Hogyan javítja a kapcsolódás és a mesterséges intelligencia a teherautó üzemidejét

A modern teherautók hatalmas mennyiségű adatot generálnak minden percben, amikor üzemelnek. De hogyan használják fel ezeket az adatokat? Milyen előnyökkel járhat a teherautó-tulajdonosok számára? És mit jelent ez a teherszállítás jövője szempontjából?

Ma egy tipikus nehéz tehergépjármű több mint 100 érzékelővel van felszerelve. Egy okostelefonnak ehhez képest tíz van. Percenként körülbelül 20 gigabájt adatot küld, ami 1800 órányi zene streamelésének felel meg a Spotify-on. Ugyanebben a percben 60 000 alkalommal jelenti a teherautó helyzetét, miközben több mint 600 000 különböző mérőszámot és három millió naplóüzenetet fogad.
 

Most szorozza meg ezt az egy percet a teherautó üzemidejének perceinek számával, és a generált adatmennyiség felfoghatatlanul nagy lesz. Az iparban dolgozó adattudósok azonban messze nem fulladnak bele ezekbe az adatokba, hanem még többre vágynak.

„Minél több adat, annál jobb” – magyarázza Robert Valton, a Volvo Group adatelemzési és mesterséges intelligencia részlegének vezetője. „Adattudományi kompetenciánkkal és a rendelkezésünkre álló fejlett analitikai módszerekkel és eszközökkel a hatalmas mennyiségű adat nem jelent problémát – ez egy lehetőség. Lehetővé teszi számunkra, hogy még mélyebb betekintést nyerjünk a teherautó viselkedésébe, és jobban megértsük, hogyan működik a szállítás optimalizálása és ügyfeleink támogatása."
 

A kapcsolódó teherautók fejlődése

Az 1990-es évek elején megjelentek az első kapcsolódó teherautók, és a csatlakoztatott járművek száma azóta is lineárisan nő. Az előállított adatok mennyisége exponenciálisan nőtt az elmúlt 30 évben, de a kihívás az volt, hogy megtaláljuk azokat a módszereket, amelyek segítségével ezen adatok segítségével értéket teremthetünk a teherautó-tulajdonosok és a fuvarozó vállalkozások számára.
 

"A teherautókból származó adatok felhasználásának története négy szakaszban nézhető" - mondja Robert. "Először is reagáltunk, és megvizsgáltuk az adatokat, hogy meghatározzuk: Mi történt? Ezután a kapcsolódás révén elkezdtük jobban valós időben nézni az adatokat, és meghatározni: Mi történik? Az elmúlt években foglalkoztunk azzal, hogy mi fog történni, és lépéseket tettünk a megelőzés érdekében – erre jó példa a valós idejű monitorozás. Most még tovább megyünk, és az adatokat és a mesterséges intelligenciát kristálygömbként használjuk annak meghatározására, hogy mit szeretnénk elérni ügyfeleink legjobb támogatása érdekében."

Hogyan használjuk fel a teherautó adatait a meghibásodások elkerülésére

Az összekapcsolhatóság a megelőző karbantartás lényege – a meghibásodások előrejelzésének és megelőzésének koncepciója.
 

A járművekből kinyerhető hatalmas mennyiségű adat elemzésével és a gépi tanulás alkalmazásával lehetőség nyílik olyan gyakori minták és tényezők kombinációinak azonosítására, amelyek egy adott hibához vezetnek. Ez azután használható modellek létrehozására más járművek hasonló hibáinak előrejelzésére és megelőzésére.

"Figyelmeztetést küldünk a felelős műhelynek, hogy megfelelő időpontot tudjon ütemezni az ügyfél látogatására, és diagnosztizálják a problémát, mielőtt az nem tervezett meghibásodást eredményezne" - mondja Elke Decaluwé, a Volvo Trucks műszaki kereskedői támogatásért felelős alelnöke. Ez megnövekedett üzemidőt jelent, és elkerülhető a meghibásodásokkal járó összes költség, mint például a bevételkiesés és a vállalat hírnevének károsodása."

Ma Elke és munkatársai egy közel 85 000 teherautóból álló flottáról gyűjtenek adatokat Európa szerte. Munkájuk drámai változáson ment keresztül az elmúlt években a kapcsolódás és az adatelemzés terén elért új fejlemények révén.
 

Amikor 2016-ban elindultak, mindössze 600 teherautóból álló flottát figyeltek egy alkatrészre – az akkumulátorra –, és egy ellenőrzés elvégzése egy teljes napba telt. Most 11 különböző komponenst figyelnek meg, és nyolc percenként elvégezhető egy ellenőrzés. Körülbelül 4000 riasztást küldenek ki havonta, amelyeknek a becslések szerint 77%-a megakadályozza a nem tervezett meghibásodást.
 

A fejlődés ütemének lassulásával azonban az adatmodellek és algoritmusok folyamatosan finomításra, fejlesztésre szorulnak.

"A teherautók nem statikusak, és folyamatosan fejlődnek, így az adatok is fejlődnek" - mondja Elke. "Ha lemaradunk egy meghibásodásról, vagy a riasztás nem működik, akkor érdemes alaposabban megvizsgálni, hogy szükség van-e a modellek módosítására."

Mi a csatlakoztathatóság és a csatlakoztatott teherautók jövője?

A mesterséges intelligencia fejlődése megvan a lehetőség arra, hogy a jelenlegi modelleket még pontosabbá és átfogóbbá tegye. Mivel az AI sokkal nagyobb mennyiségű adat elemzésére képes, képes azonosítani a korábban nem látott és ismeretlen mintákat és kapcsolatokat az adatpontok között.
 

"Hagyományosan az adatelemzésnél egy hipotézis-vezérelt megközelítést alkalmaz, ahol kiválasztja azokat a paramétereket, amelyekről úgy gondolja, hogy relevánsak" - magyarázza Robert. „A mesterséges intelligencia által vezérelt megközelítéssel az összes rendelkezésre álló adatot megvizsgálja a teherautóról, függetlenül attól, hogy relevánsnak tartja-e. Más adatforrásokba is beleolvadhatunk, például időjárási és közlekedési körülmények között. Olyan modelleket hozhatunk létre, amelyek még pontosabbak, és tovább tekinthetnek előre."
 

A mesterséges intelligencia utat nyithat az intelligens teherautók előtt is – olyan járművek számára, amelyek képesek önmagukat hatékonyan diagnosztizálni és megjavítani.
 

„Ma adatokat küldünk a teherautóról egy felügyeleti központ háttérrendszerére. De a mesterséges intelligencia segítségével több elemzést is elvégezhetnénk magán a teherautó fedélzetén. Ha problémába ütközik, automatikusan futtatja a diagnosztikát, és szoftvermódosításokkal megoldja a problémát. Szinte olyan lenne, mint egy kognitív és öngyógyító teherautó, amely képes optimalizálni az üzemidőt, és több szállítást tesz lehetővé kevesebb éghajlati hatás mellett."
 

Tudjon meg többet a csatlakozás előnyeiről, és arról, hogy miként járulhat hozzá már ma az Ön vállalkozásához, többek között:
 

●      Hogyan akadályozhatják meg adatok a teherautók tönkremenetelét

●      Hogyan járulhat hozzá a csatlakoztathatóság a hatékony vezetéshez