“Nieuwe technologieën om vrachtwagengegevens in real time te monitoren en analyseren, creëren boeiende nieuwe opportuniteiten om defecten in de toekomst accurater te voorspellen. Dat kadert in onze voortdurende inspanningen om de vrachtwagens van onze klanten op de weg te houden”, aldus Markus Efraimsson, Vice President Uptime bij Volvo Trucks.
Een nieuwe bandenbeheerservice meet de bandenspanning en -temperatuur in real time. De resultaten worden opgevolgd door een app, zodat chauffeur en eigenaar langzaam leeglopende banden sneller opmerken en eventuele klapbanden – plus de ongeplande stops en hoge kosten die daarbij horen – kunnen vermijden. Bovendien draagt de nieuwe service bij tot een lager brandstofverbruik en langere levensduur voor elke band door steeds de correcte spanning en temperatuur te verzekeren. De bandenbeheerservice zal progressief worden geïmplementeerd naar alle Europese markten.
In samenwerking met bepaalde klanten die het servicecontract ‘Gold’ hebben ondertekend, voert Volvo Trucks ook een piloottest uit op diverse andere componenten. Door gegevens van duizenden vrachtwagens in real time op te volgen en te analyseren, werden al heel wat mogelijke pechsituaties vermeden, met een betere uptime en productiviteit als resultaat.
Het doel bestaat erin om onderdeeldefecten te voorspellen voor ze zich voordoen en klanten een optimale serviceplanning te bieden. Wanneer het Monitoring Center van Volvo Trucks een potentieel probleem ontdekt, wordt de lokale werkplaats van Volvo gewaarschuwd zodat de nodige preventiemaatregelen kunnen worden getroffen.
“We bekijken uptime vanuit het perspectief van de klant en stellen alles in het werk om ongeplande stops te vermijden”, legt Markus Efraimsson uit.
De volgende stap bestaat erin om machinaal leren geleidelijk aan in te voeren. Deze vorm van artificiële intelligentie maakt het mogelijk om grote hoeveelheden vrachtwagengegevens te verzamelen en te analyseren voor onderzoeks- en ontwikkelingsdoeleinden. Dat helpt Volvo Trucks om steeds meer te weten te komen over de gezondheid en prestaties van een vrachtwagen of honderdduizenden geconnecteerde vrachtwagens, in het dagelijks gebruik.
Door geavanceerde computermodellen en -analyses te gebruiken willen we verborgen patronen identificeren zodat we onderdeeldefecten vroeger kunnen voorspellen. Zo neemt de kans toe dat het vereiste onderhoud of de vereiste herstelling tijdens een gepland servicebezoek kan worden uitgevoerd, met een maximale uptime als resultaat.