Araçtaki fiziksel titreşimler yüksek hassasiyetli sensörler (IMU) aracılığıyla sürekli olarak izlenir ve anlık olarak işlenebilir dijital sinyallere dönüştürülür.
Elde edilen karmaşık titreşim verileri, Fast Fourier Transform algoritmaları kullanılarak frekans düzlemine aktarılır. Bu işlem, tüm sinyalleri analiz edilebilir bir forma getirir.
Gelen veriler; motor, şasi veya aktarma organları kaynaklı sinyaller frekans bantlarına ayrıştırılarak sınıflandırılır.
Yol koşulları veya çevresel faktörlerden kaynaklanan asılsız titreşimler makine öğrenimi modelleriyle filtrelenir. Sadece arıza potansiyeli taşıyan mekanik anomaliler izole edilir.
İzole edilen verilerdeki anormal frekans tepe noktaları (pikler) koordinat düzlemine işlenir. Bu sayede, incelenen arızaya ait benzersiz bir geometrik imza elde edilir.
Oluşturulan geometrik imza, Preditech’in geçmiş senaryolardan beslenen geniş kapsamlı arıza kütüphanesindeki karakteristik modellerle çapraz sorguya alınır.
Taranan binlerce arıza modeli arasından, mevcut anomalinin kök nedenini istatistiksel olarak en yüksek doğruluk oranıyla işaret eden eşleşme tespit edilir.
Teşhis sadece mekanik sarsıntıyla sınırlı kalmaz. Araç ağına (CAN-bus) entegre çalışan sistem, arızanın elektriksel ve mekanik kök nedenlerini sistem bütünlüğü içinde haritalandırır.
Sensörlerden gelen mekanik anomali verileri ile aracın beyninden (OBD) alınan yazılımsal hata kodları yapay zeka çekirdeğinde birleştirilir. Veri füzyonu, yanlış pozitif oranını sıfıra yaklaştırarak doğrudan onarım stratejisini belirler.