플릿 데이터가 말하고 있지만 아무도 듣지 않는 경우

커넥티드 카를 위한 AI 이상 징후 탐지: 규칙 기반 시스템이 놓치는 부분 파악

오늘날의 커넥티드 카는 전압 판독값, 열 프로파일, 인버터 동작, CAN 버스 트래픽, 충전 패턴, 타이어 압력 및 클라우드로 지속적으로 스트리밍되는 수천 개의 기타 신호 등 시간당 수 기가바이트의 데이터를 생성합니다.이를 차량 10,000대에 곱하면 연간 페타바이트 규모의 원격 측정이 가능합니다.데이터의 바다 어딘가에서 배터리 모듈의 성능이 조용히 저하되고 있습니다.모터 컨트롤러가 정상 작동 범위를 벗어나고 있습니다.소프트웨어 업데이트를 통해 특정 주변 조건에서만 나타나는 브레이크 캘리브레이션 기능이 미묘하게 저하되었습니다.

문제는 데이터 부족이 아닙니다.의미 있는 신호를 정확히 찾아내는 것이 점점 더 어려워지고 있다는 거죠.

임계값 기반 모니터링의 한계

대부분의 OEM 및 플릿 엔지니어링 팀은 여전히 정적 DTC 임계값, 하드코딩된 경고 경계, 플래그가 지정된 이벤트의 수동 검토 등 규칙 기반 진단 시스템을 사용합니다.이러한 시스템은 알려진 장애 모드에서 잘 작동합니다.냉각수 온도가 110°C를 초과하면 경고를 트리거합니다.배터리 셀 전압이 2.5V 미만으로 떨어지면 팩에 플래그를 붙이세요.간단합니다.

하지만 가장 큰 상처를 주는 실패는 이미 규칙을 작성한 실패가 아닙니다.아직 보지 못했던 것들이죠.

2025년 폭스바겐의 ID.4에서 어떤 일이 일어났는지 생각해 보십시오. SK Battery America에서 공급한 배터리 셀의 전극 변화가 여러 차례 발열 현상을 일으켜 결국 44,000대 이상의 차량이 리콜되었습니다.근본 원인은 BMS가 명시적으로 모니터링하던 고장 모드가 아니었습니다. 이를 분리하려면 물리적 분해 분석, CT 스캔, 수개월에 걸친 공급업체 간 조사가 필요했습니다.대책이 마련될 무렵에는 브랜드에 대한 피해와 리콜 비용이 이미 잠겨 있었습니다.

이러한 패턴은 업계 전반에 걸쳐 반복되고 있습니다.Li Auto는 불충분한 냉각수 부식 방지로 인한 열 폭주 위험을 추적한 후 11,000대 이상의 메가 EV를 리콜했습니다. 이는 너무 늦기 전까지는 기존의 진단 규칙을 어길 수 없는 미묘한 화학적 분해 문제입니다.차량의 클라우드 기반 조기 경보 시스템이 사고를 감지했지만, 근본적인 성능 저하는 몇 달 동안 조용히 축적되어 왔습니다.

이런 경우는 예외가 아닙니다.정의상 아직 규칙이 없는 문제를 파악하기 위해 규칙에 의존할 경우 발생할 수 있는 예상 가능한 결과입니다.

비지도 학습이 실제로 바뀌는 것

현재 일어나고 있는 변화는 아직 초기 단계이지만 감독되지 않은 기계 학습 모델을 지속적인 플릿 원격 측정에 적용하는 것입니다.레이블이 지정된 훈련 데이터 (“다음은 배터리 고장의 500가지 예시”) 가 필요한 감독형 모델과는 달리, 감독되지 않은 접근 방식은 무엇을 배울 수 있을까요? 표준 특정 차량, 구성 요소 또는 차량 세그먼트에 대해 찾은 다음 해당 기준선과의 편차를 표시합니다.

이는 다음과 같은 몇 가지 구체적인 방식으로 커넥티드 카 운영에 중요합니다.

배터리 상태 저하. 셀 레벨 전압 불균형, 용량 페이드 패턴 및 충전 주기 동안의 열 거동은 모두 BMS 임계값을 초과하기 훨씬 전에 미묘한 분포 변화를 일으킵니다.이상 감지 기능을 통해 장비 수준에서 이러한 변화를 감지하여 성능 저하가 가속화되는 경향이 있는 팩 구성, 공급업체 또는 펌웨어 버전을 식별할 수 있습니다.EV 배터리 보증 기간이 8~10년으로 연장되고 중국의 GB38031-2025 같은 규정이 열폭주 시 화재 발생 시 화재 발생 시 화재 발생 시 화재 발생 시 화재 발생 시 화재 발생 시 화재 발생 시 조기 감지는 선택 사항이 아닙니다.이는 책임 문제입니다.

OTA 이후 검증. 소프트웨어 정의 차량은 업데이트를 자주, 때로는 매주 푸시합니다.각 업데이트는 특정한 실제 상황 (추운 날씨의 고속도로 속도, 고부하 견인, 급속 충전-방전 주기) 에서만 나타나는 행동 회귀 현상을 일으킬 수 있습니다.업데이트 전/후 텔레메트리 베이스라인에 변칙 탐지를 적용하면 보증 클레임이나 고객 불만이 제기되기 전에 전체 제품군에서 이러한 회귀 현상을 파악할 수 있습니다.

혼합 플릿의 컴포넌트 레벨 드리프트. 제조사, 연식, 파워트레인 유형 등 다양한 차량을 운영하는 상업용 트럭 및 버스 운영자는 데이터 정규화 문제에 직면하여 탐지 문제를 더욱 복잡하게 만듭니다.예를 들어 차량 세그먼트별로 적응형 기준을 구축하는 이상 감지 플랫폼은 특정 터보차저 액추에이터가 공통 공급업체를 공유하는 차량 집단에서 비정상적인 동작을 보이는 것을 드러내는 동시에 동일한 차종의 2023년 디젤과 2025년 BEV 간의 일반적인 편차를 걸러낼 수 있습니다.

자동차를 넘어선 에너지 저장 시스템. 고정식 배터리 에너지 저장 시스템 (BESS) 에도 동일한 무감독 접근 방식이 적용됩니다. 고정식 배터리 에너지 저장 시스템 (BESS) 에서는 열 관리 및 셀 분해 패턴이 EV 팩과 기본 특성을 공유하지만 서로 다른 듀티 사이클과 환경 조건에서 작동합니다.

늦은 탐지로 인한 비용

경제학은 무뚝뚝합니다.상용 트럭 한 대에 예상치 못한 가동 중단이 발생하면 하루에 448달러에서 760달러 사이의 수익 손실이 발생합니다. 이는 견인, 비상 부품, 운전자 임금, SLA 미달, 다운스트림 일정 차질 등을 고려하기 전입니다.업계 데이터에 따르면 차량당 연간 평균 8.7일의 예상치 못한 가동 중지 시간이 발생합니다.사후 수리는 동일한 서비스를 사전에 수행하는 것보다 3~9배 더 많은 비용이 듭니다.

승용차 OEM의 경우 계산은 다르지만 똑같이 고통스럽습니다.배터리 열 위험과 관련된 안전 리콜에는 직접적인 치료 비용만 드는 것이 아닙니다. 보험료를 인상하고, 규제 조사를 촉발하고, 잔존 가치를 낮추고, 회복하는 데 몇 년이 걸리는 헤드라인이 생깁니다.

“3주차에 이상 현상을 발견했다”와 “9개월에 장애를 발견했다” 사이의 격차는 수백만 달러 단위로 측정되며, 경우에 따라 안전 결과에서도 측정됩니다.

탐지 플랫폼에서 확인해야 할 사항

모든 이상 탐지가 동일한 것은 아닙니다.커넥티드 카 운영을 위한 솔루션을 평가할 때 유용한 도구를 소음 발생기와 구분하는 몇 가지 기능이 있습니다.

적응형 베이스라인 변화하는 차량 조건에 맞게 조정됩니다. 주변 온도가 변하거나 차량이 새로운 듀티 사이클에 진입할 때마다 오탐을 발생시키는 정적 임계값이 아닙니다.목표는 경보를 더 적게, 더 많이 신호를 보내는 것이지 경고를 더 많이 보내는 것이 아닙니다.

드리프트 모니터링 시간 경과에 따른 데이터 분포 및 모델 성능의 변화를 추적합니다.차량 소프트웨어와 하드웨어는 지속적으로 발전하고 있습니다.지난 분기의 차량 행동을 기반으로 학습한 모델은 자체 가정이 유효하지 않은 시점을 인식해야 합니다.

근본 원인 컨텍스트 이를 통해 엔지니어는 조사를 시작할 수 있습니다. “VIN 12345에서 이상 징후가 감지됨”뿐만 아니라 진단을 가속화하는 상관 신호, 시간적 패턴 및 코호트 수준 컨텍스트가 포함됩니다.

피드백 루프 이를 통해 엔지니어링 팀은 탐지를 확인, 기각 또는 재분류하여 해당 판단을 모델에 다시 반영하여 시간이 지남에 따라 정밀도를 개선할 수 있습니다.

더 ML 이상 탐지 플랫폼Sibros 마켓플레이스에서 이용할 수 있는 제품은 이러한 원칙을 기반으로 구축되었습니다.사전 레이블이 지정된 고장 데이터 없이도 비지도 학습을 적용하여 차량 원격 측정을 지속적으로 모니터링하여 차량, 배터리 및 구성 요소 동작의 초기 편차를 찾아냅니다.적응형 베이스라인은 경고 피로를 줄여줍니다.드리프트 모니터링을 통해 차량이 발전함에 따라 시스템의 관련성을 유지할 수 있습니다.또한 통합된 근본 원인 힌트를 통해 엔지니어링 및 운영 팀은 탐지에서 해결에 이르는 더 빠른 경로를 이용할 수 있습니다.

에서 자세히 알아보기 시브로스 마켓플레이스.