Bagaimana AI, Edge Computing, IoT & Cloud Secara Drastis Membentuk Kembali Manajemen Armada Kendaraan

Saat perusahaan ingin memodernisasi kendaraan mereka, keuntungan dari kendaraan yang terhubung dapat menjadikan teknologi ini sebagai standar baru untuk manajemen armada. Faktanya, 86% operator armada terhubung yang telah disurvei memilikinya melaporkan pengembalian yang solid atas investasi mereka dalam teknologi armada yang terhubung dalam satu tahun melalui pengurangan biaya operasional.

Selain itu, armada yang terhubung dengan teknologi telematika canggih saat ini menawarkan keuntungan tambahan dalam hal pengelolaan dan perawatan kendaraan. Studi lain mengilustrasikan pengurangan 13% dalam biaya bahan bakar untuk bisnis yang disurvei, bersama dengan peningkatan pemeliharaan preventif. Ini juga menunjukkan pengurangan 40% dalam pengereman yang keras, menunjukkan modifikasi pada kebiasaan mengemudi yang dapat berkontribusi pada umur panjang suku cadang dan meningkatkan keselamatan pengemudi.

Data dalam jumlah besar sulit untuk diproses

Ini berarti armada kendaraan, penyedia asuransi, pemeliharaan, dan perusahaan aftermarket semuanya ingin memanfaatkan lebih banyak data telematika cerdas ini. Namun, jumlah data yang dihasilkan setiap hari terus bertambah. Akibatnya, bisnis ini memiliki lebih banyak data daripada sebelumnya untuk membantu membuat keputusan bisnis yang tepat. Namun, jumlah data yang sangat besar ini menghadirkan banyak tantangan baru dalam menangkap, mencerna, dan menganalisis keseluruhan data dengan cara yang hemat biaya.

Agar benar-benar efektif dan bermanfaat, data harus dilacak, dikelola, dibersihkan, diamankan, dan diperkaya sepanjang perjalanannya untuk menghasilkan wawasan yang tepat. Perusahaan dengan armada otomotif beralih ke kemampuan pemrosesan baru untuk mengelola dan memahami data ini.

Teknologi sistem tertanam telah menjadi norma

Sistem telematika tradisional mengandalkan sistem tertanam, yang merupakan perangkat yang dirancang untuk mengakses, mengumpulkan, menganalisis (di dalam kendaraan), dan mengontrol data dalam peralatan elektronik, untuk memecahkan serangkaian masalah. Sistem tertanam ini telah banyak digunakan terutama pada peralatan rumah tangga dan saat ini teknologi semakin berkembang dalam penggunaan analisis data kendaraan.

Mengapa solusi saat ini tidak terlalu efisien

Solusi yang ada di pasar adalah menggunakan latensi rendah 5G. Dengan menggunakan akselerasi AI dan GPU pada AWS Wavelength atau Azure Edge Zone, OEM kendaraan dapat melepas prosesor kendaraan onboard ke cloud jika memungkinkan. Pendekatan ini memungkinkan lalu lintas antara perangkat 5G dan konten atau server aplikasi yang dihosting di zona Panjang Gelombang untuk melewati internet, sehingga mengurangi variabilitas dan kehilangan konten.

Untuk memastikan keakuratan dan kekayaan kumpulan data yang optimal, dan untuk memaksimalkan kegunaan, sensor yang disematkan di dalam kendaraan digunakan untuk mengumpulkan data dan mengirimkannya secara nirkabel, antara kendaraan dan otoritas cloud pusat, hampir secara real-time. Bergantung pada kasus penggunaan yang semakin berorientasi waktu nyata seperti bantuan pinggir jalan, ADAS dan skor pengemudi aktif serta pelaporan skor kendaraan, kebutuhan akan latensi yang lebih rendah dan throughput yang tinggi telah menjadi fokus yang jauh lebih besar untuk armada, perusahaan asuransi, dan perusahaan lain yang memanfaatkan data.

