Trucks
Trucks
รถบรรทุกยุคใหม่สร้างข้อมูลจำนวนมหาศาลทุกๆ นาทีที่ใช้งาน แต่ข้อมูลนี้ถูกนำมาใช้อย่างไร? จะเป็นประโยชน์ต่อเจ้าของรถบรรทุกได้อย่างไร? และอนาคตของรถบรรทุกมีความหมายอย่างไร?
ปัจจุบัน รถบรรทุกสำหรับงานหนักทั่วไปมีเซ็นเซอร์มากกว่า 100 ตัว เมื่อเปรียบเทียบกันแล้วสมาร์ทโฟนมีสิบเครื่อง ทุกนาทีจะมีการส่งข้อมูลประมาณ 20 กิกะไบต์ ซึ่งเทียบเท่ากับการสตรีมเพลง 1,800 ชั่วโมงบน Spotify ในนาทีเดียวกันนั้น รถบรรทุกจะรายงานตำแหน่งของรถบรรทุก 60,000 ครั้ง ในขณะเดียวกันก็ได้รับตัวชี้วัดที่แตกต่างกันมากกว่า 600,000 รายการและข้อความบันทึกสามล้านข้อความ
ตอนนี้ ให้คูณหนึ่งนาทีนั้นด้วยจำนวนนาทีในอายุการใช้งานของรถบรรทุก แล้วปริมาณข้อมูลที่สร้างขึ้นจะมหาศาลอย่างเหลือเชื่อ ถึงกระนั้น นักวิทยาศาสตร์ด้านข้อมูลที่ทำงานในอุตสาหกรรมนี้ยังห่างไกลจากการจมอยู่กับข้อมูลทั้งหมดนี้ กระหายมากยิ่งขึ้น
"ยิ่งมีข้อมูลมากเท่าไรก็ยิ่งดีเท่านั้น" Robert Valton หัวหน้าฝ่ายข้อมูล การวิเคราะห์และ AI ของ Volvo Group อธิบาย "ด้วยความสามารถด้านวิทยาศาสตร์ข้อมูลของเราและวิธีการวิเคราะห์ขั้นสูงและเครื่องมือที่เรามี ข้อมูลจำนวนมหาศาลจึงไม่เป็นปัญหา แต่เป็นโอกาส มันช่วยให้เราสามารถสร้างข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของรถบรรทุกได้ดียิ่งขึ้น และเข้าใจวิธีการทำงานเพื่อเพิ่มประสิทธิภาพการขนส่งและการสนับสนุนลูกค้าของเรา"
ในช่วงต้นทศวรรษ 1990 มีการเปิดตัวรถบรรทุกที่เชื่อมต่ออินเทอร์เน็ตเป็นครั้งแรก และจำนวนยานพาหนะที่เชื่อมต่ออินเทอร์เน็ตก็มีการเติบโตเชิงเส้นนับแต่นั้นเป็นต้นมา ปริมาณข้อมูลที่ถูกสร้างขึ้นเพิ่มขึ้นอย่างมากในช่วง 30 ปีที่ผ่านมา แต่ความท้าทายคือการหาวิธีใช้ข้อมูลนี้เพื่อสร้างมูลค่าให้กับเจ้าของรถบรรทุกและธุรกิจการขนส่ง
"ประวัติวิธีที่เราใช้ข้อมูลจากรถบรรทุกสามารถดูได้เป็นสี่ช่วง" Robert กล่าว "ประการแรก เรามีปฏิกิริยาและพิจารณาข้อมูลเพื่อพิจารณาว่า: เกิดอะไรขึ้น? จากนั้น ด้วยการเชื่อมต่อ เราเริ่มดูข้อมูลแบบเรียลไทม์มากขึ้น และตัดสินใจว่า: เกิดอะไรขึ้น? ในช่วงไม่กี่ปีที่ผ่านมา เราได้จัดการกับสิ่งที่จะเกิดขึ้นและดำเนินการเพื่อป้องกันสิ่งนี้ การติดตามแบบเรียลไทม์เป็นตัวอย่างที่ดี ตอนนี้ เรากำลังก้าวไปอีกขั้นโดยใช้ข้อมูลและ AI เป็นลูกบอลคริสตัลเพื่อกำหนดสิ่งที่เราต้องการให้เกิดขึ้นเพื่อสนับสนุนลูกค้าของเราได้ดีที่สุด"
ข้อมูลของรถบรรทุกสามารถใช้เพื่อคาดการณ์และป้องกันการชำรุด และขยายเวลาการทำงานได้
การเชื่อมต่อเป็นหัวใจสำคัญของการบำรุงรักษาเชิงป้องกัน ซึ่งเป็นแนวคิดในการคาดการณ์และป้องกันการเสียก่อนที่จะเกิดขึ้น
ด้วยการวิเคราะห์ข้อมูลจำนวนมหาศาลที่สามารถดึงมาจากยานพาหนะ และการประยุกต์ใช้การเรียนรู้ของเครื่อง ทำให้สามารถระบุรูปแบบทั่วไปและการรวมกันของปัจจัยที่นำไปสู่ข้อผิดพลาดเฉพาะได้ ซึ่งสามารถใช้เพื่อสร้างแบบจำลองสำหรับการทำนายและป้องกันข้อผิดพลาดที่คล้ายกันในยานพาหนะอื่นๆ
