Вартість непланових простоїв
Для компанії з автопарком у кількасот одиниць непланове порушення роботи - це не лише вартість ремонту. Це також вартість спізнення вантажу та потенційні штрафи, вартість заміни автомобіля, втратою довіри клієнта та (в крайніх випадках) юридичними витратами, пов'язаними з порушенням SLA. Галузеві оцінки свідчать про те, що неплановий простій коштує від 3 до 5 разів більше, ніж той самий час запланованого простою. Реактивне обслуговування, тобто ремонт після поломки, є найбільш дорогою можливою стратегією.
Предиктивне обслуговування: як воно працює
Системи предиктивного обслуговування (predictive maintenance) поєднують три категорії даних. Телеметричні дані з автомобіля: параметри двигуна, температури, тиску оливи, вібрації, дані про стиль водіння водія. Історичні дані з сервісної системи: коли та які ремонти виконувалися, які частини замінялися та при якому пробігу. Зовнішні контекстні дані: дорожні умови, профілі маршрутів, атмосферні умови.
Моделі AI, навчені на цих даних, вчаться розпізнавати закономірності, що передують поломкам конкретних компонентів. Наприклад: певна комбінація температури оливи, вібрацій коробки передач та пробігу від останнього обслуговування збільшує ймовірність поломки коробки передач протягом 14 днів на 73%. Система генерує сигнал для диспетчера, який може запланувати сервісний візит у вікно, відповідне розкладу маршрутів.
Оптимізація маршрутів та планування ресурсів
Штучний інтелект у логістиці виходить за рамки технічного обслуговування транспортних засобів. Системи оптимізації маршрутів одночасно враховують десятки змінних: технічний стан транспортних засобів, навички та робочий час водіїв, обмеження часу доставки, поточні дорожні умови та погодні прогнози. Оптимізація, яка у випадку 20 транспортних засобів і 100 зупинок неможлива для виконання вручну, займає у алгоритмів секунди.
- Динамічне перепланування маршрутів у відповідь на затримки або зміни замовлень
- Оптимізація ступеня завантаження транспортних засобів при збереженні обмежень часу
- Асигнація транспортних засобів до маршрутів з урахуванням їхнього технічного стану та планових обслуговувань
- Прогнозування потреби у транспортних засобах та кадрах для сезонних навантажень
Інтеграція з системами флоту та TMS
Цінність систем прогнозування залежить від якості та повноти інтеграції з існуючою інфраструктурою. Система управління транспортом (TMS), сервісна система, цифрові тахографи, бортові пристрої: кожне з цих джерел надає фрагмент картини. Системи багатокритеріальної оцінки ESKOM AI можуть працювати як шар агрегації та інтерпретації даних з гетерогенних джерел, забезпечуючи уніфікований вигляд стану флоту без потреби заміни існуючих систем.
Інфраструктурні вимоги
Реалізація прогнозного обслуговування вимагає кількох елементів: пристроїв телематики у транспортних засобах, здатних до передачі даних у реальному часі, платформи агрегації та зберігання даних часових рядів та моделей ML, що постачаються у вигляді сервісу інференції. Ключовим питанням є затримка: повідомлення про наближення поломки повинно дійти до диспетчера з достатнім попередженням, щоб планування обслуговування мало сенс.
ROI і вимірювання результатів
Типовий проєкт прогнозного обслуговування флоту демонструє вимірні результати протягом 6-12 місяців після запуску: зменшення непланових зупинок на 30-60%, зниження витрат на запасні частини завдяки ремонту компонентів до їхнього повного знищення та подовження циклу життя транспортних засобів. Однак вимірювання вимагає солідної базової лінії з періоду до впровадження, без неї важко відокремити ефект системи від природної мінливості.