Bagaimana AI, Edge Computing, IoT & Cloud Mengubah Dramatis Manajemen Armada Kendaraan

Ketika perusahaan mencari untuk memodernisasi kendaraan mereka, manfaat dari kendaraan terhubung dapat membuat teknologi ini menjadi standar baru untuk manajemen armada. Faktanya, 86% dari operator armada terhubung yang sudah disurvei telah melaporkan pengembalian investasi yang solid dalam teknologi armada terhubung dalam waktu satu tahun melalui biaya operasional yang berkurang.

Selanjutnya, armada terhubung dengan teknologi telematika canggih saat ini menawarkan manfaat tambahan dalam hal mengelola dan memelihara kendaraan. Studi lain menunjukkan penurunan biaya bahan bakar sebesar 13% untuk bisnis yang disurvei, bersama dengan perbaikan dalam pemeliharaan pencegahan. Ini juga menunjukkan penurunan pengereman keras sebesar 40%, menunjukkan modifikasi pada kebiasaan mengemudi yang dapat berkontribusi pada keawetan suku cadang dan meningkatkan keselamatan pengemudi.

Jumlah data yang besar sulit diproses

Ini berarti armada kendaraan, penyedia asuransi, perusahaan pemeliharaan dan aftermarket semua mencari untuk memanfaatkan lebih banyak data telematika cerdas ini. Namun, jumlah data yang dihasilkan setiap hari terus bertambah. Sebagai hasilnya, bisnis ini memiliki lebih banyak data daripada sebelumnya untuk membantu membuat keputusan bisnis yang tepat. Tetapi, jumlah data yang besar ini membawa banyak tantangan baru dalam menangkap, mengolah dan menganalisis seluruh data dengan cara yang efektif dan efisien.

Untuk benar-benar efektif dan berguna, data harus dilacak, dikelola, dibersihkan, diamankan, dan diperkaya sepanjang perjalanannya untuk menghasilkan wawasan yang tepat. Perusahaan dengan armada kendaraan beralih ke kemampuan pengolahan baru untuk mengelola dan memahami data ini.

Teknologi sistem tertanam telah menjadi norma

Sistem telematika tradisional telah bergantung pada sistem tertanam, 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 dalam peralatan rumah tangga dan saat ini teknologi ini tumbuh dalam penggunaan analisis data kendaraan.

Mengapa solusi saat ini tidak sangat efisien

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

Untuk memastikan akurasi dan kekayaan dataset yang optimum, dan untuk memaksimalkan kemampuan penggunaan, sensor yang tertanam dalam kendaraan digunakan untuk mengumpulkan data dan mengirimkannya secara nirkabel, antara kendaraan dan otoritas cloud pusat, dalam waktu hampir nyata. Bergantung pada kasus penggunaan yang semakin menjadi berorientasi waktu nyata seperti bantuan di sisi jalan, ADAS dan skor pengemudi aktif dan pelaporan skor kendaraan, kebutuhan akan latensi yang lebih rendah dan throughput yang lebih tinggi telah menjadi lebih besar dalam fokus untuk armada, asuransi dan perusahaan lain yang menggunakan data.

Namun, sementara 5G memecahkan masalah ini sebagian besar, biaya yang dikeluarkan untuk volume data yang dikumpulkan dan dikirim ke cloud tetap tidak terjangkau. Ini membuatnya penting untuk mengidentifikasi kemampuan komputasi tertanam canggih di dalam kendaraan untuk pengolahan edge yang efisien.

Munculnya komunikasi kendaraan ke cloud

Untuk meningkatkan efisiensi bandwidth dan mengurangi masalah latensi, lebih baik melakukan pengolahan data kritis di edge dalam kendaraan dan hanya berbagi informasi terkait peristiwa ke cloud. Pengolahan edge dalam kendaraan telah menjadi kritis untuk memastikan bahwa kendaraan terhubung dapat berfungsi pada skala besar, karena aplikasi dan data lebih dekat dengan sumber, menyediakan waktu putar yang lebih cepat dan sangat meningkatkan kinerja sistem.

Pengembangan teknologi telah membuatnya mungkin bagi sistem tertanam otomotif untuk berkomunikasi dengan sensor, baik di dalam kendaraan maupun server cloud, dengan cara yang efektif dan efisien. Dengan menggunakan 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 yang kuat dan terintegrasi untuk keputusan bisnis yang efektif dan operasional yang efisien. Secara kolektif, duo edge cloud dan kecerdasan tertanam menghubungkan perangkat edge (sensor yang tertanam dalam kendaraan) ke infrastruktur TI untuk membuka jalan bagi berbagai aplikasi berbasis pengguna yang berdasarkan lingkungan dunia nyata.

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

Selain itu, asuransi dan garansi tambahan dapat diuntungkan 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 kendaraan dan skor pengemudi dapat memungkinkan pengurangan biaya total kepemilikan (TCO) untuk operator armada untuk mengurangi kerugian karena pencurian, kehilangan dan kelalaian sementara juga menyediakan pelatihan aktif untuk pengemudi.

Menggerakkan masa depan manajemen armada

Analitik yang ditenagai AI, memanfaatkan IoT, edge computing, dan cloud, dengan cepat mengubah cara manajemen armada dilakukan, membuatnya lebih efisien dan efektif daripada sebelumnya. Kemampuan AI untuk menganalisis sejumlah besar informasi dari perangkat telematika menyediakan manajer dengan informasi berharga untuk meningkatkan efisiensi armada, mengurangi biaya dan mengoptimalkan produktivitas. Dari analitik waktu nyata hingga manajemen keselamatan pengemudi, AI sudah mengubah cara armada dikelola.

Dataset yang lebih banyak AI kumpulkan dengan pemrosesan OEM melalui cloud, prediksi yang lebih baik dapat dibuat. Ini berarti kendaraan otomatis yang lebih aman, lebih intuitif di masa depan dengan rute yang lebih akurat dan diagnostik kendaraan waktu nyata yang lebih baik.