هوش مصنوعی و پیش‌بینی خرابی خودرو

هوش مصنوعی چگونه قبل از خرابی خودرو را تشخیص می‌دهد؟

تصور کنید چند روز قبل از اینکه باتری خودرو ضعیف شود، خودرو به شما هشدار بدهد. یا قبل از اینکه یک مشکل در سیستم خنک‌کاری، موتور، گیربکس یا حتی یکی از تجهیزات الکترونیکی به خرابی جدی تبدیل شود، روی تلفن همراهتان پیامی دریافت کنید: «رفتار خودرو نسبت به گذشته تغییر کرده است؛ بهتر است این بخش بررسی شود»

این دیگر فقط یک تصویر علمی‌تخیلی نیست.

ترکیب هوش مصنوعی، خودروهای متصل، حسگرها و تحلیل داده‌ها در حال تغییر مفهوم نگهداری خودرو است؛ به‌طوری که در برخی سامانه‌های تجاری، خودروها و ناوگان‌ها همین حالا داده‌های خود را برای شناسایی زودهنگام مشکلات تحلیل می‌کنند.

در واقع، نسل جدید خودروها قرار نیست فقط بگویند: «خراب شدم!» بلکه قرار است خیلی زودتر بگویند: «احتمال دارد به‌زودی مشکلی ایجاد شود.»

نگهداری پیش‌بینانه چیست؟

در روش سنتی، سه حالت بیشتر نداریم:

·         یا خودرو طبق برنامه سرویس می‌شود،

·         یا راننده متوجه نشانه‌ای از خرابی می‌شود،

·         یا قطعه خراب می‌شود و خودرو برای تعمیر به تعمیرگاه می‌رود.

اما در نگهداری پیش‌بینانه یا Predictive Maintenance، وضعیت خودرو به‌صورت مستمر بررسی می‌شود.

سیستم اطلاعاتی مانند: دمای موتور-  دور موتور - ولتاژ و وضعیت باتری - مصرف انرژی - داده‌های گیربکس - خطاهای ثبت‌شده - وضعیت سیستم‌های الکترونیکی - شرایط رانندگی -  مسافت و الگوی استفاده را در طول زمان بررسی می‌کند.

هوش مصنوعی سپس به‌دنبال یک عدد غیرعادی نمی‌گردد؛ بلکه الگوی تغییرات خودرو را پیدا می‌کند.

مثلاً اگر دمای یک سیستم به‌تنهایی هنوز طبیعی باشد، اما طی چند هفته به‌تدریج افزایش پیدا کرده باشد، همین تغییر می‌تواند برای یک مدل هوش مصنوعی مهم باشد.

هوش مصنوعی دقیقاً چه چیزی را می‌فهمد؟

فرض کنید یک خودرو در حالت عادی، دمای مشخصی دارد. بعد از چند ماه استفاده، سیستم متوجه می‌شود: دمای کار کمی بالاتر رفته، مصرف انرژی کمی افزایش یافته، لرزش موتور اندکی تغییر کرده و چند خطای کوچک نیز در حافظه خودرو ثبت شده است.

هیچ‌کدام از این موارد به‌تنهایی الزاماً به معنای خرابی نیستند.

اما هوش مصنوعی می‌تواند این اطلاعات را در کنار سابقه همان خودرو قرار دهد و تشخیص دهد که الگوی رفتاری خودرو در حال تغییر است.

این دقیقاً جایی است که نگهداری پیش‌بینانه از یک سیستم ساده هشداردهنده فراتر می‌رود.

این فناوری همین حالا کجا استفاده می‌شود؟

یکی از نمونه‌های بسیار جدی در حال استفاده، شرکت Geotab  است.

Geotab  یک شرکت کانادایی در حوزه خودروهای متصل و مدیریت ناوگان است که اکنون سامانه Geotab Intelligence را توسعه داده است.

این پلتفرم بر پایه داده‌های حدود ۶ میلیون خودروی متصل و ده‌ها تریلیون نقطه داده فعالیت می‌کند و قابلیت‌هایی مانند پیش‌بینی خرابی و نگهداری پیشگیرانه دارد. خود شرکت اعلام کرده که هوش مصنوعی آن می‌تواند خرابی‌های خودرو را قبل از ایجاد اختلال جدی شناسایی کند.

حتی در سامانه فعلی Geotab، وضعیت سیستم الکتریکی خودرو و سلامت باتری با یک امتیاز ارزیابی می‌شود و در صورت رسیدن ریسک به محدوده مشخص، درخواست تعمیر می‌تواند به‌صورت خودکار ایجاد شود.

یعنی اینجا دیگر درباره یک نمونه آزمایشگاهی صحبت نمی‌کنیم؛ یک سرویس تجاری واقعی برای ناوگان‌ها در حال استفاده است.

