Trucks
Trucks
Сучасні вантажівки щохвилини роботи генерують величезні обсяги даних. Але як ці дані використовуються? Яку користь це може принести власникам вантажівок? І що це означає для майбутнього вантажоперевезень?
Сьогодні типова великотоннажна вантажівка оснащена понад 100 датчиками. Смартфон, для порівняння, має десять. Щохвилини вона надсилатиме близько 20 гігабайт даних, що еквівалентно потоковій передачі 1800 годин музики на Spotify. За ту ж хвилину вона повідомить про положення вантажівки 60 000 разів, а також отримає понад 600 000 різних показників і три мільйони повідомлень журналу.
Тепер помножте цю одну хвилину на кількість хвилин у терміні експлуатації вантажівки, і кількість даних, що генеруються, стане неймовірно великою. Проте науковці, які працюють у галузі, не потонуть у всіх цих даних, а прагнуть ще більше.
«Що більше даних, то краще», — пояснює Роберт Велтон, керівник відділу даних, аналітики та штучного інтелекту Volvo Group. «Завдяки нашій компетенції в галузі даних та передовим аналітичним методам і інструментам, які ми маємо в своєму розпорядженні, величезні обсяги даних не є проблемою – це можливість. Це дозволяє нам ще глибше зрозуміти поведінку вантажівки та краще зрозуміти, як вона працює для оптимізації транспортування та підтримки наших клієнтів».
На початку 1990-х років були випущені перші підключені вантажівки, і з тих пір кількість підключених транспортних засобів лінійно зростає. Обсяг даних, які генеруються, зріс експоненціально за останні 30 років, але завдання полягало в тому, щоб знайти способи використання цих даних для створення цінності для власників вантажівок і транспортних компаній.
«Історію того, як ми використовуємо дані з вантажівок, можна розглядати в чотири етапи», — каже Роберт. «По-перше, ми реагували на дані та перевірили дані, щоб визначити: що сталося? Потім, завдяки підключенню, ми почали більше переглядати дані в реальному часі та визначати: що відбувається? Останніми роками ми розглядаємо те, що станеться, і вживаємо заходів, щоб запобігти цьому – хороший приклад – моніторинг у реальному часі. Тепер ми йдемо ще далі й використовуємо дані та штучний інтелект як кришталеву кулю, щоб визначити, що ми хочемо зробити для найкращої підтримки наших клієнтів».
Дані вантажівки можна використовувати для прогнозування та запобігання поломкам, а також для покращення часу безвідмовної роботи.
З’єднання лежить в основі профілактичного обслуговування – концепції передбачення та запобігання поломкам до їх виникнення.
Аналізуючи величезну кількість даних, які можна отримати з транспортних засобів, і застосовуючи машинне навчання, можна виявити загальні закономірності та комбінації факторів, які призводять до конкретної несправності. Потім це можна використовувати для створення моделей для прогнозування та запобігання подібним несправностям в інших вантажівках.
«Ми надсилаємо відповідальній майстерні сповіщення, щоб вони могли запланувати зручний для клієнта час для відвідування та діагностики проблеми, перш ніж вона призведе до незапланованої поломки», — каже Ельке Декалюве, віце-президент із технічної підтримки дилерів Volvo Trucks. «Для клієнтів, це означає збільшення часу безвідмовної роботи та уникнення всіх витрат, пов’язаних із поломкою, таких як втрата доходу та шкода репутації компанії».
Сьогодні Ельке та її колеги збирають дані про парк із майже 85 000 вантажівок, що працюють по всій Європі. Їхня робота кардинально змінилася за останні роки завдяки новим досягненням у підключенні та аналізі даних.
Коли вони починали роботу в 2016 році, вони контролювали парк із лише 600 вантажівок, для одного компонента – акумулятора – і для виконання однієї перевірки знадобився цілий день. Зараз контролюються 11 різних компонентів, і перевірку можна виконувати кожні вісім хвилин. Щомісяця надсилається близько 4000 сповіщень, з яких, за оцінками, 77% запобігають незапланованому простою.
Проте, оскільки темпи розвитку не сповільнюються, моделі даних і алгоритми постійно потребують вдосконалення та вдосконалення.
«Вантажівки не стоять на місці й постійно вдосконалюються, тому й дані також розвиваються», — каже Ельке. «Якщо ми пропустимо поломку або сповіщення не спрацює, це стане тригером для того, щоб придивитися ближче та побачити, чи потрібно налаштувати наші моделі».
«Завдяки штучному інтелекту ми можемо проводити навіть більше аналізу на борту самої вантажівки... Це було б майже як когнітивна вантажівка з самовідновленням»
Розвиток штучного інтелекту може зробити поточні моделі ще точнішими та повнішими. Оскільки ШІ має здатність аналізувати набагато більші обсяги даних, він може ідентифікувати раніше невидимі та невідомі шаблони та зв’язки між точками даних.
«Традиційно в аналітиці даних ви використовуєте підхід, що керується гіпотезами, коли ви обираєте параметри, які, на вашу думку, є релевантними», — пояснює Роберт. «Завдяки підходу, керованому ШІ, ви переглядаєте всі доступні дані з вантажівки, незалежно від того, чи вважаєте ви їх доречними. Ми також можемо поєднувати інші джерела даних, наприклад погоду та транспортні умови. Ми можемо створювати моделі, які є ще точнішими та можуть дивитися далі».
Штучний інтелект також може прокласти шлях для розумних вантажівок – транспортних засобів, здатних самостійно діагностувати та ремонтувати себе.
«Сьогодні ми надсилаємо дані з вантажівки на сервер моніторингового центру. Але за допомогою штучного інтелекту ми могли б проводити більше аналізу на борту самої вантажівки. Якщо виникне проблема, він автоматично запустить діагностику та вирішить проблему за допомогою змін програмного забезпечення. Це було б майже схоже на когнітивну та самовідновлювану вантажівку, яка може оптимізувати час безвідмовної роботи та забезпечити більше транспорту з меншим впливом на клімат».
Дізнайтеся більше про переваги зв’язку та про те, що воно вже сьогодні може сприяти вашому бізнесу, зокрема: