NVIDIA Blog
·
质量控制巡逻：初创公司构建模型检测车辆故障模式
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
加利福尼亚州门洛帕克的初创公司Viaduct利用数据分析帮助车辆和零部件制造商减少保修索赔、召回和缺陷。该公司使用传感器数据和相关性来检测异常模式、跟踪问题并实时进行故障预测。Viaduct已在200多万辆车上部署了其平台，为客户节省了数亿美元的保修成本。该公司依赖NVIDIA A100 Tensor Core GPU和NVIDIA Time Series Prediction Platform (TSPP)框架进行时间序列模型的训练和部署。Viaduct与主要制造商合作，并为客户实现了显著的成本节约。
🎯
关键要点
- Viaduct是一家位于加利福尼亚州门洛帕克的初创公司，利用数据分析帮助车辆和零部件制造商减少保修索赔、召回和缺陷。
- 该公司通过传感器数据和相关性检测异常模式、跟踪问题并实时进行故障预测。
- Viaduct已在200多万辆车上部署其平台，帮助客户节省了数亿美元的保修成本。
- 公司依赖NVIDIA A100 Tensor Core GPU和NVIDIA时间序列预测平台(TSPP)进行时间序列模型的训练和部署。
- Viaduct与五家主要乘用车和商用车制造商合作，显著降低了客户的保修成本。
- Viaduct的创始人David Hallac在斯坦福大学进行研究时开始了他的创业之路，研究了如何理解车辆数据中的模式和趋势。
- Viaduct的TSI引擎处理时间序列分析，聚合制造、远程信息处理和服务数据。
- Viaduct通过知识图谱构建不同传感器和信号之间的相关性，利用Drive2Vec算法生成关键特征。
- 使用Viaduct平台的汽车制造商能够主动处理问题，减少保修索赔和提高服务台的可见性。
- Viaduct帮助一位客户在五个问题上减少了超过5000万美元的保修成本。
- Viaduct与一家主要汽车制造商合作，改善其后期生产质量问题的识别和修复时间。
- 通过A/B测试，Viaduct的平台在车辆发布的第一年平均提前53天识别问题，节省了数千万的保修成本。
➡️
