Araştırmalar, filo şirketlerinin geleneksel ekipman bakımına harcadıkları paranın yaklaşık yarısını boşa harcadığını gösteriyor. Yapay zeka tabanlı kestirimci bakıma başlamak, yalnızca uzun vadede paradan tasarruf etmenizi sağlamakla kalmayacak, aynı zamanda araç arıza süresini azaltacak ve müşteri ve sürücü memnuniyetini de artıracaktır.
Taşımacılık sektörü halihazırda Yapay Zekaya yoğun bir şekilde yatırım yapıyor. 2017 yılında, bu sektördeki küresel yapay zeka pazarı 1,4 milyar dolar olarak gerçekleşti ve 2023 yılına kadar 3,5 milyar dolara ulaşması bekleniyor. Ulaşım ve lojistiğin, yapay zeka ve makine öğrenimi çözümlerinden en çok yararlanan sektörler arasında olduğunu bilmek daha da heyecan verici. Kestirimci bakımın ne olduğunu ve ulaşımda Yapay Zekayı kullanmanın işletmenize nasıl fayda sağlayacağını anlamak için bu makaleyi okumaya devam edin.
Kestirimci Bakım Nedir?
"Kestirimci bakım tam zamanında bakımdır. Kestirimci bakım, makina veya ekipmanlardan bazı fiziksel verilerin alınıp işlenmesinden sonra arızanın ne zaman gerçekleşebileceğini, yüksek bir doğrulukla, yeteri kadar zaman önce bilebilmektedir." - Vikipedi
Bakım için geleneksel yaklaşımı takiben, makine sahipleri makinelerinin ekipman durumları yerine üreticinin önerilerine göre önceden planlanmış onarım seanslarına göre makinelerini incelerlerdi. Hala çalışır durumda olsalar bile eski parçaları değiştirirlerdi. Bu yüzden yaşa bağlı bakım her zaman en iyi seçim değildir.
Bu yaklaşımla ilgili sorun, diğer ilgili faktörleri dikkate almamasıdır. Örneğin, çalışma koşulları üreticinin beklentilerinden farklı olabilir. Sonuç olarak, bazı parçalar daha hızlı hasar görebilir veya üreticinin belirttiğinden daha uzun süre hizmet verebilir. ARC Advisory Group tarafından yapılan bir araştırma, varlıkların yalnızca %18'inin yaşla ilgili sorunlar nedeniyle başarısız olduğunu gösteriyor. Arızaların diğer %82'si rastgeledir.
Kestirimci bakım (PdM), bir makinenin onarılması gerekip gerekmediğini belirlemek için "sağlık" durumunu anlamak anlamına gelir. Cihazı ayrıntılı olarak incelemek için bakım ekibi, titreşim ve sıcaklık gibi çok sayıda parametreyi ölçmek için sensörler kurarlar.
Geleneksel Yaklaşımdan Kestirimci Bakıma Geçmek Zordu
İlk günlerde, bir dizi sensörü varlık yönetimi yazılımına bağlamak, kritik ekipman için ayrılmış maliyetli bir prosedürdü.
- Çok yoğun ve zaman alıcıdır.
- Veri toplama işlemleri arasında hatalar meydana gelebilir.
- Makine performans verilerine gerçek zamanlı genel bakış yoktu.
- Erişimi zor ekipman parçaları incelenmedi.
- Teknisyenler, hataya meyilli manuel analizler gerçekleştirdi.
Kestirimci Bakımın Şimdi Başarılı Olmasının Nedeni
Kestirimci bakım, şimdi bildiğimiz şekliyle, 4. sanayi devrimi ile ortaya çıktı. Veriye dayalı kararlara ve gerçek zamanlı makine izlemeye dayanır. Aşağıdaki faktörler çoğunlukla Kestirimci Bakım'ın benimsenmesini kolaylaştırdı:
- Nesnelerin İnternetine hizmet eden kablosuz bağlantının yaygınlaşması
- AI'daki gelişmeler
- Bulut bilgi işlem artık daha güvenli, daha sağlam ve daha az maliyetli
IoT sensörleri, ekipman verilerini gerçek zamanlı olarak iletirler. AI algoritmaları bu verileri inceler ve bir bileşenin yakında başarısız olacağını gösteren anormal davranışları tanımlarlar. Kusurları erken aşamalarda tespit etmek, ekipman sahiplerine bakımı planlamak ve yedek parçaları stoklamak için zaman kazandırır. McKinsey'e göre, kestirimci bakım, ekipman arıza süresini %30-50 azaltır ve kullanım ömrünü %20-40 artırır.
Ulaşım Endüstrisi Yapay Zeka Tabanlı Kestirimci Bakımı Nasıl Kullanıyor?
Filo yönetimine yönelik geleneksel yaklaşım, araçları genellikle düzenli bakım için gerek olmasa bile her 4000 milde bir (yaklaşık olarak) bakıma sokmaktır. Yapay zeka destekli kestirimci bakım, araç sahiplerinin önceden programlanmış zaman aralıklarına göre değil, aracın mevcut durumuna göre onarım seçimleri yapmasına olanak tanır. Kestirimci bakımın ulaşım endüstrisinde popülerlik kazanması şaşırtıcı değildir.
