مدیریت ناوگان و نگهداری پیش بینی

سود:

• توانایی درک مفاهیم هزینه ناوگان، مصرف سوخت، داده های تلماتیکی و تعمیر و نگهداری پیش بینی و استفاده از هوش مصنوعی برای خطر نقص و پیش نویس طرح تعمیر و نگهداری.
• توانایی تفسیر رفتار راننده، نرخ استفاده از وسیله نقلیه و شاخص های کل هزینه مالکیت (TCO) با پشتیبانی از هوش مصنوعی
• توانایی درک اینکه پیش‌بینی‌های نقص هوش مصنوعی باید با معاینه فیزیکی و تصمیم متخصص فنی تأیید شود.

در تجارت توزیع، وسایل نقلیه فقط وسایل حمل و نقل نیستند، بلکه مراکز هزینه پیاده روی هستند. سوخت، تعمیر و نگهداری، لاستیک‌ها، بیمه، راننده، استهلاک - هر وسیله نقلیه دائماً پول خرج می‌کند و هر خرابی غیرمنتظره هم به معنای هزینه‌های تعمیر و هم محموله‌های متوقف شده، تحویل از دست رفته، مشتریان عصبانی است. مدیریت ناوگان - مدیریت هزینه، نگهداری، استفاده و عملکرد ناوگان خودرو این هزینه ها را تحت کنترل نگه می دارد و تضمین می کند که وسایل نقلیه به کارآمدترین و ایمن ترین راه کار می کنند. وسایل نقلیه مدرن به لطف تله‌ماتیک (سیستمی که اطلاعات مکان، سرعت، سوخت، موتور را در زمان واقعی جمع‌آوری می‌کند) جریان داده عظیمی تولید می‌کنند. هوش مصنوعی می‌تواند این داده‌ها را پردازش کند و سیگنال یک نقص را قبل از وقوع آن بگیرد. به این می گویند تعمیر و نگهداری پیش بینی - پیش بینی نقص و برنامه ریزی مداخله. اما بیایید واضح بگوییم: هوش مصنوعی احتمال شکست را نشان می دهد. کارشناس فنی با معاینه فیزیکی تصمیم می گیرد که وسیله نقلیه به سفر برود یا قطعه ای تعویض شود یا خیر.

رویکردهای مراقبت: سه نسل

به نگهداری در سه سطح فکر کنید. تعمیر و نگهداری پس از خرابی (واکنشی): وقتی خراب شد آن را تعمیر کنید. ارزان ترین به نظر می رسد اما گران ترین است. زیرا باعث سرگردانی، تعمیرات فوری و از دست رفتن کار می شود. نگهداری پیشگیرانه: تعمیر و نگهداری منظم با توجه به تقویم یا مسافت پیموده شده. به عنوان مثال، تعویض روغن هر 15000 کیلومتر. خوب است، اما گاهی زود است (خرج غیر ضروری) و گاهی دیر (شکست اول است). تعمیر و نگهداری پیش‌بینی‌کننده: مداخله به‌موقع با نگاه کردن به داده‌های واقعی خودرو و گفتن «این قسمت تقریباً پس از این زمان خطرناک خواهد بود». این کارآمدترین است. نه زود و نه دیر هوش مصنوعی موتوری است که تعمیر و نگهداری پیش بینی را ممکن می کند: سیگنال هایی مانند دمای موتور، لرزش، الگوی مصرف سوخت، سایش ترمز را کنترل می کند و انحراف از حالت عادی را تشخیص می دهد.

نکته: تعمیر و نگهداری پیش بینی شده "بعد از شکست" را به طور کامل حذف نمی کند. آن را کاهش می دهد. همیشه یک برنامه پیشگیرانه در مورد قطعات ایمنی حیاتی (ترمز، فرمان، لاستیک) داشته باشید. هوش مصنوعی یک لایه پیش بینی اضافه می کند، آن را جایگزین نظم امنیتی اولیه نمی کند.

هزینه نامرئی ناوگان: TCO

هزینه واقعی یک وسیله نقلیه قیمت خرید نیست. هزینه کل مالکیت (TCO) تمام هزینه‌هایی است که وسیله نقلیه در طول عمر خود متحمل می‌شود: خرید، سوخت، تعمیر و نگهداری، لاستیک‌ها، بیمه، مالیات، استهلاک، حتی ضررهای ناشی از خرابی. ممکن است دو وسیله نقلیه با قیمت یکسان خریداری شوند، اما اگر یکی بیشتر بسوزد و بیشتر خراب شود، در واقع بسیار گران تر است. هوش مصنوعی می تواند داده های هزینه های تاریخی ناوگان را تجزیه و تحلیل کند و TCO را بر اساس خودرو به وسیله نقلیه استخراج کند. این نشان می دهد که کدام وسیله نقلیه "پول پول" است و کدام یک باید جایگزین شود. این قوی‌ترین پایه برای تصمیم جایگزینی است - اما تصمیم با مدیری است که بودجه و استراتژی را می‌داند.

رفتار راننده و سوخت

سوخت بزرگترین هزینه متغیر در ناوگان است و به شدت به رفتار راننده بستگی دارد. شتاب گیری سخت، ترمز شدید، دور آرام طولانی، سرعت بیش از حد - همگی باعث افزایش مصرف سوخت و سایش می شوند. تله ماتیک این رفتارها را ثبت می کند. هوش مصنوعی این موارد را تجزیه و تحلیل می‌کند و نشان می‌دهد که کدام رفتار چقدر هزینه سوخت/سایش را به همراه دارد و داده‌هایی را برای مربیگری راننده فراهم می‌کند. اما مراقب باشید: این داده ها باید به عنوان ابزاری برای توسعه و امنیت عادلانه استفاده شوند، نه به عنوان ابزاری برای نظارت و مجازات. در غیر این صورت، به اعتماد کارکنان و مرزهای اخلاقی آسیب می رساند.

توجه: تبدیل داده‌های رفتار راننده به یک سیستم جریمه که افراد را هدف قرار می‌دهد، خطرات اخلاقی و قانونی را به همراه دارد. از داده ها برای بهبود ایمنی، ارائه بازخورد منصفانه و آموزش طراحی استفاده کنید. به حدود نظارت و حقوق کارمند احترام بگذارید.

گام به گام: عملیات ناوگان با هوش مصنوعی

1. داده ها را جمع آوری کنید. کد خودرو ناشناس، خلاصه های تلماتیک (سوخت، کیلومتر، هشدار موتور)، تاریخچه تعمیر و نگهداری، موارد هزینه.
2. کم کردن ناهنجاری. از هوش مصنوعی بخواهید وسایل نقلیه ای را که از علائم اولیه خرابی عادی و احتمالی منحرف می شوند، علامت گذاری کند.
3. محاسبه TCO هزینه کل خودرو و گران ترین وسایل نقلیه را کم کنید.
4. پیش نویس برنامه مراقبت زمان مداخله توصیه شده برای قطعات پرخطر را دریافت کنید.
5. تایید فنی اجازه دهید تکنسین هر پیش‌بینی نقص را با معاینه فیزیکی تأیید کند.
6. تصمیم. اجازه دهید مدیر در مورد تمدید، تعمیر و نگهداری یا آموزش راننده، همراه با بودجه و ایمنی تصمیم بگیرد.

سه کیف کوچک

مورد 1 - با سیگنال اولیه از شکست جلوگیری می شود. در یک ناوگان باری، هوش مصنوعی اعلام کرد که مصرف سوخت سه خودرو در دو هفته گذشته 8 درصد نسبت به حالت عادی افزایش یافته و الگوی دمای موتور تغییر کرده است. تکنسین این سه خودرو را بازرسی کرد. دو مورد با خرابی راه اندازی سیستم خنک کننده و یکی از آنها خطای اندازه گیری داشت. دو وسیله نقلیه در سرویس های برنامه ریزی شده بدون پایان در کنار جاده تعمیر شدند. در مورد سوم، هیچ هزینه غیرضروری متحمل نشد زیرا تأیید فنی هشدار هوش مصنوعی را فیلتر کرد. پیش بینی نشان داد، کارشناس تصمیم گرفت.

