A Renfe Group vasúti járműlogisztikára összpontosító leányvállalata, a Pecovasa elindított egy digitális rendszert, amelynek célja, hogy lehetővé tegye az autószállító kocsikból álló flottájának valós idejű földrajzi helymeghatározását és nyomon követését. A kezdeményezést részben az EU következő generációs alapokból finanszírozták, 180 000 eurós hozzájárulással.
350 IoT-eszközökkel felszerelt kocsi
Az új rendszert több mint 350 kocsira telepítették, és úgy tervezték, hogy havi szinten több mint 25 000 járművet érintő műveleteket támogasson. Az érzékelőkkel felszerelt kocsik mostantól élő GPS-koordinátákat, valamint olyan környezeti és műszaki adatokat továbbítanak, mint a hőmérséklet, a páratartalom és a gyorsulás. Az adatátviteli frekvenciák és egyéb beállítások távolról is konfigurálhatók.
A megoldás lehetővé teszi a kocsik földrajzi helymeghatározását is a terminállétesítményeken belül, ami pontosabb udvari irányítást tesz lehetővé. A megtett távolság nyomon követése segít javítani a karbantartási ütemtervek felügyeletét, és lehetővé teszi az állapotfüggő beavatkozást. A rendszer érzékelői azonnali visszajelzést adnak rendellenes működés vagy ismétlődő problémák esetén.
Alkalmazás az ügyfelek és a műveletirányítás számára
A Pecovasa által kifejlesztett kísérő alkalmazás hozzáférést biztosít a nyomon követési adatokhoz és az útvonaltörténethez. A felhasználók megtekinthetik az út részleteit, a kocsi állapotát és a be- és kirakodási pontokat. Az alvázszám szerinti keresési funkciók lehetővé teszik az ügyfelek számára, hogy azonosítsák szállítmányaikat és ellenőrizzék azok aktuális helyzetét a szállítás során.
Az alkalmazás továbbá integrálódik az operatív rendszerekkel, és valós idejű adatokkal látja el a logisztikai személyzetet a forgalom koordinálásához és a kivételek kezeléséhez.
Előrejelző meglátásokhoz használt mesterséges intelligencia
A rendszer által gyűjtött adatokat mesterséges intelligencia-alapú algoritmusok elemzik. Ez lehetővé teszi a mechanikai igénybevételnek vagy rendellenes rezgéseknek kitett alkatrészek azonosítását, és hozzájárul a prediktív diagnosztikához. A rendszer folyamatmodellezésben, forgatókönyv-elemzésben és hosszú távú flottaoptimalizálásban is alkalmazható.
