Λογισμικό το οποίο μπορεί να εντοπίζει τα προβλήματα ενός αυτοκινήτου απλά και μόνο...ακούγοντας τους ήχους του, αναπτύσσουν ερευνητές στο ΜΙΤ.
Λογισμικό το οποίο μπορεί να εντοπίζει τα προβλήματα ενός αυτοκινήτου απλά και μόνο...ακούγοντας τους ήχους, του αναπτύσσουν ερευνητές στο ΜΙΤ.
Ένα τέτοιο, εξαιρετικά χρήσιμο διαγνωστικό εργαλείο, που θα παρέχει τις πληροφορίες αυτές μέσα σε λίγα λεπτά, ενδεχομένως να είναι διαθέσιμο μέσα σε ένα με δύο χρόνια, ανοίγοντας τεράστιες δυνατότητες, ειδικά δεδομένης της ανόδου του car sharing: Ενδεικτικά, ο πελάτης θα μπορούσε να μπαίνει στο αυτοκίνητο, να ρίχνει μια ματιά στο smartphone του και να λέει στην οδηγό εάν τα λάστιχα χρειάζονται αέρα, εάν η μηχανή χρειάζεται συντήρηση κλπ. Σημαντικό πλεονέκτημα, όπως αναφέρει το MIT News, είναι ότι δεν θα απαιτείται πρότερη γνώση σχετικά με το ιστορικό του αυτοκινήτου ή κάποιου είδους σύνδεση μαζί του, καθώς οι πληροφορίες αντλούνται αποκλειστικά και μόνο μέσω ανάλυσης των ήχων και των δονήσεων του αυτοκινήτου, όπως μετριούνται από τα μικρόφωνα και τα επιταχυνσιόμετρα της συσκευής.
Το ΜΙΤ έχει πραγματοποιήσει σειρά ερευνών πάνω στο συγκεκριμένο θέμα, και μια εφαρμογή για smartphone που συνδυάζει τα πολλαπλά διαγνωστικά συστήματα που έχουν αναπτυχθεί (την οποία αναπτύσσουν οι συντελεστές της πιο πρόσφατης έρευνας) εκτιμάται ότι θα εξοικονομούσε στον μέσο οδηγό 125 δολάρια ετησίως, μειώνοντας παράλληλα την κατανάλωση καυσίμου. Για φορτηγά, το οικονομικό όφελος ανέρχεται στα 600 δολάρια ετησίως, χωρίς να υπολογίζεται η εξοικονόμηση χρημάτων από την αποφυγή πιθανών βλαβών.
Όπως εξηγούν οι συντελεστές της έρευνας, στα μοντέρνα smartphones η ευαισθησία τους είναι τόσο υψηλή, που μπορούν να εντοπίζουν τα σήματα και ενδείξεις που χρειάζονται χωρίς κάποια ειδική σύνδεση- μάλιστα, η ακρίβεια των διαγνωστικών συστημάτων που έχουν αναπτυχθεί από τους ερευνητές του ΜΙΤ ξεπερνά το 90%. Για τους σκοπούς των δοκιμών εξετάστηκαν δεδομένα από ένα μεγάλο εύρος αυτοκινήτων, περιλαμβανομένων κάποιων που δεν είχαν κανένα πρόβλημα και άλλων στα οποία είχαν προκληθεί σκοπίμως τέτοιου είδους προβλήματα. Σε αρκετές περιπτώσεις οι ερευνητές νοίκιασαν αυτοκίνητα, για να εξομοιώσουν συνθήκες που θα ήθελαν να είναι δυνατή η διάγνωση ενός προβλήματος.
Για τη λειτουργία τους, πολλά από τα διαγνωστικά βασίζονται σε διαδικασίες machine learning, συγκρίνοντας ηχογραφήσεις ήχων και δονήσεων από αυτοκίνητα σε καλή κατάσταση και από ίδια ή παρόμοια αυτοκίνητα που έχουν συγκεκριμένα προβλήματα. Τα συστήματα machine learning εντοπίζουν τις μικρές διαφορές και ενημερώνουν για τα «τρωτά σημεία».
Μία πρωτότυπη εφαρμογή για smartphone που ενσωματώνει όλα αυτά τα διαγνωστικά εργαλεία αναπτύσσεται ήδη και εκτιμάται πως θα είναι έτοιμη για εκτενέστερες δοκιμές σε περίπου έξι μήνες. Μία εμπορική της έκδοση αναμένεται να είναι διαθέσιμη περίπου έναν χρόνο μετά. Την εμπορική εκμετάλλευση θα αναλάβει μια startup, η Data Driven.