卡車
卡車
現代卡車在運行時每分鐘都會產生大量數據。 但這些數據是如何使用的呢？ 它如何使卡車車主受益？ 這對卡車運輸的未來意味著什麼？
如今，一輛典型的重型卡車配備了 100 多個感測器。 相比之下，智慧型手機有十個。 每分鐘，它會發送大約 20 GB 的數據，相當於在 Spotify 上傳輸 1800 小時的音樂。 在同一分鐘內，它將報告卡車位置 60,000 次，同時還接收超過 600,000 個不同的指標和 300 萬個日誌訊息。
現在，將這一分鐘乘以卡車使用壽命的分鐘數，產生的數據量將變得難以想像。 然而，在該行業工作的數據科學家並沒有被所有這些數據淹沒，他們還渴望更多。
「數據越多越好，」沃爾沃集團數據、分析和人工智慧主管 Robert Valton 解釋道。 「憑藉我們的數據科學能力以及我們所擁有的先進分析方法和工具，大量數據不是問題，而是機會。 它使我們能夠更深入地了解卡車的行為，並更好地了解它如何優化運輸和為客戶提供支援。
1990 年代初，第一批連網卡車推出，此後連網車輛的數量呈現線性成長。 過去 30 年來，產生的數據量呈指數級增長，但挑戰在於找到利用這些數據為卡車車主和運輸企業創造價值的方法。
「我們如何使用卡車數據的歷史可以分為四個階段，」羅伯特說。 「首先，我們做出反應並查看數據以確定： 發生了什麼事？ 然後，透過連接，我們開始更多地即時查看數據並確定： 怎麼了？ 近年來，我們一直在解決將要發生的事情並採取行動來預防——即時監控就是一個很好的例子。 現在，我們更進一步，利用數據和人工智慧作為水晶球來確定我們希望採取什麼措施來最好地支持我們的客戶。
卡車的數據可用於預測和防止故障，進而提高正常運作時間。
連接性是預防性維護的核心—在故障發生之前預測和預防故障的概念。
透過分析從車輛中提取的大量數據並應用機器學習，可以識別導致特定故障的常見模式和因素組合。 然後，這可以用於建立模型來預測和預防其他車輛中的類似故障。
沃爾沃卡車技術經銷商支援副總裁 Elke Decaluwé 表示：「我們向負責的維修車間發送警報，以便他們可以安排方便的時間讓客戶上門檢查並診斷問題，以免導致意外故障。」對於客戶來說，這意味著增加正常運行時間並避免與故障相關的所有成本，例如收入損失和公司聲譽受損。
如今，埃爾克和她的同事從歐洲各地運營的近 85,000 輛卡車組成的車隊中收集數據。 近年來，隨著連接和數據分析的新進展，他們的工作發生了巨大變化。
當他們在 2016 年開始時，他們正在監控一支只有 600 輛卡車的車隊，針對一個部件——電池——完成一項檢查花了一整天的時間。 現在，11 個不同的組件受到監控，每八分鐘即可完成一次檢查。 每月發出約 4,000 條警報，其中估計 77% 可防止意外損壞
「卡車不是靜態的，而是在不斷發展，因此數據也在不斷發展，」埃爾克說。 “如果我們錯過了故障，或者警報不起作用，那麼就會觸發我們仔細觀察，看看我們的模型是否需要調整。”
“借助人工智能，我們可以在卡車本身上進行更多分析......它幾乎就像一輛認知和自我修復的卡車”
人工智慧的發展有可能使目前的模型更加準確和全面。 由於人工智慧有能力分析大量數據，因此它可以識別以前未見過和未知的模式以及數據點之間的聯繫。
「傳統上，在數據分析中，您採用假設驅動的方法，選擇您認為相關的參數，」羅伯特解釋道。 「透過人工智慧驅動的方法，您可以查看卡車上的所有可用數據，無論您認為這些數據是否相關。 我們還可以融入其他資料來源，例如天氣和交通狀況。 我們可以創建更準確、看得更遠的模型。
人工智慧還可以為智慧卡車鋪平道路——這些車輛能夠有效地自我診斷和修復。
「今天，我們將資料從卡車發送到監控中心的後端。 但藉助人工智慧，我們可以在卡車本身上進行更多分析。 如果遇到問題，它會自動執行診斷並透過軟體變更解決問題。 它幾乎就像一輛認知和自我修復的卡車，可以優化正常運行時間，並在減少對氣候影響的情況下實現更多運輸。
