כיצד קישוריות ובינה מלאכותית משפרים את זמן הפעולה של משאיות

משאיות מודרניות מייצרות כמויות עצומות של נתונים בכל דקה שבה הן פועלות. אבל איך משתמשים בנתונים האלה? איך זה יכול להועיל לבעלי משאיות? ומה זה אומר על עתיד תעשיית ההובלות?

כיום, משאית כבדה טיפוסית מצוידת בלמעלה מ-100 חיישנים. לסמארטפון, לשם השוואה, יש עשרה. בכל דקה היא תשלח בסביבות 20 גיגה-בייט של נתונים, שזה שווה ערך להזרמת 1,800 שעות של מוזיקה ב-Spotify. באותה דקה היא תדווח על מיקום המשאית 60,000 פעמים, תוך שהיא תקבל גם למעלה מ-600,000 מדדים שונים ושלושה מיליון הודעות יומן.

כעת, הכפילו את הדקה הזו במספר הדקות בחייה התפעוליים של משאית, וכמות הנתונים שנוצרת הופכת לעצומה באופן בלתי נתפס. עם זאת, במקום "לטבוע" בים של נתונים, מדעני הנתונים העובדים בתעשייה משתוקקים ליותר.

"ככל שיותר נתונים, כך ייטב", מסביר רוברט ואלטון, ראש תחום דאטה, אנליטיקה ובינה מלאכותית בקבוצת וולוו. "עם היכולות שלנו במדעי הנתונים והשיטות והכלים האנליטיים המתקדמים העומדים לרשותנו, כמויות אדירות של נתונים אינן מהוות בעיה - זו הזדמנות. זה מאפשר לנו לייצר תובנות עמוקות עוד יותר לגבי התנהגות המשאית ולהבין טוב יותר כיצד היא פועלת כדי לייעל את ההובלה והתמיכה ללקוחותינו".

ההתפתחות של קישוריות במשאיות

בתחילת שנות ה-90 הושקו המשאיות המקושרות הראשונות, ומאז מספר כלי הרכב המקושרים גדל באופן עקבי. כמות הנתונים המופקת גדלה באופן אקספוננציאלי במהלך 30 השנים האחרונות, אך האתגר היה למצוא דרכים להשתמש בנתונים אלה כדי ליצור ערך עבור בעלי משאיות ועסקי הובלה.

"ניתן לראות את ההיסטוריה של אופן השימוש בנתונים המתקבלים ממשאיות בארבעה שלבים", אומר רוברט. "ראשית, הגבנו ובדקנו את הנתונים כדי לקבוע: מה קרה? לאחר מכן, עם טכנולוגיית קישוריות התחלנו להסתכל על נתונים יותר בזמן אמת ולקבוע: מה קורה? בשנים האחרונות אנחנו מתייחסים למה שיקרה ופועלים כדי למנוע זאת - ניטור בזמן אמת הוא דוגמה טובה. כעת, אנו הולכים אפילו רחוק יותר ומשתמשים בדאטה ובבינה מלאכותית ככדור בדולח כדי לקבוע מה נרצה שיקרה על מנת לתמוך בצורה הטובה ביותר בלקוחות שלנו".

כיצד להשתמש בנתונים של משאית כדי למנוע תקלות

קישוריות נמצאת בבסיס התחזוקה המונעת - הרעיון של חיזוי ומניעת תקלות לפני שהן קורות.

על ידי ניתוח כמויות הנתונים העצומות שניתן לחלץ מכלי רכב, ויישום למידת מכונה, ניתן לזהות דפוסים נפוצים ושילובים של גורמים המובילים לתקלה ספציפית. לאחר מכן ניתן להשתמש בזה כדי ליצור מודלים לחיזוי ומניעת תקלות דומות בכלי רכב אחרים.

"אנו שולחים למרכז השירות האחראי התראה כדי שיוכלו לתזמן ללקוח מועד נוח לביקור ולאבחן את הבעיה לפני שהיא גורמת לתקלה לא מתוכננת", אומרת אלקה דקלואה, סגנית נשיא, תמיכת טכנית למרכזי שירות, וולוו משאיות. ללקוחות, המשמעות היא זמן פעולה ארוך יותר והימנעות מכל העלויות הכרוכות בתקלה, כגון אובדן הכנסה ופגיעה במוניטין של החברה".

כיום, אלקה ועמיתיה אוספים נתונים מצי של כמעט 85,000 משאיות הפועלות ברחבי אירופה. עבודתם השתנתה באופן דרמטי בשנים האחרונות עם התקדמות חדשה בקישוריות ובניתוח נתונים.

כשהם התחילו ב-2016, הם עקבו אחר צי של 600 משאיות בלבד, עבור רכיב אחד - הסוללה - ולקח יום שלם להשלים בדיקה אחת. כעת, 11 רכיבים שונים מנוטרים וניתן לבצע בדיקה כל שמונה דקות. כ-4,000 התראות נשלחות מדי חודש, מתוכן לפי ההערכות 77% מונעות השבתה לא מתוכננת.

עם זאת, כאשר קצב הפיתוח אינו מואט, מודלים ואלגוריתמים של הנתונים צריכים להשתכלל ולהשתפר ללא הרף.

"משאיות אינן סטטיות והן מתפתחות כל הזמן, אז גם הנתונים מתפתחים", אומרת אלקה. "אם אנחנו מפספסים תקלה, או התראה לא עובדת, אז אנו נדרשים לבחון מקרוב ולראות אם יש צורך להתאים את הדגמים שלנו".

מהו העתיד של טכנולוגיות קישוריות ומשאיות מקושרות?

להתפתחות של הבינה המלאכותית יש פוטנציאל להפוך את הדגמים הנוכחיים למדויקים ומקיפים עוד יותר. מכיוון שלבינה מלאכותית יש את היכולת לנתח כמויות גדולות בהרבה של נתונים, היא יכולה לזהות דפוסים שלא נראו ולא היו ידועים בעבר וקשרים בין נקודות נתונים.

"באופן מסורתי עם ניתוח נתונים, אתה נוקט בגישה מונעת השערות שבה אתה בוחר את הפרמטרים שאתה מאמין שהם רלוונטיים", מסביר רוברט. "עם גישה מונעת בינה מלאכותית, אתה מסתכל על כל הנתונים הזמינים מהמשאית, ללא קשר אם אתה חושב שזה רלוונטי. אנחנו יכולים גם לשלב מקורות נתונים אחרים, כגון מזג אוויר ותנאי תחבורה. אנחנו יכולים ליצור מודלים שהם אפילו יותר מדויקים ויכולים לראות מעבר לעכשיו".

בינה מלאכותית יכולה גם לסלול את הדרך למשאיות חכמות - כלי רכב המסוגלים לאבחן ולתקן את עצמם ביעילות.

"היום אנחנו שולחים נתונים מהמשאית למרכז בקרה. אבל עם בינה מלאכותית, נוכל לבצע יותר מניתוח נתונים במשאית עצמה. אם המערכת נתקלת בבעיה, היא תפעיל אוטומטית את כלי האבחון ותפתור את הבעיה באמצעות שינויים בתוכנה. זה יהיה כמעט כמו משאית קוגניטיבית עם תיקון עצמי, שיכולה לייעל את זמן הפעולה ולאפשר יותר הובלות עם השפעה אקלימית מופחתת."