Imagínese subirse a un automóvil de viaje compartido, mirar su teléfono inteligente y decirle al conductor que el neumático delantero izquierdo del automóvil necesita aire, su filtro de aire debe reemplazarse la próxima semana y su motor necesita dos bujías nuevas.
En el próximo año o dos, las personas pueden obtener ese tipo de información de diagnóstico en solo unos minutos, en sus propios automóviles o en cualquier automóvil en el que se encuentren. No necesitarían saber nada sobre el automóvilhistorial o para conectarse a él de cualquier manera; la información se derivaría del análisis de los sonidos y las vibraciones del automóvil, medidos por el micrófono y los acelerómetros del teléfono.
La investigación del MIT detrás de esta idea se informó en una serie de documentos, más recientemente en la edición de noviembre de la revista Aplicaciones de ingeniería de inteligencia artificial . Los coautores del nuevo artículo incluyen al científico investigador Joshua Siegel PhD '16; Sanjay Sarma, el profesor de Ingeniería Mecánica Fred Fort Flowers y Daniel Fort Flowers y vicepresidente de aprendizaje abierto en el MIT; y otros dos.
Según Siegel, una aplicación para teléfonos inteligentes que combine los diversos sistemas de diagnóstico que el equipo desarrolló podría ahorrarle al conductor promedio $ 125 al año y mejorar su consumo de combustible en general en unos pocos puntos porcentuales. Para los camiones, los ahorros podrían ascender a $ 600 al año, sin contarLos beneficios de evitar averías que podrían resultar en la pérdida de ingresos.
Con los teléfonos inteligentes de hoy, explica Siegel, "la sensibilidad es tan alta que puede hacer un buen trabajo [al detectar las señales relevantes] sin necesidad de una conexión especial". Sin embargo, para algunos diagnósticos, montar el teléfono en un soporte para el tablero de instrumentos"Mejorar el nivel de precisión. Ya, la precisión de los resultados de los sistemas de diagnóstico que han desarrollado, dice," supera ampliamente el 90 por ciento ". Y las pruebas de detección de falla no han producido falsos positivos donde un problema era incorrectoidentificado.
La idea básica es proporcionar información de diagnóstico que pueda advertir al conductor de problemas futuros o mantenimiento de rutina necesario, antes de que estas condiciones conduzcan a averías o explosiones.
Tome el filtro de aire, por ejemplo, el tema de los últimos hallazgos del equipo. Los sonidos de un motor pueden revelar signos reveladores de cuán obstruido está el filtro de aire y cuándo cambiarlo. Y a diferencia de muchas tareas de mantenimiento de rutina, es igual de malopara cambiar los filtros de aire demasiado pronto como para esperar demasiado, dice Siegel.
Esto se debe a que los nuevos filtros de aire permiten que pasen más partículas, hasta que finalmente se acumulan suficientes capas de partículas que los poros se hacen más pequeños y alcanzan un nivel óptimo de filtración. "A medida que envejecen, se filtran mejor".Él dice. Luego, a medida que la acumulación continúa, eventualmente los poros se vuelven tan pequeños que restringen el flujo de aire al motor, reduciendo su rendimiento. Conocer el momento adecuado para reemplazar el filtro puede marcar una diferencia apreciable en el rendimiento del motor y los costos operativos.
¿Cómo puede decir el teléfono que el filtro se está obstruyendo? "Estamos escuchando la respiración del automóvil y escuchando cuándo comienza a roncar", dice Siegel. "Cuando comienza a obstruirse, hace un silbido como un silbido".entra aire. Al escucharlo, no puedes diferenciarlo del otro ruido del motor, pero tu teléfono sí. "
Para desarrollar y probar los diversos sistemas de diagnóstico, que también incluyen la detección de fallas en el motor que indican una bujía defectuosa o la necesidad de un ajuste, Siegel y sus colegas probaron datos de una variedad de automóviles, incluidos algunos que funcionaban perfectamente y otrosen el que uno de estos problemas, desde un filtro obstruido hasta un fallo de encendido, se indujo deliberadamente. A menudo, para probar diferentes modelos, los investigadores alquilaron automóviles, crearon una condición que querían poder diagnosticar y luego restauraron el automóvil anormal.
"Para nuestros datos, hemos inducido fallas [después de alquilar] un vehículo perfectamente bueno" y luego lo reparamos y "devolvimos el auto mejor que cuando lo sacamos. Alquilé autos y les di nuevos filtros de aire,equilibró sus neumáticos y realizó un cambio de aceite "antes de recuperarlos", recuerda.
Algunos de los diagnósticos requieren un proceso de varios pasos complicado. Por ejemplo, para saber si las llantas de un automóvil se están quedando calvas y necesitarán reemplazarse pronto, o si están demasiado infladas y podrían arriesgarse a explotar, los investigadores usan una combinación de datosrecolección y análisis. Primero, el sistema usa el sistema GPS incorporado del teléfono para monitorear la velocidad real del automóvil. Luego, los datos de vibración pueden usarse para determinar qué tan rápido giran las ruedas. Eso a su vez puede usarse para derivar el diámetro de la rueda,que se puede comparar con el diámetro que se esperaría si el neumático fuera nuevo e inflado adecuadamente.
Muchos de los diagnósticos se derivan del uso de procesos de aprendizaje automático para comparar muchas grabaciones de sonido y vibración de automóviles bien ajustados con otros similares que tienen un problema específico. Los sistemas de aprendizaje automático pueden extraer incluso diferencias muy sutiles. Por ejemplo, los algoritmos diseñados para detectar problemas de equilibrio de las ruedas hicieron un mejor trabajo en la detección de desequilibrios que los conductores expertos de una importante compañía de automóviles, dice Siegel.
Se está desarrollando una aplicación prototipo de teléfono inteligente que incorpora todas estas herramientas de diagnóstico y debería estar lista para pruebas de campo en aproximadamente seis meses, dice Siegel, y una versión comercial debería estar disponible dentro de aproximadamente un año después de eso. El sistema será comercializado poruna nueva empresa fundada por Siegel llamada Data Driven.
Fuente de la historia :
Materiales proporcionados por Instituto de Tecnología de Massachusetts . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :