รถ Formula 1 เครื่องผลิตข้อมูลที่วิ่งได้กว่า 300 กิโลเมตร/ชั่วโมง

รถ Formula 1 เครื่องผลิตข้อมูลที่วิ่งได้กว่า 300 กิโลเมตร/ชั่วโมง

20 October 2022
white and gray Petronas racing car

Formula 1 คือ

การแข่งรถ Formula 1 หรือ F1 ซึ่งเป็นการแข่งขันความเร็วของรถยนต์ที่แต่ละค่ายบริษัทรถยนต์พัฒนาขึ้น ถือเป็นหนึ่งในกีฬาที่มีความนิยมสูงที่สุดในโลก โดยทั่วไปความเร็วของรถแข่งใน F1 เฉลี่ยแล้วจะอยู่ที่ประมาณ 300 กิโลเมตร/ชั่วโมง รถแข่งแต่ละคันสามารถทำความเร็วจากหยุดนิ่งให้ถึง 160 กิโลเมตร/ชั่วโมง ได้ภายในเวลาไม่กี่วินาที จึงอาจถือได้ว่านี่คือศึกประลองความเร็วของที่แท้จริง อย่างไรก็ดีการตัดสินผู้ชนะในกีฬา F1 มีหลากหลายปัจจัย ไม่ใช่แค่ว่าทีมที่มีรถยนต์ที่เร็วที่สุดในสนามจะเป็นผู้ชนะเสมอไป แต่ฝีมือของนักขับ ระบบของทีม การวางแผนของหัวหน้าทีม และปัจจัยอีกมากมายที่สามารถเกิดขึ้นได้ทุกเมื่อในระหว่างการแข่งขันล้วนแล้วสามารถกำหนดผู้ชนะได้ทั้งสิ้น

การพัฒนารถด้วยข้อมูล

The insider's guide to… F1 car development | Formula 1®
ตัวอย่างการพัฒนารถ Formula 1 (ที่มา: Formula 1)

การประเมินประสิทธิภาพของรถยนต์ F1 นั้นมีหลากหลายส่วนที่ต้องพิจารณา ยกตัวอย่างเช่น ความเร็วต่อรอบ ความเร็วสูงสุด การเสื่อมสภาพของยางรถ หลักการแอโรไดนามิค (Aerodynamics) และพลังงานรถยนต์ เป็นต้น ด้วยความที่แต่ละปัจจัยภายในตัวรถล้วนส่งผลต่อกัน การประเมินประสิทธิภาพของรถยนต์ F1 แต่ละคันจึงมีความท้าทายเป็นอย่างยิ่ง

เพื่อประเมินประสิทธิภาพของรถยนต์ F1 จะมีการติดตั้งเซ็นเซอร์ราว 300 ตัวสำหรับรถคันหนึ่ง ๆ สำหรับรวบรวมข้อมูลทุกอย่างเกี่ยวกับตัวรถ ขนาดข้อมูลทั้งหมดที่ถูกรวบรวมตลอดหนึ่งสนามการแข่งขันของ F1 หนึ่งคันรวมกว่า 1.5 terabytes โดยข้อมูลทั้งหมดจะถูกนำมาคัดกรองและวิเคราะห์เพื่อที่จะประเมินประสิทธิภาพของรถในการแข่งขัน ทำให้ทีมแข่ง F1 สามารถตัดสินใจและวางแผนกลยุทธ์ระหว่างการแข่งขันได้อย่างถี่ถ้วน

ข้อมูล 11.8 ล้านล้านจุดข้อมูล (Data Point) ได้มีการถูกใช้เพื่อเข้าใจว่ารถ F1 ณ ชั่วขณะนั้นมีประสิทธิภาพเป็นอย่างไร อย่างไรก็ดีการจะพัฒนารถ F1 นั้นมีอะไรมากกว่าแค่ปริมาณข้อมูลที่มหาศาล ทีมแข่ง F1 ต้องมีการใช้โลกเสมือน (Virtual World) หรืออาจเรียกกันว่า Digital Twin ในการออกแบบรถยนต์  โดยวิศวกรออกแบบชิ้นส่วนรถยนต์จะสร้างชิ้นส่วนจำลองสเกลหนึ่งต่อหนึ่งบนระบบคอมพิวเตอร์ หรือที่เราเรียกกันว่า Computer Aided Design (CAD) หลังจากนั้นทางทีมวิศวกรจะทำการสร้างโลกเสมือน เพื่อจำลองสถานการณ์ต่าง ๆ ที่จะเกิดขึ้นกับชิ้นส่วนที่ได้จำลองไว้และคำนวณรูปแบบการไหลของอากาศรอบชิ้นส่วนจำลอง ในขั้นตอนนี้จะเรียกว่า Computational Fluid Dynamics (CFD) นำไปสู่ปริมาณข้อมูลมหาศาลที่เกิดขึ้นจากการคำนวณการไหลเวียนของลมที่ละเอียดในระดับลูกบาศก์เซ็นติเมตรรอบตัวรถ ก่อนจะเข้าสู่ขั้นตอนสุดท้ายที่เรียกว่า Post-CFD ซึ่งเป็นการตัดสินใจว่าชิ้นส่วนรถยนต์ที่ผ่านการทดลองบนโลกเสมือนจริง เหมาะสมที่จะถูกสร้างขึ้นมาหรือไม่ ก่อนจะสร้างชิ้นส่วนดังกล่าวด้วยเครื่องพิมพ์สามมิติเพื่อประกอบเป็นตัวรถสมบูรณ์ในขั้นต่อไป

การบริหารจัดการข้อมูล

ทีม McLaren กำลังวางแผนกลยุทธ์ด้วยข้อมูลระหว่างการแข่งขัน (ที่มา: Race Car Engineering)

จำนวนข้อมูลมหาสารที่เกิดขึ้นจากการฝึกซ้อม ในการแข่งขัน รวมไปถึงการพัฒนารถยนต์ ต้องได้รับการบริหารจัดการอย่างมีประสิทธิภาพเพื่อนำเอาข้อมูลดังกล่าวไปใช้งานให้เกิดประโยชน์สูงสุด ทั้งนี้ เอ็ดเวิร์ด กรีน (Edward Green) หัวหน้าทีมเทคโนโลยี ทีมแข่ง F1 ของ McLaren ได้กล่าวไว้ว่าการที่ข้อมูลมีจำนวนมหาศาลและมาจากหลากหลายแหล่งพร้อม ๆ กัน ทางทีมจำเป็นต้องหาวิธีจัดการและบริหารมัน และที่ท้าทายไปมากกว่านั้น สมาชิกภายในทีม F1 แต่ละคนล้วนมีความต้องการเห็นและใช้ข้อมูลในลักษณะที่แตกต่างกัน

ด้วยเหตุนี้ทางทีมเลยมีการใช้ Software ที่ชื่อ Alteryx ในการทำแพลตฟอร์มประมวลผลข้อมูลอัตโนมัติ (Data Automation Platform) ด้วย Alteryx นี้เองทำให้ทางทีมไอทีสามารถรวบรวมข้อมูลจากหลากหลายที่มารวมเข้าด้วยกันและสร้างการวิเคราะห์หรือโมเดลคณิตศาสตร์ที่หลากหลายให้ตอบโจทย์การใช้งานที่เฉพาะทางสำหรับแต่ละสมาชิกภายในทีม F1

พิทสต๊อป (Pit Stop)

Williams pledge to complete 100 pit stops over Portuguese GP weekend for  Captain Tom 100 charity challenge | F1 News
ตัวอย่างการทำพิทสต๊อปของทีม Williams (ที่มา: Skysport)

ในการแข่งขันความเร็วของรถ F1 ไม่ได้แข่งขันกันที่ความสามารถของคนขับและความเร็วของรถเท่านั้น แต่จะแข่งกันที่ความเร็วที่ทางทีมทำพิทสต็อป (Pit Stop) ด้วย

พิทสต็อป คือ การหยุดรถเพื่อซ่อมแซมรถระหว่างการแข่งขัน ดังนั้นพิทสต็อปจะมีความสำคัญเป็นอย่างมากกับการแข่งขันที่แข่งกันด้วยความเร็ว เพราะเมื่อถึงเวลาที่นักแข่งขับเข้าพิท นั่นหมายความว่ารถต้องหยุดนิ่งจนกว่าการซ่อมแซมจะเสร็จ แต่เวลาของการแข่งขันไม่ได้หยุดไปด้วย นั่นก็แปลว่าถ้าทำพิทสต๊อปได้ช้า ก็อาจโดนคู่แข่งทีมอื่นแซงได้ ซึ่งการแข่ง F1 นั้นมีกฎให้รถจะต้องเข้าพิทสต็อปอย่างน้อย 1 ครั้งต่อสนามแข่งขัน

เนื่องจากทุกวินาทีสำคัญมาก ๆ เวลาในการที่ทีมซ่อมแซมรถในพิทสต๊อปสามารถตัดสินผลแพ้ชนะได้เลย ดังนั้นทีมแข่ง F1 ชื่อ Williams Racing ได้มีการศึกษาวิดีโอย้อนหลังการทำพิทสต๊อปและเก็บรวบรวมข้อมูลจากรถและอุปกรณ์ซ่อมรถ นอกเหนือไปกว่านั้นทางทีมได้มีการติดเซ็นเซอร์ให้กับทีมงานที่รับผิดชอบในการซ่อมรถของทีม เพื่อวัดอัตราการเต้นหัวใจ ระยะเวลาการฟื้นตัว และ อัตราการหายใจ โดยทางทีม Williams จะใช้ข้อมูลทั้งหมดที่รวบรวมมาในการใช้ Optimize ระบบในการทำพิทสต็อปของทีมเพื่อทำความเร็วสูงสุด

ไม่ใช่แค่ทีมแข่ง Formula 1 ที่ใช้ข้อมูล

ผู้จัดการแข็งขัน F1 แสดงข้อมูลที่เกิดขึ้นระหว่างการแข่งขัน เพื่อเพิ่มอรรถรสให้คนดู (ที่มา: Racefan)

นอกเหนือจากทีมแข่ง F1 ที่ใช้ข้อมูลในการพัฒนาความเร็วในการแข่งขันแล้ว ทางผู้จัดการแข่งขัน F1 หรือ Federation Internationale de l’Automobile (FIA) ก็มีการใช้ข้อมูลเพื่อเพิ่มอรรถรสในการรับชมการแข่งขันให้กับแฟนกีฬาแห่งความเร็วอีกด้วย ผ่านการใช้ข้อมูลมาแสดงออกมาเป็นกราฟิกที่เข้าใจง่าย ทำให้ผู้ชมเข้าใจถึงข้อมูลสถานะต่าง ๆ ระหว่างการแข่งขัน ไม่ว่าจะเป็นความเร็วของรถยนต์ในแต่ละคัน ระยะห่างระหว่างผู้นำกับผู้ตาม หรือ กลยุทธ์ต่าง ๆ ที่แต่ละทีมใช้ในการแข่ง ถือเป็นวิธีที่เพิ่มยอดคนดูถ่ายทอดสดที่ได้ผลเป็นอย่างดี

จะเห็นได้ว่าข้อมูลในการแข่งขันรถ F1 นั้นมีมากมายและหลากหลาย ไม่ว่าจะเป็นกระบวนการพัฒนารถยนต์ ข้อมูลที่เกิดขึ้นระหว่างการแข่งขันในแต่ละสนามแข่ง ข้อมูลการซ่อมแซมรถ รวมไปถึง ข้อมูลที่ผู้จัดการแข่งขันใช้เพื่อบอกสถานะการณ์ของการแข่งขัน ข้อมูลในแต่ละกระบวนการเหล่านี้ล้วนแล้วแต่เป็นข้อมูลที่สร้างคุณค่าให้แก่ธุรกิจดังกล่าว เป็นอีกหนึ่งวงการที่มีการประยุกต์ใช้ข้อมูลให้เกิดประโยชน์อย่างมีประสิทธิภาพไม่แพ้วงการอื่นเลยทีเดียว

บทความโดย อรรถวิท ตุลยธัญ

ตรวจทานและปรับปรุงโดย พีรดล สามะศิริ และ ปพจน์ ธรรมเจริญพร

Reference

Managing F1’s Digital Gold

Data Analytics กับการแข่ง F1

บทความเรื่องการแข่ง F1 โดย AWS

Senior Data Scientist
Big Data Institute (Public Organization), BDI

Former-Editor-in-Chief at BigData.go.th and Senior Data Scientist at Government Big Data Institute (GBDi )

แบ่งปันบทความ

กลุ่มเนื้อหา

แท็กยอดนิยม

แจ้งเรื่องที่อยากอ่าน

คุณสามารถแจ้งเรื่องที่อยากอ่านให้เราทราบได้ !
และเราจะนำไปพัฒนาบทความให้มีเนื้อหาที่น่าสนใจมากขึ้น

PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.