Pendant la phase de fabrication, identifier la ou les causes profondes d’un problème est un processus long et minutieux, réalisé avec des méthodes traditionnelles, mais il est également incroyablement difficile.

Les véhicules d’aujourd’hui sont très complexes et chaque conducteur a un comportement, des actions d’entretien et des conditions de conduite uniques. Certains problèmes surviennent uniquement dans des circonstances tout à fait uniques, invisibles dans le processus de fabrication.

Les techniques d’apprentissage automatique peuvent considérablement accélérer l’analyse des causes profondes et accélérer la résolution. Les algorithmes de détection d’anomalies peuvent analyser efficacement de grandes quantités de données du système et des pilotes. Et ils peuvent effectuer cette analyse en utilisant des types de données supplémentaires et en quantités bien supérieures à celles que les méthodes traditionnelles peuvent gérer.

Par exemple, pendant la phase de fabrication, l’utilisation de données d’image comme entrée pour l’analyse des causes profondes aide les organisations à corréler les modes de défaillance avec d’éventuels défauts dans les procédures de fabrication sous-jacentes.