Σε έναν κόσμο όπου ο χρόνος στην πίστα είναι περιορισμένος και η τεχνολογία συνεχίζει να εξελίσσεται, τα δεδομένα γίνονται όλο και πιο αξιόπιστα στη Formula 1. Αλλά πόσα δεδομένα παράγει και αναλύει μια ομάδα της F1 κατά τη διάρκεια ενός αγωνιστικού Σαββατοκύριακου και γιατί είναι τόσο σημαντικά;
Για τη δημιουργία δεδομένων χρησιμοποιούνται διάφορες πηγές, κυρίως οι αισθητήρες στα ίδια τα μονοθέσια. Αυτοί μπορεί να μετρούν οτιδήποτε, από θερμοκρασίες και πιέσεις, μέχρι πράγματα όπως η λειτουργία συστημάτων, όπως το κιβώτιο ταχυτήτων ή οι μονάδες του υβριδικού συστήματος.
Αυτοί οι αισθητήρες είναι φυσικά συνδεδεμένοι είτε μέσω ενός αναλογικού συστήματος με την Ηλεκτρονική Μονάδα Ελέγχου (ECU), η οποία ελέγχει τη λειτουργία ολόκληρου του μονοθεσίου, είτε μέσω μιας σειράς διαύλων CAN γύρω από το αυτοκίνητο που μεταφέρουν πληροφορίες στην κεντρική μονάδα.
Το CAN σημαίνει Controller Area Network και είναι ένα πρότυπο της αυτοκινητοβιομηχανίας για διαύλους δικτύου που συνδέουν πολλαπλές συσκευές. Υπάρχουν 17 ξεχωριστοί δίαυλοι CAN σε ένα μονοθέσιο στην τυπική του διαμόρφωση, καθένας από τους οποίους επικοινωνεί με πολλές διαφορετικές συσκευές.
Κατά τη διάρκεια ενός αγωνιστικού Σαββατοκύριακου, μπορεί να υπάρχουν πάνω από 250 αισθητήρες επάνω στο μονοθέσιο. Οι ομάδες τους χωρίζουν σε τρεις κατηγορίες: έλεγχος, όργανα και παρακολούθηση. Όλοι τους παρέχουν δεδομένα πίεσης, θερμοκρασίας, αδράνειας και μετατόπισης και είναι ενσωματωμένοι σε όλα τα συστήματα του μονοθεσίου.
Το μέγεθός τους ποικίλλει ανάλογα με τη λειτουργία και τον τύπο τους, αλλά οι περισσότεροι από αυτούς είναι πολύ μικροί και ελαφροί, ώστε να μην επηρεάζουν το βάρος και τις επιδόσεις του μονοθεσίου. Οι περισσότεροι από αυτούς δεν είναι ορατοί εξωτερικά, μόνο μερικοί είναι, αν κοιτάξετε προσεκτικά, όπως οι μικροί αισθητήρες θερμικής απεικόνισης στην εμπρός αεροτομή, που
Πόσα δεδομένα παράγουν τα αυτοκίνητα της F1; Η σύντομη απάντηση είναι… πολλά! Κατά τη διάρκεια ενός αγωνιστικού Σαββατοκύριακου, ο συνολικός όγκος δεδομένων που παράγεται ανά μονοθέσιο, συμπεριλαμβανομένων των βίντεο και των βοηθητικών πληροφοριών, ξεπερνά το 1 terabyte και αυτό αυξάνεται σημαντικά (κατά δύο ή τρεις φορές) όταν οι ομάδες την απαραίτητη επεξεργασία στορισμένων από τα δεδομένα κατά τη διάρκεια ή μετά τον αγώνα.
Αν μιλάμε για τα bit δεδομένων που παράγονται ζωντανά από το μονοθέσιο ενόσω βρίσκεται στην πίστα, το νούμερο αυτό είναι περίπου 30 megabyte ανά γύρο, αλλά μπορεί να είναι δύο ή τρεις φορές περισσότερο, μόλις το αυτοκίνητο επιστρέψει στα pits και τα δεδομένα εκφορτωθούν χρησιμοποιώντας την «ομφάλια» ενσύρματη σύνδεση.
Αλλά δεν είναι μόνο αυτό: στο εργοστάσιο των ομάδων, παράγεται επίσης ένας τεράστιος όγκος δεδομένων, είτε πρόκειται για κάποια από τα υπερσύγχρονα εργαλεία και τον εξοπλισμό, όπως τα δυναμόμετρα, ο προσομοιωτής και η αεροδυναμική σήραγγα. Αλλά και σε μικρότερους τομείς ή μεμονωμένα άτομα που επεξεργάζονται εκ των υστέρων τις δικές τους πληροφορίες στους τομείς τους.
Φυσικά, ορισμένα από τα δεδομένα που παράγονται στην πίστα πρέπει να αποσταλούν πίσω στα εργοστάσια και αυτό δεν είναι εύκολη δουλειά, ιδιαίτερα λόγω του τεράστιου όγκου τους. Τα ζωντανά δεδομένα, όπως η τηλεμετρία των μονοθεσίων, είναι σημαντικά για την ομάδα ανθρώπων στην αίθουσα υποστήριξης αγώνων στο εργοστάσιο, για να τα αναλύσει και να τα εξετάσει.
Στους ευρωπαϊκούς αγώνες, τα δεδομένα μπορούν να ληφθούν μέσα σε 10 χιλιοστά του δευτερολέπτου, δηλαδή σχεδόν αμέσως. Όμως, σε αγώνες όπως το GP Αυστραλίας (πάνω από 16.000 χλμ. μακριά) ή το GP Ιαπωνίας (περίπου 9.650 χλμ. μακριά), τα δεδομένα χρειάζονται περίπου 300 χιλιοστά του δευτερολέπτου για να σταλούν. Εξακολουθεί να είναι απίστευτα γρήγορη ταχύτητα, αλλά παρουσιάζουν μια μικρή καθυστέρηση σε σύγκριση με τους αγώνες στην Ευρώπη.
Η εκφόρτωση των δεδομένων του μονοθεσίου και των μεγαλύτερων αρχείων απαιτεί πολύ χρόνο, αλλά αποτελεί προτεραιότητα για την ομάδα πληροφορικής να τα στείλει πίσω στο εργοστάσιο το συντομότερο δυνατό, κάτι που συνήθως ολοκληρώνεται πριν το μονοθέσιο ξαναβγεί στην πίστα.
Κατά τη διάρκεια ενός πρόσφατου αγωνιστικού Σαββατοκύριακου όπως αυτό του Μεξικού, περίπου 11 terabytes πραγματικών δεδομένων μεταφέρθηκαν μπρος-πίσω μεταξύ της ομάδας ανθρώπων της Mercedes στην πίστα και των εργοστασίων στο Brackley και στο Brixworth (τμήμα κινητήρα).
Δεδομένης της έλλειψης χρόνου στις ελεύθερες δοκιμές της F1, οι ομάδες δεν έχουν τη δυνατότητα να ξαναβγούν στην πίστα και να επαναλάβουν μια δοκιμή. Οπότε, η πίεση είναι μεγάλη για να τα καταφέρουν σωστά με την πρώτη φορά και το ίδιο ισχύει και για τα δεδομένα. Οι ομάδες θέλουν να συλλέξουν τα σωστά δεδομένα στις περιορισμένες ευκαιρίες που έχουν, ώστε να καταφέρουν να αντλήσουν τα περισσότερα συμπεράσματα από αυτά.
Μόλις συγκεντρωθούν τα δεδομένα από το μονοθέσιο, συγχρονίζονται, ώστε η ομάδα να γνωρίζει ακριβώς τι συμβαίνει σε κάθε συγκεκριμένη στιγμή όλους τους αισθητήρες. Στη συνέχεια, κρυπτογραφούνται και μεταδίδονται πίσω στο γκαράζ μέσω του -κοινού για όλες τις ομάδες- συστήματος τηλεμετρίας.
Οι άνθρωποι των ομάδων στην πίστα χρησιμοποιούν το λογισμικό ATLAS (Advanced Telemetry Linked Acquisition System – Προηγμένο Σύστημα Συνδεδεμένης Λήψης Τηλεμετρίας), που παρέχεται σε όλες τις ομάδες από την McLaren Applied, για να αναλύουν και να εξετάζουν τα δεδομένα, είτε ζωντανά κατά τη διάρκεια ενός αγωνιστικού Σαββατοκύριακου στην πίστα και στο εργοστάσιο, είτε εκ των υστέρων.
Οι οδηγοί είναι πάντα πρόθυμοι να μάθουν περισσότερα για την απόδοσή τους, για αυτό και περνούν χρόνο μετά από κάθε περίοδο δοκιμών και στο τέλος κάθε ημέρας εξετάζοντας τα δεδομένα, κοιτάζοντας πως συγκρίνονται με τον team-mate τους, εξετάζοντας τα δεδομένα πέδησης και την ταχύτητά τους στις στροφές.
Οι ομάδες μηχανολόγων για κάθε οδηγό θα είναι επίσης απασχολημένες με την ανασκόπηση και την εμβάθυνση στα δεδομένα, για να δουν τι στοιχεία μπορούν να βρεθούν, ώστε να κάνουν τον οδηγό και το μονοθέσιο ακόμα πιο γρήγορα την επόμενη φορά.
Μερικές φορές ο τεράστιος όγκος δεδομένων μπορεί να είναι συντριπτικός, αλλά αυτό είναι επίσης μια απίστευτη πρόκληση για τους μηχανολόγους. Η ιεράρχηση των πληροφοριών που πρέπει να αναλυθούν και η εξέταση των σωστών δεδομένων, είναι καθοριστικής σημασίας για να μάθουν οι ομάδες αυτά που χρειάζονται όσο το δυνατόν πιο γρήγορα.
