إن التنبؤ والأداء الأمثل فيما يتعلق بتحركات المركبات استناداً إلى تحليل البيانات الضخمة هو عملية التنبؤ والأداء الأمثل فيما يتعلق بأدائها باستخدام تقنيات ومنهجيات البيانات الضخمة. وتتمثل الخطوات المحددة فيما يلي: جمع البيانات وتصنيفها: جمع وتصنيف كمية كبيرة من البيانات المتعلقة بحشو السيارات، بما في ذلك الخواص الفيزيائية للمواد، وبارامترات عملية الحشو، وظروف المعالجة، وما إلى ذلك. ويمكن الحصول على هذه البيانات من خلال أجهزة الاستشعار ومعدات الرصد والاختبارات المختبرية وما إلى ذلك. المعالجة المسبقة للبيانات: معالجة البيانات الأولية المجمعة، وإزالة الضجيج، وإصلاح القيم المفقودة، وما إلى ذلك، لضمان جودة البيانات وسلامتها. وفي الوقت نفسه، يجري تنسيق البيانات من مختلف المصادر والأنماط وتجميعها من أجل متابعة التحليل والنمذجة. استخراج الخصائص واختيارها: استخراج خصائص مفيدة من البيانات المعالجة مسبقاً من خلال منهجية هندسة الخصائص. وقد تكون هذه الخصائص كمية مادية، وبارامترات مواد، وبارامترات عملية، وما إلى ذلك، ترتبط ارتباطاً وثيقاً بأداء المواد المطورة. وينبغي أيضا مراعاة أهمية الخصائص في عملية استخراج الخصائص، واختيار السمات، واستبعاد الخصائص التي لا علاقة لها بإسقاطات الأداء أو فائضة عنها. وضع النماذج والتدريب: وضع نماذج رياضية مناسبة للتنبؤ والأداء الأمثل للمناورة في السيارات استناداً إلى بيانات الخصائص المستخرجة. وتشمل الأساليب الشائعة تحليل الارتداد، والتعلم الآلي، والشبكات العصبية، وما إلى ذلك. وبعد وضع النموذج، استخدمت البيانات التاريخية لأغراض التدريب وتعديل البارامترات لتحسين دقة النموذج والتنبؤ به. التنبؤ بالأداء وتحقيق المستوى الأمثل: استخدام نماذج مدربة للتنبؤ بأداء المركبات الجديدة. وبإدخال قيم الخصائص المناسبة، يمكن للنموذج أن يتنبأ بمؤشرات أداء المواد المطاورة، مثل القوة، والصمود، والصمود، وما إلى ذلك. واستناداً إلى النتائج المتوقعة، تم تحقيق المستوى الأمثل من التعديلات على تركيبات المواد، وبارامترات العملية وما إلى ذلك من أجل الوفاء بمتطلبات أداء مثالية. التغذية المرتدة والتحديث: تغذية المرتدة من الإنتاج الفعلي إلى النموذج التنبؤي من أجل تحديث النموذج وتحسينه. ومن خلال مواصلة جمع وتحليل البيانات الفعلية، يمكن للنماذج أن تصبح على المستوى الأمثل وأن تحسن دقة التوقعات وموثوقيتها. إن التنبؤ بالأداء الأمثل لحشو السيارات، استناداً إلى تحليل البيانات الضخمة، يمكن أن يوفر طرقاً علمية وكفؤة للمساعدة على تحقيق المستوى الأمثل لعمليات تصميم وإنتاج المطادات، وتحسين نوعية المنتجات وأدائها، وخفض تكاليف الإنتاج ومدخلات الموارد البشرية.
