NorCom Information Technology GmbH & Co. KGaA heeft een AI-project voor voorspellingen bij een Duitse autofabrikant, dat sinds het begin van het jaar loopt, met succes afgerond. NorCom heeft de klant ondersteund bij het doen van voorspellingen voor tijdens het rijden gedetecteerde foutcodes op basis van een AI-model.

Het project is thematisch ingedeeld bij het grotere gebied van de root cause analysis. In een gepland vervolgproject zal de opgedane kennis als basis dienen voor de ontwikkeling van diverse AI-apps over diverse aspecten van root cause analysis. Geleidelijke invoering van de Root Cause Analysis Root Cause Analysis bepaalt hoe, waarom, en wanneer een problematische gebeurtenis zich voordoet.

Het doel is om een probleem dat zich in de toekomst voordoet systematisch te kunnen voorkomen door de oorzaken te analyseren, in plaats van het achteraf op te lossen. De resultaten van de grondoorzaakanalyse leveren ook belangrijke informatie op om de onderliggende oorzaken van fouten vast te stellen en die op een kostenefficiënte en klantvriendelijke manier te kunnen verhelpen. In het kader van de serie-ondersteuning worden foutcodes die in alle verkochte voertuigen voorkomen, gecontroleerd en geëvalueerd, mits de eigenaren daarvoor toestemming hebben gegeven.

NorCom ondersteunt deze foutcode-analyse met de voorspelling. De voorspelling is gebaseerd op een AI-trainingsmodel en onderzoekt relaties tussen foutcodes en interne en externe factoren die parallel optreden. In de trainingsgegevens, die direct op het moment van rijden berekend worden, stromen laadverzamelaars, duurloopgegevens en foutomgevingsgegevens in, evenals de foutcodes die zich hebben opgestapeld.

De foutcodes kunnen verband houden met externe omstandigheden, zoals de rijfrequentie, de plaats, de weersomstandigheden of de rijsnelheid. Maar ook instrumenten en sensoren in de auto, en de interacties daartussen, worden in de evaluatie betrokken.