كيف تقوم الذكاء الاصطناعي والحوسبة الحوافز والإنترنت الأشياء والسحابة بتحويل إدارة أساطيل المركبات بشكل كبير

مع نظر الشركات إلى تحديث مركباتها، يمكن أن تجعل فوائد المركبات المتصلة هذه التكنولوجيا معيارًا جديدًا لإدارة الأساطيل. في الواقع، أفادت 86٪ من مشغلي الأساطيل المتصلة الذين تم استطلاعهم بالفعل بexistence عائد صلب على استثمارهم في تكنولوجيا الأساطيل المتصلة في غضون عام من خلال تقليل التكاليف التشغيلية.

علاوة على ذلك، تقدم الأساطيل المتصلة بتكنولوجيا التелемاتيك المتقدمة اليوم مزايا إضافية فيما يتعلق بإدارة وصيانة المركبات. أظهرت دراسة أخرى انخفاضًا بنسبة 13٪ في تكاليف الوقود لأعمال تم استطلاعها، إلى جانب تحسينات في الصيانة الوقائية. كما أظهرت انخفاضًا بنسبة 40٪ في الكبح الحاد، مما يدل على تعديلات في عادات القيادة التي يمكن أن تسهم في طول عمر الأجزاء وتحسين سلامة السائقين.

تعد كميات كبيرة من البيانات صعبة المعالجة

هذا يعني أن أساطيل المركبات ومقدمي التأمين وشركات الصيانة والصناعات بعد البيع جميعهم يبحثون عن استغلال المزيد من بيانات التелемاتيك الذكية هذه. ومع ذلك، فإن كمية البيانات التي تنتج كل يوم تزداد. ونتيجة لذلك، فإن هذه الشركات لديها المزيد من البيانات أكثر من أي وقت مضى تحت تصرفها لمساعدتهم في اتخاذ قرارات تجارية مدروسة. ومع ذلك، فإن هذه الكمية الهائلة من البيانات تطرح تحديات جديدة في التقاط وتمثيل وتحليل البيانات بأسلوب فعال من حيث التكلفة.

为了 أن تكون البيانات فعّالة ومفيدة، يجب تتبعها وإدارتها وتنقيتها وأمانها وتحسينها على طول مسارها لتوليد الرؤى الصحيحة. وتلجأ الشركات التي تملك أساطيل سيارات إلى قدرات معالجة جديدة لإدارة وفهم هذه البيانات.

كانت تكنولوجيا الأنظمة المدمجة هي العادة

اعتمدت الأنظمة التелемاتيكية التقليدية على الأنظمة المدمجة، وهي أجهزة مصممة للوصول إلى البيانات وجمعها وتحليلها (داخل المركبة) وضبطها في المعدات الإلكترونية، لحل مجموعة من المشكلات. وقد استخدمت هذه الأنظمة المدمجة على نطاق واسع، خاصة في الأجهزة المنزلية، واليوم تتزايد هذه التكنولوجيا في استخدامها لتحليل بيانات المركبات.

لماذا لا تعتبر الحلول الحالية كفئة

الحل الحالي في السوق هو استخدام انخفاض التأخير في 5G. باستخدام الذكاء الاصطناعي وتسريع GPU على AWS Wavelength أو Azure Edge Zone، يمكن لمصنعي المركبات إeload معالجات المركبات على السحابة عند الإمكان. يسمح هذا النهج بمرور حركة المرور بين أجهزة 5G وخادم المحتوى أو التطبيقات المضيفة في مناطق Wavelength بتخطي الإنترنت، مما يؤدي إلى تقليل التباين وفقدان المحتوى.

为了 ضمان دقة وثراء مجموعات البيانات، وتحسين إمكانية استخدامها، تستخدم الحساسات المدمجة في المركبات لجمع البيانات وإرسالها لاسلكيًا، بين المركبات وسلطة سحابة مركزية، في وقت قريب من الوقت الفعلي. اعتمادًا على الحالات التي تزداد توجيهها نحو الوقت الفعلي، مثل المساعدة على الطريق ونظام دعم السائق النشط وتقدير سائق نشط ومركبة، أصبحت الحاجة إلى تأخير منخفض وسرعة نقل عالية أكبر في التركيز على الأساطيل ومقدمي التأمين والشركات الأخرى التي تستفيد من البيانات.

