Moderne vrachtwagens genereren elke minuut dat ze in gebruik zijn enorme hoeveelheden gegevens. Maar hoe worden deze gegevens gebruikt? Hoe kan dit ten goede komen aan vrachtwageneigenaren? En wat betekent dit voor de toekomst van het vrachtvervoer?
Tegenwoordig is een typische zware vrachtwagen uitgerust met meer dan 100 sensoren. Ter vergelijking: een smartphone heeft er tien. Elke minuut verzendt hij ongeveer 20 gigabyte aan gegevens, wat overeenkomt met het streamen van 1800 uur muziek op Spotify. In diezelfde minuut rapporteert het systeem de positie van de vrachtwagen 60.000 keer, terwijl het ook meer dan 600.000 verschillende meetgegevens en drie miljoen logberichten ontvangt.
Vermenigvuldig die ene minuut nu met het aantal minuten dat een vrachtwagen operationeel is, en de hoeveelheid gegenereerde gegevens wordt onvoorstelbaar groot. Maar de datawetenschappers die in de sector werken, willen niet verdrinken in al deze gegevens, maar verlangen naar nog meer.
“Hoe meer data, hoe beter”, legt Robert Valton, Head of Data, Analytics & AI, Volvo Group uit. “Met onze datawetenschapscompetentie en de geavanceerde analytische methoden en hulpmiddelen die we tot onze beschikking hebben, zijn enorme hoeveelheden data geen probleem – het is een kans. Het stelt ons in staat om nog dieper inzicht te krijgen in het gedrag van de vrachtwagen en beter te begrijpen hoe deze werkt om het transport en de ondersteuning aan onze klanten te optimaliseren.”
Begin jaren negentig werden de eerste verbonden vrachtwagens gelanceerd, en sindsdien is het aantal verbonden voertuigen lineair gegroeid. De hoeveelheid gegenereerde data is de afgelopen dertig jaar exponentieel gegroeid, maar de uitdaging was om manieren te vinden om deze data te gebruiken om waarde te creëren voor vrachtwageneigenaren en transportbedrijven.
"De geschiedenis van hoe we gegevens van vrachtwagens gebruiken, kan in vier fasen worden bekeken", zegt Robert. "Eerst waren we reactief en keken we naar de gegevens om te bepalen: Wat is er gebeurd? Vervolgens zijn we met connectiviteit meer in realtime naar gegevens gaan kijken en het volgende vastgesteld: Wat gebeurt er? De afgelopen jaren hebben we ons beziggehouden met wat er gaat gebeuren en actie ondernomen om dit te voorkomen; realtime monitoring is daar een goed voorbeeld van. Nu gaan we nog verder en gebruiken we data en AI als een kristallen bol om te bepalen wat we graag willen dat er gebeurt om onze klanten het beste te ondersteunen."
Connectiviteit vormt de kern van preventief onderhoud: het concept van het voorspellen en voorkomen van storingen voordat ze zich voordoen.
Door de enorme hoeveelheden gegevens die uit voertuigen kunnen worden gehaald te analyseren en machine learning toe te passen, is het mogelijk gemeenschappelijke patronen en combinaties van factoren te identificeren die tot een specifiek defect leiden. Dit kan vervolgens worden gebruikt om modellen te creëren voor het voorspellen en voorkomen van soortgelijke fouten in andere voertuigen.
"We sturen de verantwoordelijke werkplaats een waarschuwing, zodat zij een geschikt tijdstip kunnen plannen waarop de klant langs kan komen en het probleem kan diagnosticeren voordat het tot een ongeplande storing leidt", zegt Elke Decaluwé, Vice President, Technical Dealer Support, Volvo Trucks. klanten betekent dit een hogere uptime en het vermijden van alle kosten die gepaard gaan met een storing, zoals inkomensverlies en reputatieschade."
Tegenwoordig verzamelen Elke en haar collega's gegevens van een vloot van bijna 85.000 vrachtwagens in heel Europa. Hun werk is de afgelopen jaren dramatisch veranderd door nieuwe ontwikkelingen op het gebied van connectiviteit en data-analyse.
Toen ze in 2016 begonnen, hielden ze een vloot van slechts 600 vrachtwagens in de gaten voor één onderdeel – de batterij – en het duurde een volledige dag om één controle uit te voeren. Nu worden 11 verschillende componenten gemonitord en kan er elke acht minuten een controle worden uitgevoerd. Maandelijks worden er ongeveer 4.000 waarschuwingen verzonden, waarvan naar schatting 77% een ongeplande storing voorkomt
Omdat het tempo van de ontwikkeling echter niet vertraagt, moeten de datamodellen en algoritmen voortdurend worden verfijnd en verbeterd.
"Vrachtwagens zijn niet statisch en evolueren voortdurend, dus de data evolueren ook", zegt Elke. "Als we een storing missen, of een waarschuwing werkt niet, dan is dat een trigger om er eens goed naar te kijken en te kijken of onze modellen moeten worden aangepast."
"Met AI kunnen we nog meer analyses aan boord van de vrachtwagen zelf uitvoeren... Het zou bijna een cognitieve en zelfherstellende vrachtwagen zijn"
De evolutie van AI heeft het potentieel om de huidige modellen nog nauwkeuriger en uitgebreider te maken. Omdat AI het vermogen heeft om veel grotere hoeveelheden gegevens te analyseren, kan het voorheen onzichtbare en onbekende patronen en verbindingen tussen datapunten identificeren.
"Traditioneel hanteer je bij data-analyse een hypothesegestuurde aanpak, waarbij je de parameters selecteert waarvan je denkt dat ze relevant zijn", legt Robert uit. “Bij een AI-gedreven aanpak kijk je naar alle beschikbare data van de vrachtwagen, ongeacht of je deze relevant vindt. We kunnen ook andere gegevensbronnen integreren, zoals het weer en de transportomstandigheden. We kunnen modellen maken die nog nauwkeuriger zijn en verder vooruit kunnen kijken.”
AI zou ook de weg kunnen vrijmaken voor slimme vrachtwagens – voertuigen die zichzelf effectief kunnen diagnosticeren en repareren.
"Vandaag sturen we gegevens van de vrachtwagen naar de backend van een monitoringcentrum. Maar met AI zouden we een groter deel van de analyse aan boord van de truck zelf kunnen uitvoeren. Als er een probleem zou optreden, zou het automatisch de diagnose uitvoeren en het probleem oplossen via softwarewijzigingen. Het zou bijna een cognitieve en zelfherstellende truck zijn die de uptime kan optimaliseren en meer transport mogelijk maakt met minder impact op het klimaat.”
Lees meer over de voordelen van connectiviteit en wat deze vandaag al aan uw bedrijf kan bijdragen, waaronder: