تستخدم الصيانة التنبؤية بالذكاء الاصطناعي لتحقيق موثوقية النقل
يسلط نونو مينديز ، رئيس إدارة المنتجات في ستراتيو ، الضوء على كيف يمكن للصيانة التنبؤية للذكاء الاصطناعي أن تعزز التأثير الاجتماعي والاقتصادي والبيئي لوسائل النقل العام.
تساهم التكاليف المرتفعة لامتلاك سيارة وصيانتها في المناخ المالي الحالي، إلى جانب نظام النقل العام المتدهور، في نقل الفقر عبر المملكة المتحدة.
أظهرت الدراسات أن ضمان الوصول إلى أنظمة النقل الجيدة يزيد من احتمالية وصول الناس إلى الخدمات الحيوية مثل التعليم والرعاية الصحية أو فرص العمل بثلاثة أضعاف.
ومع ذلك، على الرغم من العبء المالي المتزايد والمخاوف البيئية المرتبطة بملكية السيارات، تظل المركبات الخاصة وسيلة النقل المفضلة لمعظم الركاب.
هذا يعني أن السيارات تستمر في تمثيل مساهمة كبيرة في انبعاثات غازات الاحتباس الحراري في جميع أنحاء أوروبا، والازدحام مشكلة حضرية مستمرة. لذلك، فإن إصلاح نهجنا في التنقل المشترك هو استراتيجية حاسمة لمعالجة الشواغل الاجتماعية والاقتصادية والبيئية على حد سواء.
بالطبع، من أجل إيجاد حلول ناجحة لمشكلة ما، علينا أولاً أن نفهم سببها. إذن، ما هو أصل عزوف المستهلكين عن اختيار الحافلة على السيارة، على الرغم من العيوب الواضحة لهذه الأخيرة؟ موثوقية الخدمة هي الجواب.
يؤدي تعطل المركبات، مما يؤدي إلى انقطاع الخدمة وتعطلها، إلى تآكل ثقة الركاب في طرق وشبكات الحافلات، مما يثنيهم عن استخدام وسائل النقل العام.
هذا يؤدي إلى خسارة الإيرادات للمشغلين، وزيادة الأسعار، وتخفيضات الخدمة. إنها حلقة مفرغة من تدهور النقل.
وبالتالي، فإن المفتاح لزيادة استخدام الحافلات يكمن في تعزيز موثوقية شبكات الحافلات وإعادة بناء ثقة المستهلك؛ ضمان بقاء الحافلات على الطريق وفي الخدمة، وإيصال الركاب حيثما يحتاجون إلى ذلك، وعندما يحتاجون إلى التواجد هناك.
يركز هذا اهتمامنا على وسائل الموثوقية: استراتيجيات الصيانة الفعالة التي تعمل على تحقيق هدف عدم توقف الحافلات.
اختيار استراتيجية الصيانة الصحيحة
غالبًا ما تكون الإصلاحات الطارئة باهظة الثمن، وتتضمن استدعاء سيارة ودفع ثمن تسليم قطع الغيار في وقت قصير.
هذا ينطبق بشكل خاص على الحافلات الكهربائية التي ترتبط بتكاليف عالية للمكونات والعمالة. إلى جانب الإيرادات المفقودة من انخفاض أعداد الركاب، يمكن أن يكون لذلك تأثير سلبي على صافي الدخل.
لذلك، ليس من المستغرب أن يعمل مشغلو الأساطيل بالفعل على تجنب الإصلاحات الطارئة وإطالة دورة حياة مكونات السيارة لتقليل وقت التوقف عن العمل، وتقليل تكاليف الصيانة المتزايدة، وتحسين الموثوقية، وحماية تدفقات الإيرادات.
ومع ذلك، مع كل من الاستراتيجيات التفاعلية والوقائية التي تم تجربتها، لم يحقق أي منهما المثل الأعلى المتمثل في عدم التوقف عن العمل، ومنع الفشل، وخفض التكلفة.
الصيانة التفاعلية على سبيل المثال، على الرغم من أنها توفر المال على المدى القصير، تتضمن إصلاح السيارة بعد حدوث مشكلة بالفعل.
وهذا يعني إصلاحات طارئة باهظة الثمن تتطلب تسليم قطع الغيار في وقت قصير، وربما استئجار حافلة بديلة، والتي قد تكون أكثر تكلفة.
بالإضافة إلى ذلك، ولكن على نفس القدر من الأهمية، فإن استدعاء الحافلة من الطريق وتعطيل مسارات الخدمة يؤثر سلبًا على تجربة العميل.