"เราส่งการแจ้งเตือนไปยังศูนย์บริการที่รับผิดชอบ เพื่อให้พวกเขาสามารถกำหนดเวลาที่สะดวกสำหรับลูกค้าในการเยี่ยมชมและวินิจฉัยปัญหาก่อนที่มันจะส่งผลให้เกิดความเสียหายโดยไม่ได้วางแผนไว้" Elke Decaluwé รองประธานฝ่ายสนับสนุนผู้แทนจำหน่ายด้านเทคนิคของ Volvo Trucks กล่าว" สำหรับ ลูกค้า ซึ่งหมายถึงเวลาทำงานที่เพิ่มขึ้นและหลีกเลี่ยงค่าใช้จ่ายทั้งหมดที่เกี่ยวข้องกับการล่มสลาย เช่น การสูญเสียรายได้และความเสียหายต่อชื่อเสียงของบริษัท"
ปัจจุบัน Elke และเพื่อนร่วมงานของเธอรวบรวมข้อมูลจากกลุ่มรถบรรทุกเกือบ 85,000 คันที่ปฏิบัติการอยู่ทั่วยุโรป งานของพวกเขาเปลี่ยนแปลงไปอย่างมากในช่วงไม่กี่ปีที่ผ่านมาด้วยความก้าวหน้าใหม่ๆ ในการเชื่อมต่อและการวิเคราะห์ข้อมูล
เมื่อเริ่มต้นในปี 2016 พวกเขากำลังตรวจสอบขบวนรถบรรทุกเพียง 600 คันสำหรับส่วนประกอบหนึ่งชิ้น นั่นคือแบตเตอรี่ และการตรวจสอบหนึ่งรายการใช้เวลาเต็มวัน ขณะนี้ มีการตรวจสอบส่วนประกอบที่แตกต่างกัน 11 ชิ้น และสามารถตรวจสอบให้เสร็จสิ้นได้ทุกๆ แปดนาที มีการส่งการแจ้งเตือนประมาณ 4,000 รายการในแต่ละเดือน ซึ่งประมาณว่า 77% ป้องกันเหตุขัดข้องโดยไม่คาดคิด
อย่างไรก็ตาม ด้วยการพัฒนาที่ไม่ช้าลง โมเดลข้อมูลและอัลกอริธึมจึงจำเป็นต้องได้รับการปรับปรุงและปรับปรุงอย่างต่อเนื่อง
"รถบรรทุกไม่คงที่และมีการพัฒนาอยู่ตลอดเวลา ดังนั้นข้อมูลจึงมีการพัฒนาเช่นกัน" Elke กล่าว "หากเราพลาดการเสียหรือการแจ้งเตือนไม่ทำงาน นั่นเป็นเหตุให้เราพิจารณาให้ละเอียดยิ่งขึ้นและดูว่าแบบจำลองของเราจำเป็นต้องได้รับการปรับแต่งหรือไม่"
"ด้วย AI เราจึงสามารถทำการวิเคราะห์บนรถบรรทุกได้มากขึ้น... มันเกือบจะเหมือนกับรถบรรทุกที่รับรู้และรักษาตัวเองได้"
วิวัฒนาการของ AI มีศักยภาพที่จะทำให้แบบจำลองปัจจุบันมีความแม่นยำและครอบคลุมมากยิ่งขึ้น เนื่องจาก AI มีความสามารถในการวิเคราะห์ข้อมูลในปริมาณที่มากขึ้น จึงสามารถระบุรูปแบบและการเชื่อมต่อระหว่างจุดข้อมูลที่ไม่เคยเห็นมาก่อนและที่ไม่รู้จักได้
"แต่เดิมด้วยการวิเคราะห์ข้อมูล คุณจะใช้แนวทางที่ขับเคลื่อนด้วยสมมติฐาน โดยที่คุณเลือกพารามิเตอร์ที่คุณเชื่อว่ามีความเกี่ยวข้อง" Robert อธิบาย "ด้วยแนวทางที่ขับเคลื่อนด้วย AI คุณจะดูข้อมูลทั้งหมดที่มีอยู่จากรถบรรทุก ไม่ว่าคุณจะคิดว่ามันเกี่ยวข้องหรือไม่ก็ตาม นอกจากนี้เรายังสามารถผสมผสานกับแหล่งข้อมูลอื่นๆ เช่น สภาพอากาศและสภาพการขนส่ง เราสามารถสร้างแบบจำลองที่แม่นยำยิ่งขึ้นและสามารถมองไปข้างหน้าได้ไกลยิ่งขึ้น”
AI ยังสามารถปูทางให้กับรถบรรทุกอัจฉริยะ ซึ่งเป็นยานพาหนะที่สามารถวินิจฉัยและซ่อมแซมตัวเองได้อย่างมีประสิทธิภาพ
"วันนี้ เราส่งข้อมูลจากรถบรรทุกไปยังแบ็คเอนด์ของศูนย์ตรวจสอบ แต่ด้วย AI เราจึงสามารถดำเนินการวิเคราะห์บนรถบรรทุกได้มากขึ้น หากพบปัญหา ระบบจะเรียกใช้การวินิจฉัยโดยอัตโนมัติและแก้ไขปัญหาผ่านการเปลี่ยนแปลงซอฟต์แวร์ มันเกือบจะเหมือนกับรถบรรทุกที่สามารถรับรู้และซ่อมแซมตัวเองได้ซึ่งสามารถเพิ่มประสิทธิภาพความพร้อมในการทำงานและช่วยให้สามารถขนส่งได้มากขึ้นโดยมีผลกระทบต่อสภาพอากาศน้อยลง"
เรียนรู้เพิ่มเติมเกี่ยวกับประโยชน์ของการเชื่อมต่อและสิ่งที่สามารถสนับสนุนธุรกิจของคุณในปัจจุบันได้ รวมถึง:
