할 수 있게 됩니다.
Sonatus 지능형 검증으로 가는 길을 마련하고 SOP를 더 빠르게 구현하고 있습니다
Sonatus AI 또한 SDV 기술은 기존 상용차의 SOP 전 테스트 과정에서 발생하던 비용과 시간이 많이 소요되던 절차를, 효율적이고 AI 기반의 워크플로로 변화시킵니다. 이를 결합함으로써 Fastlane Collector 지능형 원격 데이터 수집과 Fastlane Insight 자동화된 진단 및 근본 원인 분석을 결합함으로써, 이 솔루션은 검증 과정을 접근성에 제한을 받는 워크플로우에서 벗어나 지속적으로 연결되고 통찰력 중심의 개발 주기로 전환합니다. 글로벌 엔지니어링 팀 간의 협업 강화와 시제품 활용도 증대는 궁극적으로 더 신뢰할 수 있는 대형 상용차의 SOP 준비 기간을 단축시킵니다.