مورد 2 - تصمیم تمدید با TCO. یک شرکت توزیع نمی تواند تصمیم بگیرد که کدام خودروها را در ناوگان 30 دستگاهی خود تجدید کند. هوش مصنوعی TCO مبتنی بر خودرو را منتشر کرد. مشاهده شد که هزینه نگهداری و سوخت 4 خودرو 1.7 برابر میانگین ناوگان بوده و به طور مکرر در جاده ها گیر افتاده اند. مدیر بودجه خود را با تمرکز بر این 4 ابزار تجدید کرد. در سال اول، هزینه های نگهداری و تعمیر و نگهداری به میزان قابل توجهی کاهش یافت. هوش مصنوعی چاله های پول را نشان داد. مدیر تصمیم سرمایه گذاری را گرفت.

مورد 3 - محدودیت اخلاقی در داده های راننده. مدیری می خواست امتیازات رفتار راننده هوش مصنوعی را مستقیماً با جریمه عملکرد مرتبط کند. HR و حقوقی اعتراض کردند: داده‌ها بدون زمینه بودند (برخی از ترمزهای شدید اجتناب از تصادف بود) و مجازات مستقیم حقوق و اعتماد کارکنان را تضعیف می‌کرد. در عوض، از نمرات برای طراحی مربیگری داوطلبانه راننده و آموزش ایمنی استفاده شد. میزان تصادفات کاهش یافت و اعتماد حفظ شد.

چهار قالب قابل کپی

1) تشخیص ناهنجاری:

نقش شما: دستیار تحلیلگر ناوگان. در زیر کد خودرو ناشناس، مصرف سوخت، میانگین دمای موتور و تعداد هشدارهای تلماتیکی در 8 هفته گذشته آمده است. وظیفه: خودروهایی را که به طور قابل توجهی از حالت عادی منحرف می شوند علامت بزنید، برای هر کدام یک فرضیه علت احتمالی بنویسید و بیان کنید که این یک نقص قطعی نیست بلکه یک هشدار است که نیاز به معاینه فنی دارد.

2) مقایسه TCO:

در زیر هزینه های خرید خودرو، سوخت سالانه، تعمیر و نگهداری، لاستیک، بیمه و هزینه های کنار جاده آورده شده است. کل هزینه مالکیت (TCO) برای هر وسیله نقلیه را محاسبه کنید و وسایل نقلیه بالاتر از میانگین ناوگان را فهرست کنید. نمایش فرمول بیان کنید که تصمیم تمدید با من است.

3) پیش نویس برنامه نگهداری پیش بینی شده:

برنامه تعمیر و نگهداری توصیه شده برای وسایل نقلیه و قطعات خطرناک مشخص شده تهیه می شود: کدام بخش، پنجره خطر تخمینی، مداخله پیشنهادی. همچنین یک برنامه پیشگیرانه در مورد قطعات ایمنی حیاتی (ترمزها، لاستیک ها) حفظ کنید. توجه داشته باشید که تکنسین هر پیشنهادی را بررسی خواهد کرد.

4) خلاصه مربیگری راننده (اخلاق):

داده های رفتار راننده (ترمز شدید، شتاب گیری، دور آرام) را به عنوان یک ابزار بهبود منصفانه خلاصه کنید. یک یادداشت آموزشی تهیه کنید که سازنده باشد، به جای تنبیه، بر ایمنی یا مصرف سوخت متمرکز باشد. بیان کنید که زمینه (به عنوان مثال اجتناب از تصادف) مهم است.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

قبل از خراب شدن وسایل نقلیه به من اطلاع دهید.

هیچ داده ای وجود ندارد، مشخص نیست کدام سیگنال، کدام وسیله نقلیه. هوش مصنوعی توصیه های کلی برای "انجام تعمیر و نگهداری منظم" می دهد.

اعلان قدرتمند:

نقش شما: دستیار تحلیلگر ناوگان. در زیر کدهای ناشناس 20 وسیله نقلیه، سوخت، دمای موتور و اطلاعات هشدار در 8 هفته گذشته آمده است. خودروهایی را که از حالت عادی منحرف می شوند علامت گذاری کنید، یک فرضیه علت احتمالی ارائه دهید، بیان کنید که معاینه فنی لازم است. همچنین وسایل نقلیه با TCO بالاتر از میانگین ناوگان را فهرست کنید. تصمیمات با من است