Namun, sementara 5G memecahkan masalah ini untuk sebagian besar, biaya yang dikeluarkan untuk volume data yang dikumpulkan dan dikirim ke cloud tetap mahal. Ini membuatnya penting untuk mengidentifikasi kemampuan komputasi canggih yang tertanam di dalam mobil agar pemrosesan tepi dapat terjadi seefisien mungkin.

Munculnya komunikasi kendaraan ke cloud

Untuk meningkatkan efisiensi bandwidth dan memitigasi masalah latensi, lebih baik melakukan pemrosesan data penting di edge dalam kendaraan dan hanya membagikan informasi terkait peristiwa ke cloud. Komputasi tepi dalam kendaraan telah menjadi sangat penting untuk memastikan bahwa kendaraan yang terhubung dapat berfungsi dalam skala besar, karena aplikasi dan data lebih dekat ke sumbernya, memberikan perputaran yang lebih cepat dan secara drastis meningkatkan kinerja sistem.

Kemajuan teknologi telah memungkinkan sistem tertanam otomotif untuk berkomunikasi dengan sensor, di dalam kendaraan serta server cloud, dengan cara yang efektif dan efisien. Memanfaatkan lingkungan komputasi terdistribusi yang mengoptimalkan pertukaran data serta penyimpanan data, IoT otomotif meningkatkan waktu respons dan menghemat bandwidth untuk pengalaman data yang cepat. Mengintegrasikan arsitektur ini dengan platform berbasis cloud lebih lanjut membantu menciptakan sistem komunikasi end-to-end yang kuat untuk keputusan bisnis yang hemat biaya dan operasi yang efisien. Secara kolektif, duo edge cloud dan embedded intelligence menghubungkan perangkat edge (sensor yang tertanam di dalam kendaraan) ke infrastruktur TI untuk memberi jalan bagi rangkaian baru aplikasi yang berpusat pada pengguna berdasarkan lingkungan dunia nyata.

Ini memiliki berbagai aplikasi di seluruh vertikal tempat wawasan yang dihasilkan dapat dikonsumsi dan dimonetisasi oleh OEM. Kasus penggunaan yang paling jelas adalah untuk aftermarket dan pemeliharaan kendaraan di mana algoritme yang efektif dapat menganalisis kesehatan kendaraan hampir secara real-time untuk menyarankan perbaikan atas kegagalan kendaraan yang akan datang di seluruh aset kendaraan seperti mesin, oli, baterai, ban, dan sebagainya. Armada yang memanfaatkan data ini dapat menyiapkan tim perawatan untuk melakukan servis pada kendaraan yang kembali dengan cara yang jauh lebih efisien karena sebagian besar pekerjaan diagnostik telah dilakukan secara real time.

Selain itu, asuransi dan jaminan yang diperpanjang dapat memperoleh manfaat dengan menyediakan analisis perilaku pengemudi aktif sehingga modul pelatihan dapat disusun khusus untuk kebutuhan pengemudi individu berdasarkan riwayat dan analisis perilaku mengemudi yang sebenarnya. Untuk armada, pemantauan aktif terhadap skor kendaraan dan pengemudi dapat memungkinkan pengurangan TCO (total biaya kepemilikan) bagi operator armada untuk mengurangi kerugian karena pencurian, pencurian, dan kelalaian sambil kembali memberikan pelatihan aktif kepada pengemudi.

Mendukung masa depan manajemen armada

Analitik bertenaga AI yang memanfaatkan IoT, edge computing, dan cloud dengan cepat mengubah cara pengelolaan armada dilakukan, menjadikannya lebih efisien dan efektif dari sebelumnya. Kemampuan AI untuk menganalisis sejumlah besar informasi dari perangkat telematika memberi manajer informasi berharga untuk meningkatkan efisiensi armada, mengurangi biaya, dan mengoptimalkan produktivitas. Dari analitik real-time hingga manajemen keselamatan pengemudi, AI telah mengubah cara pengelolaan armada.

Semakin banyak kumpulan data yang dikumpulkan AI dengan pemrosesan OEM melalui cloud, semakin baik prediksi yang dapat dibuatnya. Ini berarti kendaraan otomatis yang lebih aman dan lebih intuitif di masa depan dengan rute yang lebih akurat dan diagnostik kendaraan waktu nyata yang lebih baik.