< Kembali ke Rangkaian Alat Akuisisi Data

Sistem akuisisi data lengkap. Sistem tersebut menghubungkan sensor, jaringan, pemrosesan, dan aplikasi sehingga tim dapat mengubah data mentah kendaraan menjadi wawasan yang berguna untuk pengujian, pengembangan, dan otomatisasi.

---

• Pencatat data adalah bagian dari sebuah sistem data kendaraan lengkap
• Kendaraan modern menghasilkan volume data yang sangat besar setiap hari
• Tantangan sebenarnya adalah sinkronisasi, keandalan, dan kegunaan
• Sistem harus menangani pemrosesan tepi + pipeline cloud
• Penting untuk Pengujian kendaraan listrik dan pengemudian otonom

---

Mengapa hal ini penting dalam proyek nyata?

Izinkan saya berterus terang.

Mengumpulkan data itu mudah.
Menggunakannya dengan benar? Di situlah segalanya mulai berantakan.

Saya pernah melihat tim melakukan uji coba jalan selama berminggu-minggu, hanya untuk menyadari kemudian bahwa stempel waktu tidak cocok di seluruh sensor. Itu berarti data tersebut tidak dapat digunakan untuk analisis atau pelatihan.

Itulah mengapa topik ini penting.

Sistem lebih penting daripada perangkatnya.

---

Apa itu data logger otomotif saat ini?

Pada tingkat dasar, alat ini merekam sinyal dari ECU, sensor, dan jaringan.

Namun dalam pengaturan dunia nyata, ia bekerja di dalam sistem yang lebih besar yang mencakup:

• Sensor dan pengkondisian sinyal
• Jaringan kendaraan (CAN, Ethernet)
• Pemrosesan tepi
• Penyimpanan dan analisis cloud

Perannya telah bergeser dari “perekaman” menjadi mendukung pengambilan keputusan.

---

Cara kerja sistem akuisisi data lengkap

Sistem ini mengikuti struktur lima lapis:

1. Lapisan Sumber Data

• Sistem penggerak (mesin, motor, baterai)
• Sasis (rem, suspensi, kemudi)
• Sistem cerdas (LiDAR, kamera, radar, V2X)

2. Perangkat Keras Akuisisi

• Pencatat data
• Sensor dan modul pengkondisian
• T-Box (konektivitas)

3. Lapisan Transmisi

• Di dalam kendaraan: CAN, CAN FD, Ethernet
• Jarak jauh: 4G, 5G, Wi-Fi, satelit

4. Pemrosesan Data

• Pembersihan
• Konversi
• Fusi
• Ekstraksi fitur

5. Lapisan Aplikasi

• Perkembangan
• Pengujian
• Kualitas produksi
• Pemeliharaan dan pembaruan OTA

Semuanya saling terhubung. Rusak satu lapisan, dan nilainya akan turun dengan cepat.

---

Data apa yang perlu dikumpulkan?

Sistem penggerak dan kendaraan listrik

• Kecepatan mesin, tekanan, sinyal injeksi
• Torsi dan kecepatan motor
• Tegangan baterai, arus, SOC, suhu
• Perintah dan kesalahan ECU

Sasis dan bodi

• Gerakan suspensi
• Sudut kemudi
• Tekanan rem
• Tekanan dan suhu ban
• Sikap kendaraan

Sistem kendaraan cerdas

• Awan titik LiDAR
• Video kamera
• Data radar
• Penentuan posisi GNSS
• Komunikasi V2X
• Data interaksi kabin

Tipe data yang berbeda membutuhkan sistem yang berbeda pula:

• Ketepatan
• Stabilitas
• Lebar pita

---

Perangkat keras apa yang terlibat?