ومع ذلك، بينما يحل 5G هذه المشكلة إلى حد كبير، يبقى التكلفة التي تتحملها كمية هذه البيانات التي تجمع وترسل إلى السحابة باهظة الثمن. وهذا يجعل من الضروري تحديد قدرات معالجة متقدمة مدمجة داخل السيارة من أجل حدوث معالجة الحوافز بشكل فعال قدر الإمكان.

صعود الاتصالات من المركبة إلى السحابة

为了 زيادة كفاءة عرض النطاق الترددي وتخفيف مشاكل التأخير، من الأفضل إجراء معالجة البيانات الحساسة في الحوافز داخل المركبة ومشاركة معلومات الحدث فقط مع السحابة. أصبحت معالجة الحوافز داخل المركبة حاسمة لضمان أن المركبات المتصلة يمكنها العمل على نطاق واسع، بسبب تطبيق البيانات والتطبيقات أقرب إلى المصدر، مما يوفر وقتًا أسرع للرد وتحسن الأداء بشكل كبير.

جعلت التطورات التكنولوجية من الممكن للأنظمة المدمجة في السيارات أن تتواصل مع الحساسات، داخل المركبة وكذلك خادم السحابة، بطريقة فعالة وفعالة. من خلال استخدام بيئة حوسبة موزعة ت tối ưuية تبادل البيانات وتخزينها، تحسن تكنولوجيا إنترنت الأشياء في السيارات أوقات الاستجابة وتوفر عرض النطاق الترددي لتحقيق تجربة بيانات سريعة. كما يساعد دمج هذه الهيكلة مع منصة سحابية في خلق نظام اتصالات شاملة قوي لاتخاذ قرارات تجارية فعالة وعمليات فعالة. بشكل جماعي، تصل الحوافز والسحابة والذكاء المدمج إلى أجهزة الحوافز (الحساسات المدمجة في المركبة) إلى البنية التحتية لتكنولوجيا المعلومات لفتح طريقة لتحقيق تطبيقات جديدة مرتكزة على المستخدم بناءً على البيئات الحقيقية.

لهذا تطبيقات واسعة عبر مختلف القطاعات حيث يمكن استهلاك واستغلال النتائج الناتجة. أبرز حالة استخدام هي بعد البيع وصيانة المركبات حيث يمكن للخوارزميات الفعالة تحليل صحة المركبة في الوقت الفعلي لاقتراح علاجات لفشل المركبات المحتملة عبر أصول المركبات مثل المحرك والزيت والبطارية والإطارات وغيرها. يمكن للأساطيل التي تستفيد من هذه البيانات أن تكون لديها فرق صيانة جاهزة للقيام بخدمة على مركبة تعود بطريقة أكثر كفاءة لأن معظم عمل التشخيص قد تم في الوقت الفعلي.

بالإضافة إلى ذلك، يمكن أن تستفيد التأمين والضمانات الممتدة من خلال توفير تحليل سلوك السائق النشط بحيث يمكن وضع برامج تدريبية محددة لاحتياجات السائق الفردية بناءً على تاريخ سلوك القيادة الفعلي والتحليل. بالنسبة للأساطيل، يمكن أن يسمح مراقبة المركبات والسائقين النشطين بتقليل التكلفة الإجمالية للملكية لمشغلي الأساطيل لتقليل الخسائر الناجمة عن السرقة والسرقة والاهمل، مع توفير تدريب نشط للسائقين مرة أخرى.

تشغيل مستقبل إدارة الأساطيل

تحول تحليلات الذكاء الاصطناعي التي تعتمد على إنترنت الأشياء ومعالجة الحوافز والسحابة بسرعة طريقة إدارة الأساطيل، مما يجعلها أكثر كفاءة وفعالية من أي وقت مضى. تمكن قدرة الذكاء الاصطناعي على تحليل كميات كبيرة من المعلومات من أجهزة التелемاتيك مديري الأساطيل من الحصول على معلومات قيمة لتحسين كفاءة الأساطيل وتقليل التكاليف وتنظيم الإنتاجية. من التحليلات في الوقت الفعلي إلى إدارة سلامة السائقين، يغير الذكاء الاصطناعي بالفعل طريقة إدارة الأساطيل.

كلما جمع الذكاء الاصطناعي مجموعات بيانات أكثر مع معالجة المصنعين عبر السحابة، زادت دقة التنبؤات التي يمكن أن يقدمها. وهذا يعني مركبات أوتوماتيكية أكثر أمانًا وذكاءً في المستقبل مع طرق أكثر دقة وتشخيصات مركبات في الوقت الفعلي أفضل.