斯巴魯使用靈活的模塊化平臺將測試時間縮短至預計時間的二十分之一

由于缺乏靈活性，無法適應未來需求，加上定制服務的成本過高，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)模應用而導致的成本問題。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？標準化的數(shù)據(jù)管理方案來應對

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)和自適應巡航控制系統(tǒng)。而且更令人興奮的是，AI的應用也即將在汽車領域全面爆發(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？答案就是標準化的數(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。政府法規(guī)和責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)看到相同的技術正在應用到半導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)。