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.