به گزارش قطعات خودرو به نقل از پدال، خودروهای جدید با مشکل کمبود قطعات مواجه هستند و زمان تحویل خودرو به دلیل کمبود مداوم نیمه هادیها و سایر مشکلات زنجیره تامین تا یک سال طولانی میشود. یکی از راههایی که آنها میتوانند اطمینان حاصل کنند که وسایل نقلیهای که مستقر میکنند ایمن و در بهترین شرایط ممکن باقی میمانند، استفاده از راهحلهای هوش مصنوعی است.
چنین مشکلی بر تمام مشتریان تأثیر میگذارد، اما خریداران ناوگان هم در این میان از مشکلات بینصیب نیستند. کمبود به این معنی است که بسیاری از ناوگان، از شرکتهای خودروهای کرایهای گرفته تا ادارات پلیس، قادر به جایگزینی وسایل نقلیه نیستند که منجر به اتکای فزاینده به وسایل نقلیه قدیمیتر و افزایش منابع اختصاص یافته به نگهداری آنها میشود.
مدیران ناوگان به جای صرفاً جایگزینی وسایل نقلیه که به علت ارزانتر بودن نسبت به تعمیرات یا نگهداری مداوم استراتژی اصلی بود، باید بیشتر در بازرسی، نظارت و تعمیرات سرمایهگذاری کنند.
راهحلهای هوش مصنوعی مسئولیتپذیری راننده را افزایش میدهد، عملکرد خودرو را بررسی کرده و روشهایی را برای اطمینان از مطابقت با استانداردهای لازم در آن تعیین میکند. هوش مصنوعی همچنین میتواند به منظور حصول اطمینان از ایمنی و اثربخشی، راههایی برای ارتقای خودروها یا شناسایی مشکلات قبل از ایجاد عیوب توصیه کند.
اصطلاح «ناوگان» برای بسیاری از مردم، خودروهای اجارهای و تاکسی را به ذهن متبادر میکند. اما ناوگان شامل خودروهای پلیس و امداد، حمل و نقل برای بازرسان ایمنی دولتی و شرکتهای خدماتی که تجهیزات تخصصی را حمل میکنند، ونهای حمل و نقل و کامیونها برای رساندن لوازم مورد نیاز به مصرفکنندگان و مؤسساتی مانند مدارس و بیمارستانها و موارد دیگر است.
اپراتورهای این ناوگان به وسایل نقلیهای نیاز دارند که بتوانند واقعاً به آنها اعتماد کنند. و اگر شکست بخورند، میتواند زندگی افراد را به خطر بیندازد.
تا زمانی که عقبماندگی زنجیره تامین رفع نشود – و به گفته کارشناسان ممکن است سالها طول بکشد – ناوگانهای مختلف باید به آنچه که دارند بسنده کنند. برای انجام این کار، آنها باید فراتر از روشهای بازرسی و تعمیر معمولی که در گذشته به آن اعتماد کردهاند، بروند.
هوش مصنوعی با استفاده از برنامههای گوشی هوشمند تلفن با کارکرد آسان همراه با تجهیزات استاندارد خودرو مانند دوربینهای امنیتی برای مستندسازی معمول وضعیت وسایل نقلیه ناوگان، میتواند به این بازرسیهای عمیق کمک کند. چنین کاری یک پایگاه داده عینی و بهروز ایجاد میکند.
برنامهها میتوانند به رانندگان یادآوری کنند که هنگام شروع و پایان شیفت، گزارش بازرسی را ثبت کرده و دوربینها میتوانند وسایل نقلیه و جزئیات مربوط به وضعیت خودرو، ورود و خروج از خدمات را ضبط کنند. همه این دادهها را میتوان در یک سرور مرکزی آپلود کرد؛ جایی که ابزارهای پیشرفته تجزیه و تحلیل دادهها میتوانند تصاویر را پردازش کرده و آنها را در قالبی آسان برای بازبینی مدیران ناوگان، تعمیرگاههای بدنه خودرو، بازرسان و سایر تامینکنندگان فهرستبندی کنند.
در همین حال، حسگرها میتوانند دادههای مربوط به عادتهای رانندگی، استفاده از ترمز، فرسودگی و سایر اطلاعات داخلی خودرو را پیگیری کنند. بر اساس تجزیه و تحلیل همه این دادهها، ابزارهای هوش مصنوعی میتوانند توصیههایی درباره خدمات مورد نیاز یا مشکلات و تعمیرات مورد انتظار ارائه دهند.
ردیابی عادات رانندگی و شرایط فعلی وسیله نقلیه همچنین باعث مسئولیتپذیری بیشتر رانندگان میشود و اطمینان حاصل میکند که با وسیله نقلیه بهتر رفتار میشود، راننده از وضعیت آن آگاه است و به موقع آن را تحویل گرفته و برمیگرداند. این نیز میتواند به افزایش عمر وسیله نقلیه کمک کند یا حداقل آن را در شکل بهتری نگه دارد.
استفاده گسترده از هوش مصنوعی در این بازرسیها نه تنها باعث رانندگی ایمنتر و وسایل نقلیه ایمنتر میشود، بلکه کار مورد نیاز جهت اطمینان از مناسب بودن وسایل نقلیه برای جاده را نیز کاهش میدهد.
اکثر این بازرسیها هماکنون هنوز به صورت دستی انجام میشوند، به این معنی که کار فشرده و همچنین در معرض خطای انسانی هستند. خودکار کردن فرآیند بازرسی با استفاده از تجزیه و تحلیل دادههای پیشرفته و بدون خطر خطای ناشی از خستگی، به اطمینان از اینکه بازرسیها به طور منظم انجام میشود، کمک میکند.
سیستمهای تحلیل هوش مصنوعی پیشرفته میتوانند بین عملکرد ضعیف و ایدهآل و شاید حتی بین زندگی و مرگ، تفاوت ایجاد کنند.