[KUNSKAPSSAMARBETE] Att utveckla lösningar för uppkopplade fordon kräver normalt tillgång till verkliga fordonsflottor.
Men det är både dyrt, juridiskt komplext och tidskrävande – särskilt i tidiga innovationsfaser.
Sigma Software Group valde en annan väg. Genom att kombinera molnbaserad arkitektur med simulerad fordonsdata har bolaget byggt och demonstrerat en komplett plattform för prediktivt underhåll – utan att ha tillgång till ett enda riktigt fordon.
– Vi ville bevisa att man kan bygga en skalbar och affärsdriven lösning redan innan man får tillgång till verklig fordonsdata, säger Oleksandr Reva, Software Architect på Sigma Software Group.
Spel och hårdvara ersätter bilflotta
Istället för att vänta på OEM-avtal eller testflottor använde teamet två alternativa datakällor:
Dels spelmiljöer som Euro Truck Simulator 2 och Forza Horizon, där telemetridata kan extraheras i realtid.
Dels en egenutvecklad fysisk hårdvaruplattform – en så kallad “quarter-car”-modell – utrustad med sensorer, Raspberry Pi, motor och 3D-printade bromsbelägg som faktiskt slits under demonstrationer.
Detta skapade en realistisk datamiljö där systemet kunde tränas, testas och demonstreras – både tekniskt och visuellt.
– Den fysiska modellen blev inte bara en datakälla, utan också ett starkt visuellt verktyg i dialogen med kunder och partners, säger Reva.
Molnarkitektur i centrum
Lösningen är helt molnbaserad och byggd på Microsoft Azure. Arkitekturen är modulär och följer etablerade principer för skalbar datahantering.
Bland kärnkomponenterna finns:
- Azure Event Hubs för realtidsinsamling
- Azure Data Lake för lagring
- Azure Databricks för databehandling och AI
- AutoML för modellträning
- Power BI (på väg att ersättas av Databricks Apps) för visualisering
Datapipelinen är uppbyggd enligt den så kallade Medallion-arkitekturen, där rådata först lagras, därefter struktureras och slutligen förädlas för analys och maskininlärning.
Resultatet är en lösning som kan hantera stora datamängder och enkelt anpassas när nya signaler eller datakällor tillkommer.
Prediktivt underhåll i praktiken
Målet med projektet är prediktivt underhåll – att kunna förutse när komponenter riskerar att slitas ut eller gå sönder.
I första hand har fokus legat på att prognosticera bromsbeläggens återstående livslängd. När data når analyslagret appliceras tränade maskininlärningsmodeller som genererar realtidsprognoser. Dessa visualiseras direkt i dashboards.
Lösningen kan dock utökas till fler användningsområden, exempelvis:
- Batterihälsa
- Förarbeteendeanalys
- Bränsleeffektivitet
- Försäkringsbaserad riskbedömning
Tekniska och praktiska utmaningar
Att visa realtidslösningar i mässmiljö innebär särskilda utmaningar. Instabila nätverk ledde initialt till tappad data och ojämna dashboards.
Lösningen blev lokal buffring och smart felhantering. Även molnkostnader blev en faktor under utvecklingsfasen, vilket hanterades genom automatisk nedskalning och optimerade klusterinställningar.
En annan viktig insikt var vikten av visuell tydlighet.
– Att visa data i rörelse, kopplat till fysiska komponenter, är mycket mer övertygande än statiska presentationer, säger Reva.
Från simulering till verklig data
Nästa steg är att integrera anonymiserad, verklig telematikdata från kommersiella leverantörer. Det gör det möjligt att stresstesta plattformen med autentiska signalmönster – utan att direkt behöva hantera OEM-specifika säkerhetskrav och juridiska avtal.
Parallellt planeras:
- Utökade AI-modeller
- Edge-bearbetning för minskad latens
- API-integration mot ERP- och flottstyrningssystem
- Publicering som en öppen referensarkitektur via Eclipse SDV
Molnet som startpunkt
Projektet visar att innovation inom Software-Defined Vehicles inte behöver börja i fordonet – utan kan starta i molnet.
Genom att kombinera simulering, öppen standardisering och molnbaserad AI har Sigma Software skapat en plattform som är redo att skalas till verkliga flottor.
För IT-kanalen är budskapet tydligt:
Det går att bygga affärsvärde, testa arkitektur och validera AI-modeller långt innan tillgång till verkliga fordon är på plats.
Och kanske är det just så framtidens fordonsinnovation kommer att se ut – mer mjukvara först, hårdvara senare.
Artikeln är ett kunskapsamarbete mellan Sigma Software Group och IT Media Group. Sponsrade inlägg och kunskapsamarbeten är en del av IT Media Groups annonserbjudande. Om du har frågor kring sponsrade inlägg, hör av dig till info@itmediagroup.se
