Todos estos avances también influyen mucho en cómo se desarrollan los automóviles. En los vehículos modernos, los sistemas de asistencia a la conducción y los servicios online de valor añadido son cada vez más potentes, y la electrónica del coche, los sensores de a bordo y los sistemas de bus se vuelven más complejos y recopilan más datos. En las pruebas de conducción, estos datos se evalúan de un modo inteligente para satisfacer los máximos estándares de calidad para producciones en serie posteriores. En Mercedes-Benz AG, centrada en los servicios, desarrollo, producción y ventas de coches y furgonetas, los sistemas actuales también llegaron a su límite a la hora de registrar datos durante las pruebas de conducción.
Con el nuevo sistema, Mercedes-Benz consigue una plataforma pionera y futurista que acelera claramente el trabajo de los ingenieros de desarrollo y el lanzamiento al mercado. Ahora los ingenieros de los centros de desarrollo tienen acceso a los datos de medición en pocas horas. Por un lado, pueden trabajar al instante con los resultados de medición y, por otro, pueden identificar errores directamente e iniciar otra prueba de conducción. Así están más próximos al test y se reducen los ciclos de desarrollo. La nueva solución aporta otra ventaja: ya no es necesario planificar la medición al detalle ni contar con indicaciones precisas sobre los datos de medición que deben medirse. Los ingenieros tienen acceso en todo momento a todos los datos de medición y pueden evaluarlos más adelante en función de cuestiones específicas.
De este modo se consiguen grandes ventajas de costes y se contribuye a la sostenibilidad. Se reduce el número de pruebas de conducción y los ensayos resultan más eficientes, y además permiten tomar decisiones basadas en datos que antes solo eran posibles con mucho esfuerzo y más rodaje. Los ingenieros pueden seguir empleando sus sistemas de confianza y además usar diferentes herramientas de la comunidad de macrodatos, pues la API integrada simplifica la conexión con el BDSP. La API ofrece otra ventaja adicional: ahora permite evaluar el uso real de los datos recopilados. Asimismo, la introducción de la nueva arquitectura facilita a los fabricantes automovilísticos la colaboración con los proveedores y el control de los datos: hasta ahora, los proveedores obtenían para sus análisis los datos sin procesar y devolvían los análisis acabados al fabricante de equipos originales (OEM). En cambio, ahora pueden procesar estos análisis directamente en el sistema del productor de automoción sin que los datos no procesados salgan de ahí.
Ahora se pueden tomar decisiones basadas en datos que antes solo eran posibles con un mayor esfuerzo y más rodaje.
Uno de los hitos en el desarrollo de vehículos son las pruebas de resistencia durante la conducción. Para ello, los ingenieros de los departamentos de desarrollo aportan indicaciones concretas de los datos que hay que registrar. Los fabricantes de automóviles envían una serie de prototipos de nuevos modelos a diferentes circuitos de prueba, en zonas tanto de desierto como de hielo perpetuo, con el fin de analizar su comportamiento durante el funcionamiento en tres turnos. Estos vehículos hechos a mano incluyen, entre otras, una exhaustiva metrología que registra la respuesta de los distintos componentes (también el software) durante las pruebas de resistencia. En un turno se generan, por ejemplo, de 10 a 100 GB de datos en los más diversos formatos, y al finalizar la prueba de conducción, estos datos se transfieren del coche al sistema de almacenamiento y gestión de datos de medición. Los ingenieros en los centros de desarrollo reciben los datos sin procesar mediante sistemas para compartirlos y los copian en unidades locales. Este procedimiento da lugar no solo a una redundancia de datos importante, sino también a una considerable pérdida de tiempo: hasta que los ingenieros tienen acceso a los resultados de medición, pueden pasar varios días. Y si entonces se detectan fallos, los coches y pilotos ya están en otros lugares. Por tanto, reproducir los ensayos resulta muy complejo y caro. La situación se agrava por los avances actuales en conducción eléctrica y automatizada que incrementan en TB los datos recopilados. T-Systems ha desarrollado un nuevo proceso para reducir el plazo de disponibilidad de los datos en el futuro.
T-Systems convence a los clientes con una potente solución integral que optimiza todo el proceso y permite explotar datos «como servicio». Los componentes centrales de la solución son los recursos de Edge Computing, una plataforma cloud central, el software de procesamiento de señales para macrodatos compatible con Hadoop/Spark y el sistema de centralización de Spark basado en este. Después de cada prueba de conducción, los datos de medición (señales) se transfieren vía wifi a clústeres de big data que se encuentran de forma permanente en los recursos de Edge Computing instalados en los emplazamientos de la prueba. T-Systems los gestiona y opera. En los sistemas locales también está instalado el procesamiento de señales para macrodatos (BDSP). Este procesa los datos de medición antes, es decir, los diferentes formatos de datos recopilados se transcodifican a formatos convencionales de big data.
Así se logra, para la decodificación y el análisis posterior, un procesamiento hasta 40 veces más rápido que con herramientas convencionales. Y es que el BDSP permite interpretar en paralelo los resultados de medición recopilados a partir de archivos de seguimiento distribuidos, binarios o textuales. En la práctica, el tamaño de los los datos se reduce hasta un 90 %. El BDSP también soporta el remuestreo y etiquetado de señales y dispone de una API que permite la conexión a otros sistemas. La parte Edge de la solución se complementa mediante un cloud central con un sistema de centralización de Spark. Con este sistema, los ingenieros tienen acceso a los datos de medición, estén donde estén. El sistema de centralización de Spark identifica automáticamente los datos para los desarrolladores, quienes encuentran no solo los datos adecuados, sino también las evaluaciones pertinentes en los servidores de Edge a través del cloud. Por tanto, ya no es necesario transferir todos los datos sin procesar, sino solo las indicaciones y resultados entre los emplazamientos de las pruebas y los centros de trabajo de los desarrolladores. Así se ahorran los costes inherentes al establecimiento de la red MPLS.
Los datos de medición ya se guardan codificados en el vehículo y se mantienen así siempre bien protegidos. Lo mismo ocurre para las capas de transporte, incluidos los protocolos de transporte entre el vehículo y los recursos de Edge, y para los accesos a las redes.
