Al deze drijfveren hebben ook een enorme invloed op de manier waarop auto's worden ontwikkeld. In moderne voertuigen worden rijhulpsystemen en online-diensten met toegevoegde services steeds efficiënter, worden voertuigelektronica, boordsensoren en bussystemen steeds complexer en worden steeds meer gegevens verzameld. Bij de testritten moeten deze gegevens op intelligente wijze worden geëvalueerd om bij de daaropvolgende serieproductie aan de hoogste kwaliteitsnormen te kunnen voldoen. Ook bij Mercedes-Benz AG, waar de focus ligt op dienstverlening en de ontwikkeling, productie en verkoop van auto's en bestelwagens, hebben de bestaande systemen voor het verzamelen van gegevens van testritten hun grenzen bereikt.
Met het nieuwe systeem beschikt Mercedes-Benz over een baanbrekend en toekomstgericht platform dat het werk van de ontwikkelingsengineers aanzienlijk versnelt en een snellere time-to-market mogelijk maakt. De engineers in de ontwikkelingscentra kunnen nu binnen enkele uren toegang krijgen tot de meetgegevens. Zij kunnen onmiddellijk met de meetresultaten aan de slag, maar ook direct fouten opsporen en op basis daarvan de testrit laten herhalen. Zo zitten ze dichter op de test en worden de ontwikkelingscycli verkort. Deze nieuwe oplossing biedt nog een voordeel: een gedetailleerde meetplanning en nauwkeurige specificaties van de te registreren meetgegevens zijn niet langer nodig. De engineers hebben te allen tijde toegang tot de volledige verzameling meetgegevens en kunnen deze ook naderhand evalueren aan de hand van specifieke vragen.
Dit levert een merkbaar kostenvoordeel op en draagt bij tot duurzaamheid. Het aantal testritten daalt en het testen wordt efficiënter. Dit leidt ertoe dat er nu datagestuurde beslissingen kunnen worden genomen, waar vroeger enorme inspanningen en veel langere tijd voor nodig was. De engineers kunnen hun vertrouwde systemen en de verschillende tools uit de Big Data-community blijven gebruiken, omdat de geïntegreerde API een eenvoudige verbinding met BDSP mogelijk maakt. De API biedt nog een voordeel: er kunnen nu evaluaties worden gemaakt van het feitelijke gebruik van de verzamelde gegevens. Bovendien wordt voor autofabrikanten, door de invoering van de nieuwe architectuur, de samenwerking met leveranciers en de controle van de gegevens makkelijker. Tot nu toe ontvingen de leveranciers voor hun analyses de onbewerkte gegevens en retourneerden zij hun afgeronde analyses aan de fabrikanten van de oorspronkelijke apparatuur (OEM). De leveranciers kunnen deze analyses nu ook rechtstreeks in het systeem van de autofabrikant verwerken, zodat de onbewerkte gegevens de deur niet meer uit hoeven.
Er kunnen nu datagestuurde beslissingen worden genomen, waarvoor vroeger veel meer inspanningen en veel langere aanlooptijden nodig waren.
Een van de mijlpalen in de ontwikkeling van voertuigen zijn testritten voor duurtesten. De engineers van de ontwikkelingsafdelingen stellen concrete specificaties op over de gegevens die daarvoor moeten worden geregistreerd. Tegelijkertijd sturen de autofabrikanten een overvloed aan prototypes van nieuwe modellen naar verschillende testbanen, zowel in woestijnen als in permanente ijszones, om de gedragingen in 3-ploegendiensten te onderzoeken. Deze handgemaakte voertuigen bevatten onder meer een uitgebreide meettechnologie die de gedragingen van de verschillende componenten ( waaronder de software) tijdens de duurtesten registreert. Tijdens één dienst wordt ongeveer 10 tot 100 GB aan gegevens gegenereerd in een grote verscheidenheid van gegevensformaten. Na de testrit worden deze vanuit de auto doorgegeven aan een datawarehouse en een systeem voor het beheer van meetgegevens De engineers in de ontwikkelingscentra ontvangen via filesharing de onbewerkte gegevens en kopiëren deze naar lokale bestandssystemen. Deze werkwijze leidt niet alleen tot een aanzienlijke gegevensredundantie, maar ook tot aanzienlijk tijdverlies: het kan een aantal dagen duren voordat de engineers toegang hebben tot de meetresultaten. Tegen de tijd dat er fouten worden ontdekt, zijn de auto's en de bestuurders alweer ergens anders. Het herhalen van de testritten kost daardoor veel tijd en geld. De situatie wordt nog verergerd door de huidige ontwikkelingen in de richting van elektrisch en geautomatiseerd rijden, waardoor de hoeveelheid verzamelde gegevens toeneemt tot TB-niveau. T-Systems heeft een nieuwe procedure ontwikkeld om de gegevensverstrekking in de toekomst minder tijdrovend te maken.
T-Systems weet met een krachtige end-to-end oplossing, die het gehele proces optimaliseert en het gebruik van Data "as a Service" mogelijk maakt, klanten voor zich te winnen. De kerncomponenten van de oplossing zijn edge computing resources, een centraal cloudplatform, de signaalverwerkingssoftware voor Big Data, die compatibel is met Hadoop/Spark, en het daarop gebaseerde gefedereerde systeem Spark. Na elke testrit worden de meetgegevens (signalen) via wifi verzonden naar Big Data Clusters. Deze bevinden zich in de edge computing resources die permanent op de testlocaties zijn geïnstalleerd. Zij worden beheerd en geëxploiteerd door T-Systems. Op de lokale systemen is ook Big Data Signal Processing (BDSP) geïnstalleerd. BDSP verzorgt de voorverwerking van de meetgegevens, d.w.z. dat de verschillende verzamelde gegevensformaten worden geconverteerd naar gangbare Big Data-formaten.
De verwerking voor decodering en de daaropvolgende analyse kan op deze manier wel 40 keer sneller verlopen dan met conventionele instrumenten. BDSP maakt namelijk parallelle interpretatie mogelijk van de vastgelegde meetresultaten afkomstig van gedistribueerde, binaire of tekstuele trace-bestanden. In de praktijk worden de gegevens met wel 90 procent gereduceerd. BDSP ondersteunt ook resampling en tagging van signalen en heeft een API voor verbinding met andere systemen. Het edge-gedeelte van de oplossing wordt aangevuld door een centrale cloud met een gefedereerd Spark-systeem. Dit systeem geeft de engineers toegang tot de meetgegevens - waar die zich ook bevinden. Het gefedereerde Spark-systeem spoort automatisch de gegevens voor de ontwikkelaars op De ontwikkelaars vinden niet alleen de juiste gegevens, maar activeren via de cloud ook de bijbehorende analyses op de edge servers. Dit betekent dat er niet meer de complete onbewerkte gegevensverzamelingen tussen de testlocaties en de werkplekken van de ontwikkelaars hoeven te worden overgedragen, maar alleen de instructies en de resultaten. Dit maakt een kostbare uitbreiding van het MPLS-netwerk overbodig.
De meetgegevens zijn al versleuteld opgeslagen in het voertuig en blijven altijd versleuteld en zeer goed beveiligd. Dit geldt ook voor de transportlagen, met inbegrip van de transportprotocollen tussen het voertuig en de edge-resources, en voor de toegang tot de netwerken.
