当涉及保持利润率时，车辆和零部件制造商的数据科学家处于驾驶座位。 Viaduct是一家为时间序列推断开发模型的公司，它正在帮助企业从当今联网汽车上捕获的数据中获取故障洞察。它通过利用传感器数据并进行相关性分析来实现这一目标。 这家成立四年的初创公司总部位于加利福尼亚州门洛帕克，提供了一个平台来检测异常模式、跟踪问题和部署故障预测。Viaduct的创始人兼首席执行官David Hallac表示，这使得汽车制造商和零部件供应商能够通过实时数据及时解决问题，从而减少保修索赔、召回和缺陷。 他说：“Viaduct已经在200多万辆车上部署，帮助避免了50万小时的停机时间，并在整个行业节省了数亿美元的保修费用。” 该公司依靠NVIDIA A100 Tensor Core GPU和NVIDIA时间序列预测平台（TSPP）框架进行训练、调优和部署时间序列模型，这些模型用于预测数据。 据该公司称，Viaduct已与五家主要的乘用车和商用卡车制造商合作。 “客户认为这是一项巨大的节省——我们所影响的事情对利润来说是很大的。这是停机时间的影响，保修的影响，以及产品开发的低效性。”Hallac说道。 Viaduct是NVIDIA Inception计划的成员，该计划为公司提供技术支持和人工智能平台指导。 起源：研究走上道路 Hallac在斯坦福大学开始了他的Viaduct之路。当他还是那里的博士生时，大众汽车公司带来了从60多名驾驶员那里收集到的传感器数据，并提供了一个研究资助金来探索用途。 研究人员探索的问题是如何理解在几个月内收集的大量车辆数据中的模式和趋势。 斯坦福的研究人员与大众电子研究实验室合作发布了一篇关于这项工作的论文，其中介绍了Drive2Vec，一种用于嵌入传感器数据的深度学习方法。 他说：“我们开发了一系列专注于从高维时间序列数据中进行结构推断的算法。我们发现了有用的见解，并能够帮助公司大规模地训练和部署预测算法。” 开发具有高达10倍推断能力的洞察知识图谱 Viaduct使用其TSI引擎处理时间序列分析，该引擎汇集了制造、遥测和服务数据。它的模型是使用利用NVIDIA TSPP的A100 GPU进行训练的。 Hallac说：“我们将其描述为一个知识图谱——我们正在构建这个知识图谱，其中包含所有不同传感器和信号以及它们之间的相关性。” 使用Drive2Vec自动编码器生成了几个关键特征，通过马尔可夫随机场推断过程学习了相关性，并利用NVIDIA…
Leave a Comment