斯巴魯使用靈活的模塊化平臺(tái)將測(cè)試時(shí)間縮短至預(yù)計(jì)時(shí)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(cè)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(jí)增長(zhǎng)？標(biāo)準(zhǔn)化的數(shù)據(jù)管理方案來應(yīng)對(duì)
這里我們不必要了解采集的數(shù)據(jù)量如何呈指數(shù)級(jí)增長(zhǎng)。對(duì)于交通行業(yè)來說，采集的數(shù)據(jù)只會(huì)隨著汽車朝5級(jí)自動(dòng)駕駛方向發(fā)展而不斷增加。來自雷達(dá)、激光雷達(dá)和相機(jī)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(shí)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(dòng)啟動(dòng)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(duì)于測(cè)試工程師來說，由于采集的數(shù)據(jù)量龐大、驗(yàn)證采集數(shù)據(jù)的步驟增加以及實(shí)時(shí)分析這些大型數(shù)據(jù)集的需求，數(shù)據(jù)問題將會(huì)加劇。最近發(fā)生的特斯拉死機(jī)就是即時(shí)數(shù)據(jù)處理挑戰(zhàn)的一個(gè)例子。正確做出決策無疑會(huì)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(huì)分析汽車上傳感器的數(shù)據(jù)并識(shí)別自動(dòng)駕駛算法中的錯(cuò)誤。如果用于測(cè)試這些系統(tǒng)的數(shù)據(jù)與用于監(jiān)控和評(píng)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(cuò)誤被修復(fù)并自動(dòng)更新到存在該錯(cuò)誤的車上。相同的數(shù)據(jù)會(huì)在驗(yàn)證系統(tǒng)時(shí)生成新的測(cè)試參數(shù)，以確保不會(huì)重復(fù)發(fā)生錯(cuò)誤。
這種情況是未來十年我們對(duì)自動(dòng)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?yàn)楸M管我們加載的數(shù)據(jù)越來越多，但并沒有真正對(duì)這些數(shù)據(jù)進(jìn)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(chǔ)、共享、查找和分析測(cè)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(shí)減少了50％;道依茨將數(shù)據(jù)分析時(shí)間減少了90％。捷豹路虎將其測(cè)試數(shù)據(jù)的百分比從10％提高到了95％，而且時(shí)間縮短了20倍。這些案例的共同點(diǎn)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(cè)試方法的與時(shí)俱進(jìn)
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(yàn)或采用的技術(shù)。政府法規(guī)和責(zé)任保險(xiǎn)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(yàn)證和測(cè)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(shí)間、高可靠性，同時(shí)最重要的就是確保安全性。幸運(yùn)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(cè)試環(huán)境，后者具有許多相同的“自動(dòng)駕駛”功能。NI在測(cè)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)。