رویکرد تعمیر و نگهداری

هزینه

خطر گیر افتادن در جاده

واجد شرایط بودن

پس از نقص عملکرد

به ظاهر ارزان، در واقع گران است

بالا

بخش غیر بحرانی

پیشگیرانه (تقویم)

متوسط

متوسط

قطعات ایمنی

پیش بینی (AI + تکنسین)

بهینه

پایین

ناوگان غنی از داده

کورکورانه از پیش بینی هوش مصنوعی پیروی نکنید

متغیر

مداخله کم اما اشتباه

مخاطره آمیز

اشتباهات رایج

• اشتباه پیش بینی شکست به عنوان یک حقیقت مطلق. هوش مصنوعی به احتمال اشاره می کند. تعویض قطعات بدون تایید معاینه فنی یک هزینه غیر ضروری است.
• هشدار را به طور کامل نادیده بگیرید. نادیده گرفتن سیگنال یک مسیر قابل اجتناب را ترک می کند.
• نگاهی به قیمت خرید و فراموش کردن TCO. یک وسیله نقلیه ارزان قیمت ممکن است از نظر سوخت و نگهداری گران باشد.
• تبدیل اطلاعات درایور به ابزار جنایی مجازات بدون زمینه، خطرات اخلاقی و قانونی ایجاد می کند و اعتماد را از بین می برد.
• تنها با تکیه بر حدس و گمان در مورد قطعات امنیتی. هرگز تقویم پیشگیرانه را روی ترمزها و لاستیک ها نگذارید.

نکته: یک جریان ساده «تأیید-تصمیم» را برای هر وسیله نقلیه‌ای که پرچم‌دار هوش مصنوعی است تنظیم کنید: هشدار می‌رسد، تکنسین بازرسی می‌کند، نتیجه ثبت می‌شود. با گذشت زمان، این سوابق نشان می دهد که هشدارهای هوش مصنوعی چقدر دقیق هستند و اعتماد شما به سیستم بر اساس داده ها افزایش می یابد.

به طور خلاصه

ناوگان یک مرکز هزینه پیاده روی است. بزرگترین دشمن آن شکست غیرمنتظره و TCO پنهان است. هوش مصنوعی با داده‌های تله‌ماتیک، سیگنال‌های خطا را از قبل دریافت می‌کند، تعمیر و نگهداری پیش‌بینی‌کننده را امکان‌پذیر می‌کند، TCO را بر اساس خودرو محاسبه می‌کند و رفتار راننده را تحلیل می‌کند. اما هوش مصنوعی احتمال را علامت می‌دهد، نه تصمیم را: هر پیش‌بینی خرابی توسط بازرسی فنی تأیید می‌شود، تصمیم تجدید در چارچوب بودجه گرفته می‌شود، داده‌های راننده به عنوان یک ابزار توسعه منصفانه در محدوده‌های اخلاقی استفاده می‌شود. انضباط پیشگیرانه هرگز در بخش های امنیتی رها نمی شود.

وظیفه کاربردی

یک جدول ساده برای 10-15 وسیله نقلیه از ناوگان خود (یا فرضی) تنظیم کنید: کد وسیله نقلیه، سوخت در هفته های اخیر، کیلومتر، تعداد هشدارها و هزینه نگهداری سالانه. درخواست تجزیه و تحلیل از هوش مصنوعی با الگوهای "تشخیص ناهنجاری" و "مقایسه TCO". 2 تا 3 وسیله نقلیه پرخطر را شناسایی کنید و جریان "تأیید-تصمیم" را برای هر 5 مورد بنویسید (چه چیزی را تکنسین باید بررسی کند که تصمیم می گیرد).

چک لیست

• [ ] آیا من جریانی برای تأیید پیش‌بینی خطا با بازرسی فنی ایجاد کرده‌ام؟
• [ ] آیا TCO را با همه اقلام فراتر از قیمت خرید محاسبه کرده ام؟
• [ ] آیا من تقویم پیشگیرانه را در قسمت های امنیتی حفظ کرده ام؟
• [ ] آیا از داده های راننده به عنوان یک ابزار توسعه اخلاقی و منصفانه استفاده کرده ام؟
• [ ] آیا تصمیمات نوسازی و تعمیر و نگهداری همراه با بودجه و ایمنی را تایید کرده ام؟