Kuorma-autot
Kuorma-autot
Nykyajan kuorma-autot tuottavat valtavia määriä dataa joka minuutti ollessaan käytössä. Mutta miten näitä tietoja käytetään? Miten se hyödyttää kuorma-auton omistajia? Ja mitä se tarkoittaa kuorma-autoliikenteen tulevaisuuden kannalta?
Nykyään tyypillinen raskas kuorma-auto on varustettu yli 100 anturilla. Vertailun vuoksi älypuhelimessa on kymmenen. Joka minuutti se lähettää noin 20 gigatavua dataa, mikä vastaa 1800 tunnin musiikin suoratoistoa Spotifyssa. Samassa minuutissa se raportoi kuorma-auton sijainnin 60 000 kertaa ja vastaanottaa samalla yli 600 000 erilaista mittaria ja kolme miljoonaa lokiviestiä.
Kerro nyt tämä minuutti kuorma-auton käyttöiän minuutteilla, niin syntyvän tiedon määrästä tulee käsittämättömän suuri. Silti alan työskentelevät datatieteilijät eivät suinkaan hukkuisi kaikkeen tähän dataan, vaan haluavat vielä enemmän.
"Mitä enemmän dataa, sitä parempi", selittää Robert Valton, datajohtaja, Analytics & AI, Volvo Group. "Datatieteellinen osaamisemme ja käytössämme olevien edistyneiden analyyttisten menetelmien ja työkalujen ansiosta valtavat tietomäärät eivät ole ongelma – se on mahdollisuus. Sen avulla voimme luoda entistä syvempiä näkemyksiä kuorma-auton käyttäytymisestä ja ymmärtää paremmin, kuinka se toimii optimoidaksemme kuljetuksen ja tukea asiakkaillemme."
1990-luvun alussa lanseerattiin ensimmäiset yhdistetyt kuorma-autot, ja näiden ajoneuvojen määrä on kasvanut tasaisesti siitä lähtien. Luotettavan tiedon määrä on kasvanut eksponentiaalisesti viimeisen 30 vuoden aikana, mutta haasteena on ollut löytää tapoja käyttää tätä dataa arvon luomiseen kuorma-autojen omistajille ja kuljetusyrityksille.
"Kuorma-autojen tietojen käytön historiaa voidaan tarkastella neljässä vaiheessa", Robert sanoo. "Ensin olimme reaktiivisia ja tarkastelimme tietoja määrittääksemme: Mitä tapahtui? Sitten yhteyksien avulla aloimme tarkastella tietoja enemmän reaaliajassa ja määrittää: Mitä tapahtuu? Viime vuosina olemme pohtineet mitä tulee tapahtumaan ja ryhtyneet toimiin sen estämiseksi – reaaliaikainen seuranta on hyvä esimerkki. Nyt menemme vielä pidemmälle ja käytämme dataa ja tekoälyä kristallipallona määrittääksemme, mitä haluaisimme tapahtuvan tukeaksemme asiakkaitamme parhaiten."
Kuorma-auton tietojen avulla voidaan ennakoida ja ehkäistä vikoja ja parantaa käytettävyyttä.
Liitettävyys on ennaltaehkäisevän huollon ytimessä – käsite, joka ennakoi ja ehkäisee vikoja ennen kuin ne tapahtuvat.
Analysoimalla valtavia tietomääriä, joita ajoneuvoista voidaan poimia, ja soveltamalla koneoppimista, on mahdollista tunnistaa yleisiä kuvioita ja tekijöiden yhdistelmiä, jotka johtavat tiettyyn vikaan. Tätä voidaan sitten käyttää mallien luomiseen muiden ajoneuvojen vastaavien vikojen ennustamiseen ja estämiseen.
"Lähetämme asiasta vastaavalle korjaamolle hälytyksen, jotta he voivat varata asiakkaalle sopivan ajan vierailla ja diagnosoida ongelman ennen kuin se johtaa odottamattomaan vikaan", sanoo Elke Decaluwé, johtaja, tekninen jälleenmyyjätuki, Volvo Trucks. Asiakkaille tämä tarkoittaa pidentynyttä käytettävyyttä ja kaikkien rikkoutumiseen liittyvien kustannusten, kuten tulonmenetysten ja yrityksen maineen vahingoittumisen, välttämistä."
Nykyään Elke ja hänen kollegansa keräävät tietoja lähes 85 000 kuorma-auton kalustosta, jotka toimivat eri puolilla Eurooppaa. Heidän työnsä on muuttunut dramaattisesti viime vuosina liitettävyyden ja data-analytiikan uusien edistysten myötä.
Kun he aloittivat vuonna 2016, he seurasivat vain 600 kuorma-auton kalustoa yhden komponentin – akun – osalta, ja yhden tarkastuksen suorittamiseen kului kokonainen päivä. Nyt valvotaan 11 eri komponenttia ja tarkistus voidaan suorittaa kahdeksan minuutin välein. Noin 4 000 hälytystä lähetetään kuukaudessa, joista 77 %:n arvioidaan estävän odottamattoman rikkoutumisen
Koska kehitysvauhti ei kuitenkaan hidastu, tietomalleja ja algoritmeja on jatkuvasti jalostettava ja parannettava.
"Kuorma-autot eivät ole staattisia ja kehittyvät jatkuvasti, joten myös data kehittyy", Elke sanoo. "Jos huomaamme häiriön tai hälytys ei toimi, on syytä tarkastella lähemmin ja tarkistaa, tarvitseeko mallejamme säätää."
Tekoälyn avulla voimme suorittaa vielä enemmän analyysejä itse kuorma-autossa... Se olisi melkein kuin kognitiivinen ja itseparantava kuorma-auto.
Tekoälyn kehitys voi tehdä nykyisistä malleista entistä tarkempia ja kattavampia. Koska tekoäly pystyy analysoimaan paljon suurempia tietomääriä, se voi tunnistaa aiemmin näkemättömiä ja tuntemattomia kuvioita ja yhteyksiä datapisteiden välillä.
"Perinteisesti data-analytiikan kanssa käytät hypoteesilähtöistä lähestymistapaa, jossa valitset parametrit, jotka uskot olevan merkityksellisiä", Robert selittää. "Tekoälylähtöisen lähestymistavan avulla tarkastelet kaikkia saatavilla olevia tietoja kuorma-autosta riippumatta siitä, onko se mielestäsi olennaista. Voimme myös yhdistää muihin tietolähteisiin, kuten sää- ja kuljetusolosuhteisiin. Voimme luoda malleja, jotka ovat entistä tarkempia ja voivat katsoa pidemmälle."
Tekoäly voisi myös tasoittaa tietä älykkäille kuorma-autoille – ajoneuvoille, jotka pystyvät diagnosoimaan ja korjaamaan itsensä tehokkaasti.
"Nykypäivänä lähetämme tiedot kuorma-autosta valvontakeskuksen taustajärjestelmään. Mutta tekoälyn avulla voisimme tehdä enemmän analyyseja itse kuorma-autossa. Jos se kohtaa ongelman, se suorittaa automaattisesti diagnostiikan ja ratkaisee ongelman ohjelmistomuutoksilla. Se olisi melkein kuin kognitiivinen ja itseparantava kuorma-auto, joka voi optimoida käytettävyyden ja mahdollistaa enemmän liikennettä pienemmillä ilmastovaikutuksilla."
Lue lisää liitettävyyden eduista ja siitä, mitä se voi jo nyt edistää liiketoimintaasi, mukaan lukien:
