Data Drives如何在梅赛德斯-Metronas Motorsport上获胜

最近的俄罗斯一级方程式大奖赛展示了一个实时的反应策略，使梅赛德斯-AMG Petronas Motorsport能够超越可能的法拉利一两次获胜。

数据对于梅赛德斯-Metronas Motorsport运行，设计，建造和测试其赛车及其比赛战略的各个方面至关重要。

去年，该团队在确保FIA惯例1构造师和英国刘易斯汉密尔顿举行了司机世界锦标赛后，该团队庆祝了第五个连续双重标题。

由于2019公式一季进入其最终阶段，因此对业务的各个方面存在压力。数据位于梅赛德斯 - amg Petronas Motorsport团队的决策中，既可从竞赛战略视角和广泛的业务运营中的决策。

Mercedes-Amg Petronas Motorsport的Matt Harris说：“在过去的五年中，来自汽车的数据的重要性并没有任何不同，但做出决策的时间已经变得更加紧张。”

哈里斯说，现在能够可视化和将数据转化为改变汽车配置以及在实践，合格和比赛日的识别和决定中的洞察力和决策中的重要性。有很多数据 - 汽车上传感器的遥测数据以及来自比赛团队的数据，比赛前和赛后模拟，Dyno发动机测试，复杂的流体动力学（CFD）和风洞空气动力学数据。

“圣杯将是在Dyno中进行测试，将其与模拟器相关联，与风洞和CFD数据相关，在轨道上运行设置，然后更改一个数字和所有数据点同意，”他说。

“我们永远追逐物理世界的最佳模型”

Matt Harris，Mercedes-Amg Petronas Motorsport

这是数字双胞胎的概念，一个在重工业中使用的术语来描述物理机器的数字代表。但是，哈里斯说，一辆公式一辆车的真正数字表示几乎是不可能的。

“我们几乎是不可能的，但是我们想要得到的是P1 [在比赛周末期间的第一个练习会议]，从条件中学习，了解软件仿真不正确的位置，并重做模拟。我们永远追逐了物理世界的最佳模型，分钟到几小时，每天到一天，从资格到赛车。“

这种迭代过程在比赛之后继续。它是更新的比赛后，以及赛车的改进。

哈里斯表示，梅赛德斯-AMG Petronas Motorsport正在使用Tibco，在一个项目上使用Tibco来看看如何从汽车的遥测系统汇装到时间序列数据库，该数据库可用于可视化不同的数据集来识别异常和相关性。

他说，该项目代表了团队在分析数据的能力方面的一大步。“这将是明年的大幅度变化。很难看看汽车[遥测]数据。有数千个数据渠道。“

哈里斯说，有很多数据，工程师需要知道他们应该查看的数据集以及他们在该数据集中寻找的数据。“如果您知道这是一项重要信息，您只知道要寻找什么，”他说。“与Tibco Spotfire，我们将获得渠道的趋势。快速获胜将是寻找异常活动的能力。“

数据是必不可少的轨道。鉴于一级方程式成本上限，团队需要知道它在正确的地区花钱。哈里斯说：“我们有不同的方法可以进行调度，生产订单和制造汽车的计划。”

一些数据位于公司的SAP企业资源规划（ERP）系统中，但并非所有数据都在ERP中。Harris表示，需要以标准化方式可视化这些不同系统中的状态。“了解业务流程和业务数据允许我们”如果“情景”，所以我们可以做出正确的决策，“他说。

哈里斯说：虽然汽车产生了大量的有价值的数据，但是“我们没有对汽车数据的丰富描述。”

随着汽车的数据，团队可以关联GPS数据，定时数据和天气数据。但对于历史分析，哈里斯说：“如果我从一年前从去年开始看数据，那么天气会有所不同，与目前的汽车相比可能有不同的传感器。”

他补充说，轮胎中使用的化合物也会发生变化，并且轨道可能已经重新缩放。所有这些差异使得将历史数据与当前汽车的数据相关联。

与汉密尔顿和瓦尔特里·塔斯塔斯，梅赛德斯-AMG Petronas Motorsport团队拥有世界上最好的司机，他们的意见成为数据管道的基本部分。司机在团队收音机和比赛周末讲述的是与来自众多来源的机器生成的数据相关，包括汽车的遥测，模拟数据，CFD数据，Dyno数据和风洞数据。

哈里斯说：“我们必须接受驾驶员告诉我们的内容，在数据中找到相关性并理解发生了什么。有时它可能是一种感觉。司机比汽车上的传感器更准确。他们可以向我们提供比数据更多的反馈，因此我们需要转动并相信司机。“