Dinamik kontrol panellerinde yerleşik yapay zeka, yinelenen sorunları ve en sorunlu "sürüş stillerine" sahip sürücüleri tespit etmeye yardımcı olur. Ayrıca, bakım ekibinin bakım için makinelere öncelik vermesini sağlayacaktır. Dahası, lojistik endüstrisine yapay zekayı dahil etmek, teknisyenlerin kurallı bakım planları geliştirmesini destekleyecektir. Örneğin, lastik basıncı seviyeleri gibi kat edilen mesafe gibi diğer faktörlerle birlikte belirli varlık koşullarının belirli bakım sorunlarına yol açtığını tespit ederek, akıllı bir kurallı bakım planı, münferit varlıkların bakım maliyetini ve performansını optimize etmek için özelleştirilebilir.
Taşımacılık ve Lojistikte Yapay Zekanın Faydaları
Otomatik Analiz
Yapay zeka, filo operatörlerinden gelen veri analizi yükünü hafifletir ve yararlı bilgiler sunar. J1939 konektörü üzerinden yayınlanabilen 17.000 hata kodu vardır ve her biri 25'e kadar farklı arıza modunu gösterebilir. AI, eyleme geçirilebilir içgörüler oluşturmak için farklı kaynaklardan gelen tüm veri noktalarını bir araya getirir.
Araç Arıza Süresini Azaltır
Bazı filo şirketleri için araç arıza süresi, günlük 448-760 ABD doları gelir kaybına eşittir. Kuruluşlar, taşıma sistemlerine yapay zeka ekleyerek ve olası arızaları tespit etmek için kamyon verilerini analiz ederek bunu önemli ölçüde azaltabilir. Bu, kilometre bazlı bakımı tamamen ortadan kaldıracaktır.
Yakıt Maliyetini En Aza İndirir
Doğru araç bakımı yakıt tasarrufu sağlar. Bir AI lojistik sistemi, filtre tıkandığında meydana gelebilecek giriş ve çıkış arasındaki basınç farklılıklarını tespit etmeye yardımcı olabilir. Bu şekilde, araç sahibi, aracın izleme sistemi Arıza Teşhis Kodları (DTC) göndermeden önce filtreyi değiştirme şansına sahip olacaktır.
Kestirimci Bakıma Başlarken
Yapay zeka tabanlı kestirimci bakımı lojistik sisteminize dahil etmenin zamandan ve paradan tasarruf etmenizi sağlayacağından eminseniz, işte yol haritanız:
Farklı veri türlerini toplayın
Sert frenleme veya hızlanma, yakıt tüketimi, rölanti süresi vb. telematik verileri toplamak için araçlarınızın panosuna sensörler kurarak başlayın. Kapsamlı analitik için, örneğin hava koşulları gibi bağlamsal verilere de ihtiyacınız olacağını unutmayın. Ek olarak, halihazırda gerçekleştirdiğiniz bakımı ve maliyet profillerini takip edin.
Veri depolama için esnek bulut teknolojilerini kullanın
Kamyonlar, farklı üreticiler tarafından sağlanan birçok bileşenden oluşur ve günde yaklaşık dört gigabayt veri üretirler, bu da depolanması ve erişilmesi zordur. Esnek bulut mimarisi, gerektiğinde üçüncü taraf hizmetlerin entegre edilmesini kolaylaştırabilirken, bulut bilişim, büyük veri kümelerini işlemeye ve her yerden, her zaman verilere erişmeye yardımcı olabilir.
Bu yeni sistemi diğer kurumsal uygulamalarınızla entegre edin
İşlerinizin birleşik bir görünümünü oluşturmak ve ilgili faaliyetlerin iş akışını tetiklemek için yeni aracı mevcut kurumsal varlık yönetiminize (EAM) ve veri ambarınıza entegre edin.
Kullanıcı dostu kontrol panelleri
Kestirimci bakım sistemleri tipik olarak çok büyük miktarlarda veri içerdiğinden, görsel bir temsil eklemek faydalı olacaktır. Filo yöneticileri, özelleştirilebilir işlevselliğe sahip bir gösterge panosu kullanarak, belirli bir anda en çok ilgilendikleri verileri görüntüleyebilir. Çalışanların iş bilgisayarlarındaki ve akıllı telefonlarındaki verilere erişebilmeleri için platformlar arası bir sistem düşünmeye değer.
Yeni kültürü tanıtın
İlk dizel motorun bir kamyona takıldığı 1900'lerin başından beri, sürücüler aynı modeli izliyorlar: kamyon arızalandığında çekici ile çekiliyor ve bir tamirhanede tamir ediliyor. Henüz başarısız olmayan bir parçayı proaktif olarak tamir etme fikrini kabul etmek için zihniyetlerinin değişmesi gerekecek.
Bakım Onarımdan Daha İyidir
İnternet ve IoT hizmetlerinin artan kullanılabilirliği ile ulaşım endüstrisinin operasyonlarını iyileştirmek için çeşitli olanaklar vardır. Böyle bir fırsat kestirimci bakımdır. Aracın arıza süresini azaltabilir, yedek parçaların verimli bir şekilde stoklanmasına yardımcı olabilir ve hatta teknisyenlere onarım sürecinde rehberlik edebilir.
PdM'den tam olarak yararlanmak için, bazı dahili değişikliklerden geçmeniz gerekecek. Ama burada bitmiyor. Tüm ulaşım ekosisteminin uyum sağlaması gerekecektir. Buna bir örnek, üreticilerin, henüz arızalanmamış, tehlikeye atılmış parçaları değiştirmek için garanti gereksinimlerini ayarlamaları gerekeceğidir.
Bu değişiklikler zaman alacaktır. Bu arada, nihayetinde kırılacak bir parçayı değiştirmek için garantiyi atlamak, kamyonu daha sonra rotasyondan çıkarmaktan daha ucuz olabilir. Bakım, onarımdan daha iyidir.