اروپا و آمریکای شمالی جلوتر هستند

این فناوری در حال حاضر بیشتر در حوزه ناوگان‌های تجاری، کامیون‌ها، ون‌ها و خودروهای متصل کاربرد عملی دارد.

Geotab  در آمریکای شمالی و اروپا فعالیت گسترده دارد و گزارش سال ۲۰۲۶ آن بر داده نزدیک به ۶ میلیون اشتراک خودروی متصل و استفاده از هوش مصنوعی برای شناسایی خرابی‌های احتمالی تکیه دارد.

در اروپا نیز شرکت آلمانی Bosch  روی سامانه‌های «Predictive Diagnostics» کار می‌کند. این سیستم داده‌های خودروهای متصل و اطلاعات ابری را با الگوریتم‌های هوشمند ترکیب می‌کند تا وضعیت قطعات و سیستم‌ها را ارزیابی و احتمال خرابی را پیش از وقوع آن شناسایی کند.

بنابراین اگر بخواهیم کشورها و مناطق پیشرو را نام ببریم، آلمان و سایر کشورهای اروپایی، کانادا و آمریکا از مهم‌ترین مراکز توسعه و استفاده عملی این فناوری هستند؛ البته فناوری به همین کشورها محدود نیست.

خودروسازان هم وارد بازی شده‌اند

موضوع فقط شرکت‌های نرم‌افزاری نیست.

Stellantis، مالک برندهایی مانند  Peugeot، Citroën،  Fiat و Jeep، در همکاری خود با Microsoft بیش از ۱۰۰ پروژه هوش مصنوعی را دنبال می‌کند که یکی از حوزه‌های آن Predictive Maintenance  و همچنین ارائه اطلاعات پیشگیرانه درباره وضعیت خودرو به مشتریان است.

از سوی دیگر،  Volvo Cars اعلام کرده که برای باتری‌های ولتاژ بالای خودروهای برقی خود، خدمات نگهداری پیش‌بینانه ارائه می‌کند. در خودروهای برقی Volvo، وضعیت سلول‌های باتری پایش می‌شود تا در صورت مشاهده نشانه‌های فرسودگی، امکان اقدام زودهنگام وجود داشته باشد. این یعنی یکی از کاربردهای واقعی و قابل لمس این فناوری همین حالا در خودروهای برقی وجود دارد.

 Mercedes-Benz هم از داده خودرو استفاده می‌کند

 Mercedes-Benz نیز زیرساخت گسترده‌ای برای دریافت داده خودروهای متصل دارد.

در سرویس‌های Mercedes-Benz Connectivity Services ، اطلاعاتی مانند وضعیت فنی خودرو، سطح سوخت، وضعیت شارژ و سایر پارامترهای خودرو در اختیار سرویس‌های دیجیتال قرار می‌گیرد.

حتی شرکت Volteras با استفاده از داده‌های خودروهای  Mercedes-Benz، برنامه‌ریزی تعمیرات را بر اساس وضعیت باتری انجام می‌دهد و گزارش کرده که این رویکرد به کاهش زمان خواب خودروهای ناوگان کمک کرده است.

پس مسیر آینده کاملاً مشخص است:

خودرو - داده -فضای ابری- هوش مصنوعی - پیش‌بینی و تعمیر قبل از خرابی

 BMW یک نکته مهم دیگر را ثابت کرده است

 BMW نیز سال‌هاست از نگهداری پیش‌بینانه مبتنی بر هوش مصنوعی استفاده می‌کند؛ البته نمونه مشهور آن در کارخانه‌های تولید خودرو است.

در کارخانه Regensburg آلمان، سیستم هوشمند داده‌های تجهیزات خط تولید را بررسی می‌کند و با شناسایی الگوهای غیرعادی، احتمال خرابی تجهیزات را قبل از توقف خط تولید تشخیص می‌دهد.

 BMW اعلام کرده این سیستم به‌طور متوسط از حدود ۵۰۰ دقیقه توقف تولید در سال جلوگیری می‌کند و حدود ۸۰ درصد خطوط اصلی مونتاژ آن کارخانه به این روش پایش می‌شوند.

این مثال نشان می‌دهد که فناوری «پیش‌بینی خرابی» از نظر صنعتی کاملاً جدی و عملی شده است.

اما آیا خودروهای فعلی هم می‌توانند از این فناوری استفاده کنند؟

بله؛ و این شاید جذاب‌ترین بخش داستان باشد.

برای استفاده از هوش مصنوعی الزاماً لازم نیست خودرو از ابتدا به‌عنوان یک خودروی هوشمند طراحی شده باشد. در بسیاری از خودروهای جدید و حتی تعدادی از خودروهای قدیمی‌تر، اطلاعاتی از طریق شبکه‌های الکترونیکی خودرو و در صورت وجود، درگاه OBD-II  قابل دریافت است.