من ناحية أخرى، في حين أن الصيانة الوقائية يمكن أن تطيل عمر السيارة من خلال استكمال الفحوصات المنتظمة بناءً على تقديرات وقت حدوث العطل، فإن النهج لا يحسن التكاليف.
في الواقع، غالبًا ما يؤدي ذلك إلى قضاء المزيد من الوقت في خدمة السيارة التي قد لا تتطلب ذلك، مما يؤدي إلى إبعاد الحافلات عن الطريق والتأثير مرة أخرى على خدمة العملاء.
استخدام الذكاء الاصطناعي لتحليلات النقل
من خلال الاستفادة من الذكاء الاصطناعي (AI) والتعلم الآلي لجمع وتحليل بيانات السيارة تلقائيًا، تمثل الصيانة التنبؤية المدعومة بالذكاء الاصطناعي الطريقة الأكثر تقدمًا لتحقيق الموثوقية في النقل.
من خلال تزويد مديري الأساطيل برؤى في الوقت الفعلي حول مكونات الحافلات الفردية، فإنه يسمح بجدولة أكثر دقة للصيانة والإصلاحات، وتحسين استخدام الأسطول، وخفض التكاليف. بالإضافة إلى ذلك، يمكن منع أعطال السيارة من خلال التنبؤ بفشل المعدات وتقليل وقت التوقف عن العمل وحماية الإيرادات ورضا العملاء.
مقارنة بالصيانة الوقائية، التي تتطلب فحوصات بصرية وتفترض أن جميع المركبات لديها نفس المتطلبات، حسابات الصيانة التنبؤية للاختلافات بين المركبات المخصصة للطرق المختلفة.
على سبيل المثال، سوف تقوم حافلة المدينة بالفرملة بشكل متكرر أكثر من مركبة المسافات الطويلة، ويمكن للصيانة التنبؤية بالذكاء الاصطناعي تحديد الأنماط في البيانات للتنبؤ، على سبيل المثال، بضرورة استبدال وسادة الفرامل.
وهذا يسمح بطلب كميات كبيرة من الأجزاء وجدولة الصيانة خلال فترات خارج الذروة، مما يقلل التكاليف المرتبطة باستبدال الأجزاء غير المخطط له أو الاستباقي وتقليل وقت التوقف عن العمل.
تتيح حلول الصيانة التنبؤية المدعومة بالذكاء الاصطناعي، بحكم طلب جمع كامل لبيانات السيارة، رقمنة المهام المتكررة، مثل قراءات عداد المسافات وفحص سائل التبريد وتغيير الزيت، مما يضمن درجة أعلى من الدقة في عمليات الفحص اليدوي وتحرير الفرق لأداء مهام ذات قيمة أعلى.
علاوة على ذلك، يقوم النظام بتنبيه المهندسين بشكل استباقي بالمخاطر المحتملة، مما يتيح تخطيط الخدمة المحسن.
تسهيل الانتقال للحافلات الكهربائية
تعتبر الرؤى التي يتيحها نهج الصيانة التنبؤية حاسمة بشكل خاص للمشغلين الذين ينتقلون إلى المركبات الكهربائية (EVs)، والتي تكون عمومًا أكثر تكلفة من حافلات محركات الاحتراق الداخلي التقليدية (ICE).
من خلال استخدام الصيانة التنبؤية والتحليلات التنبؤية للبطارية، يمكن للمشغلين الاحتفاظ بمركباتهم الكهربائية على الطريق لمدة ومسافة أطول، وتحقيق حيادية التكلفة بسرعة أكبر.
يفيد العمر الطويل لحزم البطاريات أيضًا في عائد الاستثمار لشراء الحافلات الكهربائية حيث يمكن توزيع التكلفة على فترة أطول.
كما هو الحال مع مركبات ICE، فإن النهج الوقائي للحفاظ على المركبات الكهربائية غير فعال من منظور الخدمة والتكلفة.
تجعل تكاليف المكونات والعمالة الأعلى بكثير من استبدال المكونات قبل وصولها إلى نهاية عمرها الافتراضي من أجل منع الأعطال وتجنب انقطاع الخدمة بشكل غير فعال للغاية بالنسبة للمشغلين الذين ينشرون المركبات الكهربائية.
ومع ذلك، من خلال دمج الحلول التنبؤية التي تجمع وتحلل بيانات السيارة أثناء التشغيل المنتظم، يمكن لمديري الأساطيل تحديد العمر الإنتاجي المتبقي الحقيقي (RUL) للمكونات واستخدام المعلومات لجدولة خدمة السيارة بذكاء من أجل إطالة العمر التشغيلي.
علاوة على ذلك، من خلال اكتساب نظرة ثاقبة في الوقت الفعلي وقابلة للتنفيذ حول الأعطال الداخلية للحافلات الكهربائية، يمكن لمديري الصيانة تشخيص الأعطال عن بُعد.
تبقى المركبات على الطريق لفترة أطول، وتصبح الصيانة أكثر قابلية للتنبؤ بها، وأقل تكلفة وتحدث الأعطال بشكل أقل تكرارًا، مما يحول دون حدوث تعطل مكلف وتعطل الخدمة.
تمثل بطاريات المركبات الكهربائية أوضح مثال على فوائد زيادة العمر الافتراضي للمكونات.
يمثل حوالي 40 ٪ من التكلفة الإجمالية للمركبة، يحتاج مديرو النقل العام إلى اتخاذ إجراءات لتمديد دورة حياة البطارية إذا كانوا يأملون في تحقيق تحول مربح إلى الأساطيل الكهربائية.
يجب إجراء الحسابات لمراعاة تدهور البطارية بمرور الوقت وتأثير ذلك على المدى، بالإضافة إلى مجموعة من العوامل الخارجة عن سيطرتها مثل الطقس وحركة المرور والمسار والحمل والتي يمكن أن تغير المسافة التي يمكن للحافلة السفر بتهمة واحدة.
بدون هذا الفهم والوضوح، سيكون من المستحيل التخطيط لخدمة سلسة وفعالة من حيث التكلفة. لكن التحليلات التنبؤية للبطارية يمكن أن توفر رؤية دقيقة وشاملة لتطور صحة البطارية لحافلة EV، مما يسمح بتخطيط المسار الفعال ومتطلبات الشحن، بالإضافة إلى مقاييس تحسين الاستخدام لإطالة عمر المركبات.
من خلال الاستفادة من كيفية استخدام حزم البطاريات من خلال بيانات حالة الشحن (SoC) وعمق التفريغ (DoD)، يمكن لمديري الأساطيل فهم ما إذا كان يمكن تغيير ملف تعريف التشغيل لزيادة عمر البطارية إلى الحد الأقصى، مما يقلل التكلفة الإجمالية لملكية الحافلات الكهربائية.
هذا النوع من التحليل أساسي لنشر أسطول المركبات الكهربائية الناجحة والمربح من الناحية التشغيلية.
تحقيق أقل تكلفة لكل ميل ماليا وبيئيا
مع اقتراب المواعيد النهائية للتخلص من مركبات ICE على طرق المملكة المتحدة بسرعة، فإن الانتقال إلى المركبات الكهربائية هو سؤال يتعلق بالوقت أكثر مما إذا كان لمزودي النقل العام – ومن الواضح أنه سيؤثر بشكل كبير على البصمة البيئية لوسائل النقل العام.
ومع ذلك، من أجل إحداث فرق من الناحية الاجتماعية والاقتصادية لأولئك الذين يعانون من فقر النقل، ولزيادة تشجيع مستخدمي السيارات الخاصة على العودة إلى وسائل النقل العام، سيحتاج المشغلون أيضًا إلى الجمع بين استدامة المركبات الكهربائية والموثوقية وسهولة الوصول والربحية – تحقيق أقل تكلفة لكل ميل.
يمكن تحقيق ذلك من خلال إطالة عمر المكونات، وتشغيل المركبات بشكل مكثف ولساعات أطول بكثير، مع إبقائها خارج الورشة وعلى الطريق من خلال القضاء على فترات التعطل.
إذا كان من الممكن القيام بذلك، فيمكن لخدمات الحافلات أن تعكس التدهور الذي حدث في السنوات الأخيرة.
سيؤدي ضمان موثوقية الخدمة وإعادة الناس إلى وسائل النقل العام إلى زيادة إيرادات المشغلين وتقليل فقر النقل، وربط الناس بالفرص والخدمات، وتقليل الاعتماد على السيارات، وتخفيف الضغوط البيئية.
وبالتالي، فإن شبكات الحافلات العامة الموثوقة والمدعومة بالصيانة التنبؤية التي تعمل بالذكاء الاصطناعي ستخدم الاحتياجات البيئية والاجتماعية والاقتصادية للأجيال القادمة.
المصدر: innovationnewsnetwork
قد يهمك:
