MOTOROLA MVME-167-33B

Description

MOTOROLA MVME-167-33B

研究发现，未能及时发现测试数据问题的影响可能是巨大的，包括数月的测试浪费以及潜在的产品延迟和召回，导致数百万至数十亿美元的不必要成本。

由于Monolith自学习算法，现在可以更快、更有效地发现由测量或传感器错误、用户错误、系统故障或测试期间系统使用不当导致的数据异常。

Monolith首席执行官兼创始人Richard Ahlfeld博士表示:“糟糕的数据会导致错误的决策，并在非常宝贵的工程资源中浪费大量时间。如果发现得太晚，这些错误还可能导致计划延迟，或者更糟的是，随着产品发布的质量问题可能会导致昂贵且有损声誉的召回。”

MOTOROLA MVME-167-33B

Monolith已经与现有客户开发并测试了其新的异常检测器AI在现实世界中的应用，主要是在汽车、赛车和工业领域。在直接与客户合作的过程中，Monolith团队能够创建一种独特的深度学习算法，该算法可以根据复杂的系统行为在测试结果中和数百个渠道中发现多种类型的异常。用户可以调整异常检测器的检测速度或深度，以及异常的普遍性或严重性。

使用直观的二维热图显示，工程师可以快速浏览结果，并快速识别哪些测试或通道显示的结果有问题，以优先采取下一步措施。

异常检测器是人工智能工具Monolith平台中的一个新版本，紧随推出的“下一个测试推荐器“2023年，在难以建模的非线性产品的开发过程中，软件将主动推荐最有价值的测试条件以供验证。