수익률 보존과 관련하여 자동차 브랜드들과 관련 부품 제조 기업들의 데이터 사이언티스트들이 그 주도권을 가지고 있습니다.
시계열 추론을 위한 모델을 개발하고 있는 Viaduct는 최신 커넥티드 카에서 수집된 데이터에서 기업이 자동차 고장에 대한 인사이트를 얻을 수 있도록 지원하고 있습니다. 센서 데이터를 활용하고 상관관계를 도출하는 방식으로 이를 수행하고 있는데요.
캘리포니아 멘로 파크에 본사를 둔 이 스타트업은 비정상적인 패턴을 감지하고 문제를 추적하며 고장 예측을 배포하는 플랫폼을 제공합니다. 이를 통해 자동차 제조업체와 부품 공급업체는 실시간 데이터를 통해 문제를 미리 파악하여 보증 청구, 리콜 및 결함을 줄일 수 있다고 Viaduct의 설립자 겸 CEO인 David Hallac는 밝혔습니다.
“Viaduct는 2백만 대 이상의 차량에 배포하여 50만 시간의 다운타임을 방지하고 업계 전반에서 수억 달러의 보증 비용을 절감하는 효과를 낳았습니다.”라고 그는 밝혔습니다.
이 회사는 데이터 예측에 사용되는 시계열 모델을 훈련, 튜닝 및 배포하기 위해 엔비디아 A100 텐서 코어 GPU와 엔비디아 TSPP(Time Series Prediction Platform) 프레임워크를 사용하고 있습니다.
Viaduct는 승용차와 상용 트럭의 주요 제조업체 5곳 이상에 솔루션을 구축했다고 밝혔습니다.
“고객들은 이를 엄청난 비용 절감으로 보고 있으며, 수익성 측면에서 큰 영향을 미치고 있습니다.”라고 Hallac은 말합니다. “이를 통해 다운타임, 보증, 제품 개발의 비효율성을 개선할 수 있게 되었습니다”
Viaduct는 유망한 스타트업들에게 기술 지원 및 AI 플랫폼 가이드를 제공하는 프로그램인 엔비디아 인셉션(NVIDIA Inception)의 회원사이기도 합니다.
어떻게 시작되었나: 연구 시작
Hallac은 스탠퍼드 대학교에서 Viaduct로 향하는 여정을 시작했습니다. 그가 박사 과정 중이던 시절, 폭스바겐에서 몇 달 동안 60명 이상의 운전자로부터 수집한 센서 데이터와 그 활용 방안을 모색하기 위한 연구보조금을 들고 그가 근무하던 연구실을 찾아왔습니다.
연구진은 수개월에 걸쳐 수집된 방대한 차량 데이터의 패턴과 추세를 이해하는 방법을 연구했습니다.
이를 통해 스탠포드 연구진은 폭스바겐 전자 연구소와 협력하여 센서 데이터를 내장하는 딥 러닝 방법인 Drive2Vec을 강조하는 논문을 발표했습니다.
“저희는 고차원 시계열 데이터로부터 구조적 추론에 초점을 맞춘 여러 알고리즘을 개발했습니다. 이를 통해 유용한 인사이트를 발견했고, 기업이 예측 알고리즘을 대규모로 훈련하고 배포하는 데 도움을 줄 수 있게 되었습니다.”라고 Hallac는 그때를 회상했습니다.
최대 10배 추론이 가능한 인사이트를 위한 지식 그래프 개발
Viaduct는 제조, 텔레매틱스 및 서비스 데이터를 통합하는 TSI 엔진으로 시계열 분석을 처리합니다. 이 모델은 엔비디아 TSPP를 활용하는 A100 GPU로 훈련되었습니다.
“저희는 이를 지식 그래프라고 부르고 있습니다. 모든 다양한 센서와 신호, 그리고 이들이 서로 어떻게 상호 연관되어 있는지에 대한 지식 그래프를 구축하고 있습니다.”라고 Hallac은 말합니다.
센서 데이터 임베딩을 위해 Drive2Vec 자동 인코더를 사용하여 몇 가지 주요 기능을 생성하는데요, 상관관계는 마르코프(Markov) 랜덤 필드 추론 프로세스를 통해 학습되며, 시계열 예측은 엔비디아 TSPP 프레임워크를 활용하고 있습니다.
Hallac은 이 플랫폼의 엔비디아 GPU를 통해 물류 회귀 및 그라디언트 부스팅 알고리즘을 실행하는 CPU 시스템과 비교했을 때 30배 이상의 추론 정확도를 달성할 수 있었다고 밝혔습니다.
사전 예방적 AI로 수익 보호
Viaduct의 플랫폼을 사용하는 한 자동차 제조 기업은 일부 문제를 사전에 처리하고 문제를 해결한 후 해당 문제가 발생할 위험이 있는 차량을 식별하여 해당 자동차의 소유자에게만 서비스를 받으라고 요청할 수 있었습니다. 이는 보증 청구뿐만 아니라 서비스 데스크에도 영향을 미치며, 서비스 데스크에서는 자동차 수리 유형에 대한 가시성을 높일 수 있습니다.
또한 완성차 기업과 부품 공급업체가 보증에 대해 파트너 관계를 맺고 있기 때문에 그 결과는 양쪽 모두에게 중요합니다.
이 스타트업에 따르면 Viaduct는 5가지 문제에 대해 한 고객의 보증 비용을 5천만 달러 이상 절감했습니다.
“모두가 정보를 원하고, 모두가 고통을 느끼며, 시스템이 최적화되면 모두가 이익을 얻습니다.”라고 Hallac은 비용 절감의 가능성에 대해 설명합니다.
자동차 리뷰 평점 유지
Viaduct는 작년부터 주요 자동차 기업들과 협력하여 품질 관리 문제를 해결하기 시작했습니다. 이 파트너십은 생산 후 품질 문제를 파악하고 수정하는 데 걸리는 시간을 개선하는 것을 목표로 했습니다.
파트너십을 맺은 자동차 제조기업은 보증 비용은 상승하는 반면 JD Power IQS(초기 품질 조사) 점수는 하락하고 있었기 때문에 상황을 반전시키고자 했습니다. 그래서 이 자동차 제조기업은 Viaduct의 플랫폼과 TSI 엔진을 사용하기 시작했습니다.
품질 관리에 대한 기존의 사후 대응적 접근 방식과 Viaduct의 플랫폼을 A/B 테스트한 결과, 이 자동차 제조기업은 차량 출시 첫 해에 평균 53일 일찍 문제를 파악할 수 있었습니다. 그 결과 보증 비용을 “수천만 달러”나 절감할 수 있었으며, 차량의 JD Power 품질 및 신뢰성 점수는 이전 모델 연도에 비해 “몇 점”이나 상승했다고 Hallac은 밝혔습니다.
또한 Viaduct은 비즈니스에 대한 AI의 가치를 반영하는 고객들의 관심을 받고 있다고 그는 말했습니다.