یک سامانه جانبی می‌تواند:

·         اطلاعات خودرو را از OBD دریافت کند

·         داده‌ها را در حافظه ذخیره کند

·         از طریق Bluetooth یا اینترنت به تلفن همراه یا سرور ارسال کند

·         اطلاعات را در طول زمان تحلیل کند

·         الگوی طبیعی همان خودرو را یاد بگیرد

·         تغییرات غیرعادی را تشخیص دهد

 و در نهایت به راننده هشدار دهد.

بنابراین حتی یک خودروی چند ساله نیز می‌تواند بخشی از قابلیت‌های یک خودروی هوشمند آینده را به‌صورت افزونه دریافت کند.

البته یک محدودیت مهم وجود دارد:

اگر خودرو اصلاً سنسور مربوط به یک پارامتر را نداشته باشد، نرم‌افزار نمی‌تواند از هیچ، آن اطلاعات را ایجاد کند.

پس یک سامانه حرفه‌ای ممکن است در کنار OBD به سنسورهای اضافی نیز نیاز داشته باشد.

اینجا یک فرصت بزرگ برای خودروهای ایرانی وجود دارد

بخش بزرگی از خودروهای موجود در ایران، خودروهای کاملاً متصل و هوشمند امروزی نیستند. اما بسیاری از آنها دارای ECU، شبکه CAN، سنسورها و در برخی موارد درگاه OBD هستند.

بنابراین می‌توان یک راه‌حل مرحله‌ای ساخت:

مرحله اول: دریافت اطلاعات موجود خودرو.

مرحله دوم: ثبت اطلاعات در طول زمان.

مرحله سوم: ساختن پروفایل سلامت هر خودرو.

مرحله چهارم: استفاده از الگوریتم‌های هوش مصنوعی برای تشخیص تغییرات غیرعادی.

مرحله پنجم: ارائه هشدار قابل فهم به راننده.

مثلاً به‌جای نمایش یک کد خطای خشک، سیستم بگوید: «در ۲۰۰۰ کیلومتر اخیر، رفتار سیستم خنک‌کاری نسبت به گذشته تغییر کرده است. پیشنهاد می‌شود قبل از سفر طولانی بررسی شود»

این برای راننده بسیار قابل فهم‌تر از یک کد خطای فنی است.

حتی می‌توان خودرو را بدون اینترنت دائمی هوشمند کرد

یک نکته مهم دیگر این است که برای شروع، خودرو الزاماً نباید دائماً به اینترنت متصل باشد.

می‌توان اطلاعات را داخل تلفن همراه یا یک پردازنده کوچک ذخیره کرد و در زمان اتصال به اینترنت، اطلاعات را به سرور فرستاد. اما برای امکانات پیشرفته‌تر، اینترنت دائمی مزیت بزرگی دارد.

در این حالت می‌توان:

·         هشدار فوری ارسال کرد

·         اطلاعات را در فضای ابری ذخیره کرد

·         مدل هوش مصنوعی را به‌روزرسانی کرد

·         وضعیت خودرو را از راه دور بررسی کرد

·         تعمیرگاه را قبل از مراجعه خودرو مطلع کرد.

نسل بعدی؛ هوش مصنوعی فقط خودرو را بررسی نمی‌کند

یکی از جذاب‌ترین اتفاقات آینده این است که هوش مصنوعی فقط اطلاعات داخل خودرو را بررسی نخواهد کرد. پژوهش‌های جدید در حال ترکیب داده‌های خودرو با وضعیت جاده، آب‌وهوا، ترافیک و رفتار راننده هستند.

در چنین سیستمی، خودرو فقط نمی‌گوید: «دمای سیستم کمی افزایش یافته» بلکه می‌تواند شرایط استفاده را نیز در نظر بگیرد.

مثلاً بداند خودرو چند ساعت در ترافیک سنگین بوده، در چه دمایی رانندگی کرده، در چه جاده‌ای حرکت کرده و راننده چگونه از خودرو استفاده کرده است.

پژوهش منتشرشده در سال ۲۰۲۶ نیز دقیقاً روی همین ایده کار کرده و ترکیب داده‌های داخلی خودرو با اطلاعات محیطی و ارتباطات V2X را برای نگهداری پیش‌بینانه بررسی کرده است.

تعمیرگاه آینده هم تغییر می‌کند

در چنین دنیایی، تعمیرکار فقط خودرو را تحویل نمی‌گیرد و شروع به جست‌وجوی مشکل نمی‌کند.

ممکن است قبل از ورود خودرو، اطلاعات آن برای تعمیرگاه ارسال شده باشد:

·         احتمال خرابی سیستم خنک‌کاری: متوسط

·         وضعیت باتری: رو به کاهش

·         خطاهای ثبت‌شده: ۲ مورد

·         قطعه احتمالی موردنیاز: ...

