MI itt, MI ott – MI mindenütt!

Kék Szervizszerződés

A megfelelő karbantartás a megfelelő időben – a maximális hatékonyság jegyében született a Volvo Trucks továbbfejlesztett, preventív és adaptív Kék Szervizszerződése. A márka saját fejlesztésű mesterségesintelligencia-modelljei olyan tényezők alapján alakítják dinamikusan a szervizintervallumokat, mint az üzemanyag-fogyasztás, az alapjárati idő és a kenőolajminták. Ez az adatvezérelt megközelítés testreszabott ütemezéssel váltja fel a hagyományos statikus intervallumokat. A szükséges karbantartásokat kevesebb, összevont műhelylátogatásba sűrítve a lehető legnagyobb üzemidő érhető el, azaz a legtovább maradhatnak kint a teherautók az utakon – termelhetnek hasznot.
A hiányos szervizelés káros, ezt jól tudjuk. Hasonlóképpen ártalmas azonban a túlszervizelés is – ha nem is az autónak, a pénztárcának bizonyosan! A Kék Szervizszerződés a legrövidebb állásidő jegyében vonja össze a szervizműveleteket, így csökkentve az üzemeltetési költségeket. A járművek műszaki állapota tekintetében azonban nem ismer tréfát: ha egy teherautó hosszabb ideig üzemelt szokatlanul nehéz körülmények között, a mesterséges intelligencia máris előre hozza a szervizt, így csökkentve a nem tervezett leállás veszélyét. A hálózatba kapcsolt teherautók napi 24 órás, valós idejű felügyeletével a flottakezelők és a márkakereskedők proaktívan ütemezhetik a szervizlátogatásokat. A rendszer arról is időben gondoskodhat, hogy a szerelő, a szabad műhelyállás és az összes szükséges alkatrész is rendelkezésre álljon, amikor a teherautó beérkezik. És az ügyfelek? Nos, ők a karbantartást jó kezekben tudva mindvégig arra összpontosíthatnak, ami valójában a dolguk – vállalkozásuk sikerére. Ezeket az előnyöket csak felerősítik a bérleti konstrukció által kínált előnyök! A műhelylátogatások szervezése sokkal könnyebb így, és a karbantartás adminisztrációs vagy extra anyagi terheket sem ró az üzemeltetőre.

Gépi tanulás

Ma már úton-útfélen találkozhatunk a gépi tanulás technológiáival is, ami alól a hatalmas adatmennyiséget generáló – és felhasználó – teherszállítás sem kivétel. A fuvarszervezés, az útvonaloptimalizálás, az előretekintő karbantartás és a vezetéstámogatás mellett azonban a jövőben újabb területeken is megjelenhet a gépi tanulás.
Az optimalizált útvonaltervezés és szállítmányok csoportba kötése például nagyban csökkentheti a gyakran több tíz százalékot is kitevő üres kilométereket. A gépi tanulással előre jelezhető a rakományok érkezési ideje, a szállítások pedig a földrajzi hely és a célállomás alapján is összekapcsolhatók. Ezzel egyszerre mérsékelhető a szállítási költség és a károsanyag-kibocsátás, miközben fajlagosan kevesebb jármű rója az utakat.
A gépi tanulással számos adatforrás – például GPS-navigáció, műholdképek vagy akár közösségimédia-bejelentkezések – is elemezhető, valós idejű forgalomáramlási előrejelzéseket készítve. A kamerákkal, érzékelőkkel és műholdképekkel gyűjtött adatok alapján azután automatizált közlekedési lámpák irányíthatják át a forgalmat a torlódások enyhítésére.
Hasonlóképpen, az önvezető járművek sem képzelhetők el gépi tanulás nélkül. Ez esetben folyamatosan nagy pontosságú képet alkot a jármű a pillanatnyi környezetéről, előre jelezve annak lehetséges változásait. Noha az automatizált vezetés széles körű elterjedésének ideje még bizonytalan, aligha lehetnek kétségek e technológiában rejlő lehetőségeket illetően.

Hálózatba kapcsolás és MI az üzemidőarány szolgálatában

Napjaink nehézkategóriájú teherautói átlagosan több mint 100 érzékelőt tartalmaznak. Ha mindegyik egyszerre és folyamatosan működne, akkor percenként akár 20 gigabájt adatot is generálhatnának. Ez a hálózatba kapcsolt járművek óriási flottáin akár több mint 600 ezer mérőszámot és hárommillió naplóüzenetet is jelenthetne, ha mindegyiket rögzítenék. Az adattudósok szerint azonban a fejlett analitikának köszönhetően a hatalmas mennyiségű adat korántsem probléma – sokkal inkább lehetőség. Teherautós felhasználásukat a kilencvenes évek óta alapvetően négy időszak jellemzi. Kezdetben még a Volvo Trucks szakemberei is reaktív módon azt próbálták elemezni, hogy mi történt. A hálózatba kapcsolás révén azután már valós időben vizsgálhatták, hogy mi történik éppen. Az elmúlt években már azzal foglalkozhattak, hogy mi fog történni, időben intézkedve a hiba megelőzéséről. Most azonban a mesterséges intelligenciát „kristálygömbként” használva még egyet léptek előre, immár azt határozva meg, hogy mit szeretnének, hogy történjen.

Jövendőmondás

Az összes hálózatba kapcsolt járműből az évek során kinyert adatok elemzéséhez már mindenképpen szükséges a gépi tanulás. Segítségével ebből a felfoghatatlanul hatalmas adatmennyiségből azonosíthatók olyan minták és kombinációk, amelyek jellemzően egy-egy adott hibához vezetnek. Ezzel modellek alkothatók a hasonló hibák előrejelzésére és megelőzésére is. Az ügyfelek így növelhetik az üzemidőt, hiszen már a nem kívánt leállás előtt orvosolható a hiba, ezzel természetesen a meghibásodás okozta nagyobb javítási költségeket is elkerülhetik. Amikor 2016-ban elkezdték, mindössze 600 teherautót és csupán egyetlen alkatrészt, az akkumulátort figyelték a Volvo Trucks kutatói, miközben az ellenőrzés egy teljes napot vett igénybe. Ma tizenegy alkatrészt követnek, és nyolc perc az ellenőrzés. Összesen csaknem 85 ezres flottáról gyűjtenek adatokat Európa-szerte, amelyekből havonta mintegy négyezer riasztást küldenek ki. Becslések szerint 77 százalékukkal meg is tudják előzni a meghibásodást.

Öngyógyítás

A mesterséges intelligencia azonban sokkal nagyobb mennyiségű adat elemzésére is képes, korábban sosem látott mintákat és összefüggéseket azonosítva. Az adatelemzésben ma hipotézis-vezérelt megközelítést alkalmaznak, azaz emberek választják ki a relevánsnak ítélt paramétereket. A mesterséges intelligencia azonban a teherautó összes elérhető adatát vizsgálhatja, függetlenül attól, mi éppen fontosnak tartjuk őket vagy sem. Sőt, olyan további adatforrások is tekintetbe vehetők, mint az időjárási és szállítási körülmények. Az MI azonban még intelligensebb teherautók számára is utat nyithat, amelyek önmagukat diagnosztizálhatják és javíthatják. Az elemzések nagy része ugyanis akár a fedélzeten is elvégezhető lenne. Az automatikus diagnosztikát követően a rendszer lehetőség szerint szoftveres beavatkozással oldaná meg a problémát – de ez már egy új fejezet: a kognitív és „öngyógyító” teherautók világa.