Internet věcí (IoT) mění způsob, jakým funguje mnoho průmyslových odvětví, včetně dopravy. Ve skutečnosti podle předpovědí IoT bude doprava a logistika jedním z třech předních odvětví investujících do IoT. Proč se doprava stává top odvětvím v oblasti IoT? Existuje mnoho důvodů a většina z nich zahrnuje různé výhody. Zde bychom rádi ukázali, jak může správa vozového parku využívat internet věcí.
Podívejme se na 5 výzev, v kterých může být správa vozového parku vhodná pro internet věcí:
- Bezpečnost – samozřejmě vždy číslo 1. Musíte se ujistit, že řidiči dodržují předpisy, nepřekračují rychlost atd. Také bychom neměli zapomenou, že bezpečnost je velmi důležitá s ohledem na náklady na pojištění.
- Efektivita – aby řidič mohl provozovat vozidlo co nejefektivněji, musí vědět kde je nejbližší čerpací stanice a která z nich má nejnižší ceny, nebo kde se nachází nejbližší nabíjecí stanice pro elektrický vůz.
- Trasování je téma, která je aktuální již pár let, ale dnes je hlavní výzvou poskytovat co nejlepší trasu v reálném čase, protože mnoho faktorů ovlivňuje výběr nejlepší trasy – nehody, uzavírky, ranní a odpolední zácpy atd.
- Vzdálená diagnostika a prediktivní plánování údržby – jak racionalizovat správu vozového parku a vyhnout se tak selhání vozidel.
- Správné nastavení velikosti vozového parku – kolik vozidel skutečně potřebujete, kdy byste měli koupit nové (a která možnost je více nákladově efektivní).
OK, ale jak odpovědět na tyto výzvy?
Zaprvé, potřebujete data. Mít data pouze na jednotlivých zařízeních neřeší situaci, je nutný sběr těchto dat do Vaší infrastruktury nebo cloudu. Nejjednodušší způsob jak na to, je použít Cloud IoT Core, který je plně spravovanou službou a umožňuje jednoduše a bezpečně připojit, spravovat a sbírat data z miliónů zařízení po celém světě.
Druhý krok je sbíraní dat – když vložíte data do cloudu existuje několik možností, jako například Cloud Monitoring nebo Cloud Logging.
Když máme data posbírané, Google poskytuje několik řešení pro uložení dat, jako například Cloud Datastore, Bigtable nebo relační databázi v reálném čase zvanou Firebase.
Když už máte data uloženy na cloudu, umožňuje Vám to pokročilou analýzu s použitím interaktivních nástrojů, jako například Datalab (nástroj pro průzkum, analýzu nebo vizualizaci dat), BigQuery (umožňuje provádět analýzu obrovského množství dat co nejefektivněji), nebo služba Dataflow pro transformaci dat v reálném čase.
Poslední krok je sdílení dat s použitím Vaší vlastní aplikace, která může být provozována na virtuálním stroji, uvnitř Kontejneru nebo s použitím Google Maps Platformy, která Vám umožní vizualizovat data nad nejaktuálnějšími mapovými podklady.
S použitím cloudových služeb nemáte žádnou infrastrukturu, kterou byste museli spravovat, tím pádem se můžete soustředit na analýzu dat a nalezení smysluplných poznatků.
Nějaké konkrétní příklady?
Ano – prediktivní údržba. Co byste dnes museli udělat pro předpověď selhání vozidla? Pravděpodobně byste museli požádat mechanika, aby kontroloval stav každé vozidla každý den. To zní otravně a draze, a co víc, ani poté nemáte jistotu, že byla detekována všechna možná selhání.
Představte si, že byste mohli přesně předpovídat selhání pomocí „machine learning“. Za použití dat, které sesbíráte pomocí IoT zařízení můžete vytvořit model předpovědi selhání vozidla. Nemusíte vědět, které parametry by měly být analyzovány – a teď se odehrává to kouzlo – můžete pouze použít všechna Vaše data a nechat „machine learning“ rozhodnout, které informace jsou důležité.
Níže naleznete zjednodušené schéma celého procesu:
- Krok 1 – sesbírat data z IoT zařízení
- Krok 2 – zpracovat je, vyčistit a bezpečně uložit
- Krok 3 – analyzovat je a vizualizovat je pomocí jednoho z nástrojů Google Cloud Platformy nebo použitím Google Map.
A zajisté krok 4 – udělejte přesné a výhodné rozhodnutí založené na poznatcích získaných z analýzy a vizualizace.
Mohlo by Vás také zajímat…
OPĚT JSME SE STALI GOOGLE CLOUD PREMIER PARTNEREM!
NOVÁ PLATFORMA GOOGLE MAP
DŮLEŽITÉ ZMĚNY V GOOGLE MAPÁCH
Zdroje: Statista, LinkLabs, CSG.