Projeto com Previsiown adiciona IA à análise de dados coletados em testes de rodagem de veículos

Objetivo é criar um marketplace de modelos de Inteligência Artificial para detecção de falhas e anomalias

O lançamento de um carro novo é precedido por uma série de testes de rodagem, com simulações de situações reais, visando garantir a qualidade do produto e a redução de falhas que podem obrigar o consumidor a recorrer à garantia do fabricante – ou até mesmo levar ao recall de veículos. Com o objetivo de aperfeiçoar esse processo, a Previsiown, startup que atua na área de testes de rodagem para a indústria automotiva, está iniciando um novo projeto em parceria com o CPQD – e o apoio da EMBRAPII – visando adicionar inteligência à análise de dados coletados durante esses testes.

Trata-se de uma evolução do trabalho que vem sendo conduzido pela parceria Previsiown e CPQD, com foco no desenvolvimento de uma solução para aquisição de dados de veículos automotores (telemetria) durante os testes de rodagem. A solução é composta por dispositivos de diagnóstico on board que coletam dados dos automóveis (diretamente do barramento CAN) e, por meio de smartphones, enviam as informações para tratamento na plataforma IoT desenvolvida pelo CPQD – a dojot -, que as disponibiliza na plataforma de backoffice da Previsiown.

A solução também registra os comentários em áudio dos motoristas que realizam os testes de veículos. “Durante o teste, o motorista narra todos os eventos relevantes, como barulhos, potência ou mau funcionamento de algum equipamento, por exemplo, que são entregues já classificados”, explica Ivan Vianna, CEO da Previsiown.

Além disso, em projetos anteriores, a solução incorporou modelos de predição e reconhecimento de padrões, usando recursos de Inteligência Artificial (IA), com base nos dados coletados durante os testes de rodagem – e disponibilizados por intermédio da dojot. “Com isso, tivemos ganhos de velocidade no processo de testes e redução do retrabalho, o que se refletiu em economia de recursos, principalmente humanos”, afirma Vianna. “A solução também trouxe um aumento de dez vezes no número de ocorrências mapeadas durante os testes, o que possibilitou agilidade na identificação e tratamento dos problemas, refletindo-se diretamente na qualidade do produto final”, acrescenta.

Protótipo de datalogger que será integrado em prova de conceito de análise de dados por IA

Com o novo projeto, que tem 12 meses de duração, o objetivo é gerar e integrar diversos modelos de IA em um marketplace para detecção de falhas e anomalias em veículos. “A intenção é criar e treinar previamente os modelos de IA, que ficarão disponíveis para consulta no marketplace”, ressalta o CEO da Previsiown. O projeto também prevê a montagem de 50 protótipos de dataloggers (coletores de dados), que serão integrados em uma prova de conceito de análise dos dados por modelos de IA.