斯巴魯使用靈活的模塊化平臺將測試時間縮短至預(yù)計時間的二十分之一

由于缺乏靈活性，無法適應(yīng)未來需求，加上定制服務(wù)的成本過高，工程師正在尋求其他解決方案。此外，還存在由于缺乏大規(guī)模應(yīng)用而導(dǎo)致的成本問題。這些“黑匣子”測試方案不再適用于較小的子系統(tǒng)，而且即使是小型系統(tǒng)，也包含大量的軟件邏輯。

數(shù)據(jù)量呈指數(shù)級增長？標(biāo)準(zhǔn)化的數(shù)據(jù)管理方案來應(yīng)對

這里我們不必要了解采集的數(shù)據(jù)量如何呈指數(shù)級增長。對于交通行業(yè)來說，采集的數(shù)據(jù)只會隨著汽車朝5級自動駕駛方向發(fā)展而不斷增加。來自雷達、激光雷達和相機等傳感器的數(shù)據(jù)將整合在一起，以了解汽車周邊的環(huán)境。生物識別傳感器的數(shù)據(jù)將有助于了解駕駛員的狀態(tài)和健康狀況。汽車將基于這些數(shù)據(jù)自動啟動車道變換輔助系統(tǒng)和自適應(yīng)巡航控制系統(tǒng)。而且更令人興奮的是，AI的應(yīng)用也即將在汽車領(lǐng)域全面爆發(fā)。

對于測試工程師來說，由于采集的數(shù)據(jù)量龐大、驗證采集數(shù)據(jù)的步驟增加以及實時分析這些大型數(shù)據(jù)集的需求，數(shù)據(jù)問題將會加劇。最近發(fā)生的特斯拉死機就是即時數(shù)據(jù)處理挑戰(zhàn)的一個例子。正確做出決策無疑會帶來無限的潛在影響。

我們來設(shè)想一種情況。系統(tǒng)發(fā)生崩潰。系統(tǒng)會分析汽車上傳感器的數(shù)據(jù)并識別自動駕駛算法中的錯誤。如果用于測試這些系統(tǒng)的數(shù)據(jù)與用于監(jiān)控和評估這些系統(tǒng)的數(shù)據(jù)相同，那么接下來的步驟可能是......

錯誤被修復(fù)并自動更新到存在該錯誤的車上。相同的數(shù)據(jù)會在驗證系統(tǒng)時生成新的測試參數(shù)，以確保不會重復(fù)發(fā)生錯誤。

這種情況是未來十年我們對自動駕駛算法、人工智能和物聯(lián)網(wǎng)的預(yù)期。但是，目前這種情況并發(fā)生，因為盡管我們加載的數(shù)據(jù)越來越多，但并沒有真正對這些數(shù)據(jù)進行分析。

這一問題的關(guān)鍵在于不僅可能，而且能夠輕松存儲、共享、查找和分析測量數(shù)據(jù)的企業(yè)數(shù)據(jù)管理解決方案。雖然這極具挑戰(zhàn)性，還是有一些汽車公司采取了相應(yīng)的解決方案，并取得了顯著的成效。豐田將分析數(shù)據(jù)所需的工時減少了50％;道依茨將數(shù)據(jù)分析時間減少了90％。捷豹路虎將其測試數(shù)據(jù)的百分比從10％提高到了95％，而且時間縮短了20倍。這些案例的共同點在哪里呢？答案就是標(biāo)準(zhǔn)化的數(shù)據(jù)管理和分析企業(yè)方案。

汽車發(fā)展變化中的重中之重是測試方法的與時俱進

變化是汽車領(lǐng)域的新元素，其中變化的不僅僅是汽車的使用體驗或采用的技術(shù)。政府法規(guī)和責(zé)任保險覆蓋范圍即將發(fā)生未知的變化;汽車經(jīng)銷商和汽車租賃公司紛紛倒閉。

“

這些變化的重中之重是用于驗證和測試這些組件的系統(tǒng)和方法，不僅要確保低成本、快速上市時間、高可靠性，同時最重要的就是確保安全性。幸運的是，用于定義這些新系統(tǒng)的組件并不新穎。

“

我們已經(jīng)看到相同的技術(shù)正在應(yīng)用到半導(dǎo)體和國防和航空航天的測試環(huán)境，后者具有許多相同的“自動駕駛”功能。NI在測試方面擁有40多年的卓越歷史，并且我們也專注于汽車行業(yè)。