در نتیجه تعمیرگاه می‌تواند قبل از ورود خودرو، ابزار و قطعه موردنیاز را آماده کند.

این یعنی هوش مصنوعی فقط خودرو را هوشمند نمی‌کند؛ بلکه کل زنجیره خدمات پس از فروش را تغییر می‌دهد.

ایران برای رسیدن به این نقطه به چه زیرساختی نیاز دارد؟

برای اجرای چنین سامانه‌ای در ایران، ساخت یک اپلیکیشن به‌تنهایی کافی نیست.

حداقل به این زیرساخت‌ها نیاز داریم:

۱. سخت‌افزار داخل خودرو: یک ماژول برای دریافت اطلاعات از OBD یا CAN و در صورت نیاز حسگرهای اضافی.

۲. ارتباط خودرو با تلفن یا سرور: Bluetooth  برای ارتباط نزدیک و در مراحل پیشرفته‌تر، ارتباط سلولی مانند 4G می‌تواند استفاده شود.

۳. زیرساخت ابری: داده‌های خودرو باید در یک سیستم امن ذخیره و پردازش شوند.

۴. بانک اطلاعاتی بزرگ خودروهای ایرانی: این قسمت بسیار مهم است. هوش مصنوعی زمانی بهتر عمل می‌کند که بداند مثلاً یک پژو ۲۰۶ سالم، یک دنا سالم یا یک خودرو چینی خاص در شرایط مختلف چه الگوی رفتاری دارد.

بنابراین باید به‌مرور یک بانک اطلاعات سلامت خودروهای ایران ساخته شود.

۵. مدل‌های هوش مصنوعی اختصاصی: مدلی که برای یک خودروی اروپایی آموزش دیده، لزوماً بهترین مدل برای خودروهای مورد استفاده در ایران نیست. داده‌های واقعی خودروهای ایرانی باید وارد فرآیند آموزش و اعتبارسنجی شوند.

۶. امنیت سایبری: اطلاعات خودرو بسیار حساس است. سیستم باید از ابتدا برای جلوگیری از دسترسی غیرمجاز، جعل داده و حملات سایبری طراحی شود.

۷. شبکه تعمیرگاه و خدمات: اگر هوش مصنوعی یک مشکل را تشخیص دهد، باید یک زنجیره خدمات وجود داشته باشد که بتواند آن را بررسی و برطرف کند.

۸. استاندارد و چارچوب داده: اگر هر خودروساز اطلاعات خودرو را به شکل کاملاً متفاوتی ارائه کند، ساخت یک پلتفرم جامع دشوار می‌شود.

بنابراین استانداردسازی داده‌ها اهمیت زیادی دارد.

آیا ایران از همین امروز می‌تواند شروع کند؟

بله. و اتفاقاً لازم نیست از ابتدا سراغ پیچیده‌ترین نسخه برویم. یک مسیر منطقی می‌تواند این باشد:

فاز اول:  دریافت اطلاعات OBD و ساخت اپلیکیشن سلامت خودرو

فاز دوم:  ذخیره‌سازی داده و ایجاد سابقه هر خودرو

فاز سوم : تشخیص خطا و تحلیل روندها

فاز چهارم : آموزش مدل هوش مصنوعی با داده خودروهای ایرانی

فاز پنجم : پیش‌بینی خرابی قطعات

فاز ششم : اتصال به تعمیرگاه و خدمات پس از فروش

فاز هفتم : اضافه کردن حسگرهای اختصاصی و امکانات پیشرفته‌تر

در این مسیر، حتی خودروهای قدیمی نیز می‌توانند وارد اکوسیستم شوند.

آینده فقط خودروی خودران نیست

وقتی از آینده خودرو صحبت می‌کنیم، معمولاً ذهنمان سراغ خودروهای خودران می‌رود. اما شاید یکی از اولین تغییرات بزرگ، بسیار ساده‌تر باشد: خودرو بتواند وضعیت خودش را بفهمد.

·         قبل از اینکه راننده متوجه شود، تغییرات را تشخیص دهد.

·         قبل از اینکه قطعه کاملاً خراب شود، هشدار دهد.

·         قبل از اینکه خودرو در جاده متوقف شود، تعمیرگاه را مطلع کند.

و حتی قبل از مراجعه، قطعه موردنیاز آماده شده باشد.

این همان جایی است که خودرو از یک وسیله مکانیکی به یک سیستم هوشمند و پیش‌بین تبدیل می‌شود.

و شاید در آینده، جمله‌ای که از خودرو می‌شنویم دیگر این نباشد: «خراب شدم!» بلکه بگوید: « فکر می‌کنم به‌زودی به کمک نیاز دارم»