Internet Rzeczy (Internet of Things, IoT) zmienia oblicza wielu branż, w tym także transportu. Według prognoz na ten temat, transport i logistyka to jeden z trzech sektorów, w których odnotuje się największe inwestycje w zakresie IoT (pozostałe to produkcja przemysłowa i utilities). Powodów takiej sytuacji, podobnie jak korzyści, jest wiele. Jakie zmiany w zarządzaniu flotą przyniesie zatem Internet Rzeczy?
Spójrzmy na pięć obszarów, które mogą zostać ulepszone przez IoT:
- Bezpieczeństwo – przede wszystkim! Kierowcy muszą przestrzegać przepisów i dozwolonej prędkości; nie zapominajmy również o kosztach ubezpieczenia – w kwestii bezpieczeństwa ma to również ogromne znaczenie.
- Wydajność – wiedza o najbliższej stacji benzynowej, niższych cenach paliwa czy stacji ładowania dla pojazdów elektrycznych jest niezbędna, by trasa wybrana przez kierowcę była jak najbardziej wydajna.
- Wyznaczanie tras – sam koncept nie jest nowością, ale wyzwaniem nadal jest ustalenie trasy z uwzględnieniem warunków czasu rzeczywistego – wypadków, ruchu w godzinach szczytu, wydarzeń zakłócających ruch.
- Zdalna diagnostyka i planowanie przeglądów – optymalizacja utrzymania floty i zapobieganie awariom pojazdów.
- Dopasowywanie rozmiaru floty – ilu pojazdów potrzebujesz? Kiedy powinieneś wynająć lub kupić nowe? Która z tych opcji jest korzystniejsza finansowo?
Co ma do tego IoT?
Przede wszystkim – potrzebujesz danych. Przechowywanie ich na urządzeniach jednak nie wystarczy, należy umieścić je na własnej infrastrukturze lub w chmurze. Najlepiej użyć do tego Cloud IoT Core – to w pełni zarządzane narzędzie, które pozwala w łatwy i bezpieczny sposób połączyć miliony rozproszonych urządzeń, zarządzać nimi i napełnić je danymi.
Drugi krok to pobieranie danych. Gdy już umieścisz je w chmurze, masz kilka opcji – możesz użyć np. Cloud Monitoring lub Cloud Logging.
Gdy dane są już pobrane, Google ma kilka rozwiązań do przechowywania danych, takich jak Cloud Datastore, Bigtable czy relacyjna baza bieżących danych – Firebase.
Przechowywanie danych w chmurze pozwala na przeprowadzanie zaawansowanych analiz z użyciem interaktywnych narzędzi, takich jak Datalab (do przeglądania, analizy, wizualizacji i uczenia maszynowego), BigQuery (służące do analiz ogromnych ilości danych w korzystny finansowo sposób) czy Dataflow – serwis do transformacji i wzbogacania danych w czasie rzeczywistym.
Ostatni krok to udostępnianie danych przez własną aplikację, którą możesz uruchomić na Wirtualnej Maszynie lub kontenerze, albo przez Google Maps Platform, gdzie zwizualizujesz dane geograficzne na najbardziej aktualnych mapach.
Nie ma infrastruktury, którą musisz zarządzać, więc skupiasz się na analizie danych i wyciągasz z nich wnioski.
Konkrety?
Przede wszystkim – przewidywanie napraw. Aby teraz wskazać datę najbliższego przeglądu, musiałbyś zapewne codziennie pytać inżyniera o stan każdego pojazdu. To sporo zachodu, wysokie koszty, a prawdopodobieństwo, że nie wszystkie awarie zostaną wykryte, nadal jest wysokie.
Uczenie maszynowe jest w stanie przewidzieć awarie. Używając danych gromadzonych dzięki urządzeniom IoT, możesz wytworzyć model, który przewiduje awarie. Nie musisz wiedzieć, które dane należy analizować. Używając wszystkich danych, uczenie maszynowe samo zdecyduje, których użyć – ot, magia ?
Oto (mocno) uproszony proces:
- Krok 1 – Ładowanie danych z urządzeń IoT
- Krok 2 -Procesowanie, czyszczenie, bezpieczne przechowywanie
- Krok 3 – Analiza i wizualizacja z użyciem narzędzi Google Cloud Platform lub Google Maps.
Krok 4 to oczywiście podejmowanie korzystnych i odpowiednich decyzji na podstawie tych analiz.
Źródło: Statista, LinkLabs, CSG.