Pencatat data

• 8 hingga 128+ saluran
• Pengambilan sampel 1Hz hingga 1MHz
• Penyimpanan hingga 1TB
• Pengoperasian pada suhu -40°C hingga 85°C.
• Dukungan CAN, CAN FD, Ethernet

Sensor dan pengkondisian

• Suhu (±0,1°C)
• Tekanan (±0,5% FS)
• Percepatan (±0,01g)
• Sensor torsi

Pegangan pengkondisian:

• Amplifikasi
• Penyaringan
• Pengurangan kebisingan
• Konversi resolusi tinggi

Kotak T

• Konektivitas 4G / 5G
• Penentuan posisi GNSS
• Mode daya rendah
• Pemulihan data setelah gangguan

---

Protokol komunikasi apa yang digunakan?

• BISA: komunikasi kendaraan standar
• CAN FD: kecepatan lebih tinggi untuk sistem EV
• Ethernet: data bandwidth tinggi seperti video
• LIN: sinyal kontrol sederhana
• OBD-II: diagnostik
• DDS / SOME-IP: sistem canggih

Sebagian besar kendaraan menjalankan beberapa protokol sekaligus.
Itu artinya, gerbang akses (gateway) diperlukan.

---

Bagaimana data berpindah dari kendaraan ke cloud

Di dalam kendaraan

• Sensor → pencatat data → jaringan

Transmisi jarak jauh

• 4G / 5G / Wi-Fi / satelit

5G memungkinkan:

• Latensi rendah (~10 ms)
• Kapasitas tinggi

Penanganan offline

• Penyimpanan lokal
• Sinkronkan nanti
• Lanjutkan setelah terputus

Keamanan

• TLS
• Enkripsi AES
• Kontrol akses

---

Apa yang terjadi setelah pengumpulan?

Pembersihan

• Hilangkan kebisingan
• Saring nilai abnormal.
• Hapus duplikat

Konversi

• Standarisasi satuan
• Normalisasi format

Fusi

• Menggabungkan LiDAR, kamera, radar
• Meningkatkan akurasi

Praproses

• Segmentasi berdasarkan kondisi berkendara
• Ekstrak fitur-fitur utama

Semua ini tidak akan berhasil tanpa pengaturan waktu yang tepat.

---

Mengapa sinkronisasi sangat penting?

Jika pengaturan waktunya tidak tepat:

• Sensor tidak cocok
• Analisis terhenti
• Model AI gagal

Metode yang digunakan

• Penentuan waktu GPS
• Pemicu perangkat keras
• PTP (IEEE 1588)
• Koreksi perangkat lunak

Target

• ≤1 ms (penggunaan umum)
• ≤1 μs (pengemudian otonom)

Tidak ada sinkronisasi, tidak ada data yang dapat digunakan. Sesederhana itu.

---

Bagaimana sistem menangani lingkungan yang keras

Kondisi

• -40°C hingga 85°C
• Getaran yang kuat
• Gangguan elektromagnetik yang kuat

Solusi

• Enklosur terlindung
• Kabel berpelindung
• Sirkuit isolasi
• Algoritma penyaringan
• Validasi CRC

Tips pemasangan

• Hindari zona dengan interferensi tinggi.
• Gunakan dudukan yang tahan getaran.

---

Keamanan data dalam sistem otomotif

Jenis data

• Performa kendaraan
• Data terkait pengguna
• Algoritma hak milik

Lapisan pelindung

• Perangkat yang aman
• Transmisi terenkripsi
• Penyimpanan terenkripsi
• Kontrol akses

Penanganan data

• Sistem cadangan
• Penyamaran data
• Penyimpanan bertingkat

Ini bukan lagi pilihan. Ini wajib.

---

Mengapa skalabilitas sangat penting?

Desain modular

• Tambahkan sensor dengan mudah.
• Perluas saluran
• Komponen peningkatan

Antarmuka standar

• CAN FD
• Ethernet
• OBD-II

Edge + cloud

• Tepi mengurangi beban
• Cloud menangani analisis

Jika sistem Anda tidak fleksibel, maka sistem tersebut tidak akan bertahan lama.

---

Studi Kasus: Pengujian Kendaraan Listrik

• Pencatat data 64 saluran
• Pengambilan sampel 100Hz–1kHz
• CAN FD
• Konektivitas 5G

Hasil:

• Performa baterai +8%
• Efisiensi motor +3%
• Efisiensi pengujian +40%

---

Studi Kasus: Mengemudi Otonom

• 128 saluran
• Pengambilan sampel 1MHz
• Jaringan Ethernet
• Sinkronisasi mikrodetik
• Unggahan 5G

Tumpukan:

• Pemrosesan tepi
• Kafka + Flink
• Hadoop + Spark

Hasil:

• Akurasi sinkronisasi yang lebih baik
• Penanganan data yang lebih cepat
• Siklus pelatihan yang lebih baik

---

Gambaran umum tumpukan perangkat lunak

• Edge: penyaringan, kompresi
• Streaming: Kafka, Flink
• Analisis: MATLAB, dasbor

---

Bagaimana cara memilih sistem yang tepat?

Tanyakan pada diri Anda:

• Sinyal apa saja yang dibutuhkan?
• Berapa banyak saluran?
• Tingkat pengambilan sampel yang dibutuhkan?
• Protokol yang mana?
• Waktu nyata atau luring?
• Kendala lingkungan?
• Persyaratan keamanan?

Kesalahan umum

• Mengabaikan sinkronisasi
• Meremehkan bandwidth
• Tidak ada pemrosesan tepi.
• Keamanan yang lemah

---

Arah masa depan

• Pemrosesan data dengan bantuan AI
• Integrasi siklus hidup penuh
• Perangkat keras yang lebih kecil
• Keamanan yang lebih kuat

---

? Pertanyaan yang Sering Diajukan (Dengan Jawaban Singkat Terlebih Dahulu)

Jawaban Singkat

• Data dalam jumlah besar → ditangani dengan penyaringan di tepi jaringan + pipeline cloud.
• Sinkronisasi → dicapai dengan GPS + PTP + pemicu perangkat keras
• Transmisi → dibatasi oleh bandwidth dan latensi
• Skalabilitas → membutuhkan desain modular
• Kualitas data → bergantung pada pemrosesan dan pelabelan

---

FAQ Terperinci

1. Bagaimana sistem dapat menangani volume data yang sangat besar?

Mereka menggunakan penyimpanan internal yang cepat, memfilter data di tepi jaringan, dan mengandalkan sistem cloud terdistribusi. Tidak semua data diunggah—hanya bagian yang berguna saja.

---

2. Bagaimana sinkronisasi dipastikan?

Melalui pengaturan waktu GPS, PTP, dan pemicu perangkat keras. Sistem presisi tinggi membutuhkan akurasi tingkat mikrodetik.

---

3. Apa saja tantangan transmisi utama?

Keterbatasan bandwidth, latensi, dan keandalan data. Solusinya meliputi buffering, kompresi, dan jaringan 5G.

---

4. Bagaimana sistem tetap dapat diskalakan?

Dengan menggunakan perangkat keras modular, protokol standar, dan alur kerja perangkat lunak yang fleksibel.

---

5. Bagaimana kualitas data dipastikan untuk AI?

Melalui pembersihan, penyaringan, segmentasi, dan pelabelan yang konsisten di seluruh kumpulan data.

---

Pengarang

Johnny Liu
CEO, Dowway Vehicle

Johnny Liu bekerja sama erat dengan tim pengujian kendaraan dan proyek pengemudian otonom, dengan fokus pada sistem akuisisi data, komputasi tepi (edge ​​computing), dan platform data kendaraan.

Terakhir Diperbarui: 24 Maret 2026

---

Kesimpulan akhir

Inilah poin pentingnya:

Pencatat data saja tidak akan menyelesaikan masalah Anda.

---