Most fleets take a preventative approach to maintenance – pulling a truck off the road for scheduled service based on a predetermined number of miles or hours in operation. Unfortunately, when minor problems arise between service intervals what started as a minor issue can rapidly spiral into a more expensive repair that forces a vehicle out of service. The following are 3 reasons to shift to predictive maintenance programming.
La conectividad, el aprendizaje automático y la inteligencia artificial están revolucionando las prácticas de mantenimiento para la industria del transporte por carretera. Con algoritmos basados en la nube que alimentan datos telemáticos en tiempo real, las flotas pueden cambiar a un programa de mantenimiento predictivo desde los planes reactivos o preventivos que son comunes en la actualidad. Esta transición puede ser intimidante, pero vale la pena aprender a implementar prácticas de mantenimiento predictivo. ¿Dónde empezar?
:
1) Evite grandes problemas solucionando más problemas menores antes.
A diferencia de un sistema reactivo, el mantenimiento predictivo cambia el enfoque a decisiones basadas en datos. En lugar de reparar un camión cuando algo se rompe o antes del final de la vida útil de un componente, los algoritmos entrenados pueden ayudar a detectar los puntos débiles.
Los equipos de mantenimiento pueden corregir los problemas antes de que causen tiempo de inactividad y beneficiarse de la vida útil de cada componente del vehículo. Además, mediante la tecnología de acoplamiento capaz de solucionar automáticamente problemas como el inflado automático de neumáticos (ATI), la cantidad de problemas que requieren intervención manual puede reducirse hasta en un 90 %, lo que genera un alto grado de confianza y compromiso del usuario.
2) Los algoritmos entrenados brindan una imagen más precisa del estado del vehículo y los componentes.
Al igual que el niño que gritó lobo, una queja común entre las flotas que invierten en nuevas tecnologías es la cantidad de advertencias falsas con información incompleta. Esta información errónea hace que los conductores se desconecten de las notificaciones, socavando el valor del sistema.
Si bien los primeros días de agregar sensores a los vehículos dieron como resultado prácticas de alerta basadas en umbrales, los algoritmos entrenados ahora pueden identificar problemas casi un 70 % antes sin frecuentes falsos positivos.
Al aprovechar el aprendizaje automático, los programas como el mantenimiento de llantas pueden saltarse las prácticas de mantenimiento basadas en alertas de los sistemas de monitoreo de presión de llantas (TPMS) basados en umbrales y las prácticas de mantenimiento manual. Y con cada milla, la información generada por el sistema se vuelve más inteligente.
3) Planifique el tiempo de inactividad en lugar de hacer frente al costoso tiempo de inactividad de emergencia.
El aprendizaje automático puede evaluar innumerables variables. La gestión eficaz de los neumáticos incluye elementos como la geografía, la temperatura, los daños en los neumáticos ya acumulados y el perfil de presión para diagnosticar y clasificar los problemas por gravedad, lo que ayuda a planificar el mantenimiento de forma rentable.
For example, by coupling active inflation with machine learning, fleets utilizing Aperia Technologies’halo conectar regularly trim unplanned tire-related downtime by 90%. The result is decreased on-road breakdowns, reduced technician diagnostic time, and increased automation of routine tasks.
These reasons enable fleet managers to confidently decide where and when to service vehicles, minimizing disruptions and maximizing equipment utilization. Some predictive maintenance systems for fleets are still maturing. However, ATIS technology and predictive analytics can transform fleet tire maintenance. halo conectar, by Aperia Technologies, has been on the road for 50+ billion miles and is available now.
Las fallas de los neumáticos son frecuentes y tienen consecuencias significativas. Los neumáticos también deben revisarse y mantenerse más que cualquier otro componente de un camión y, por lo tanto, se benefician más de la adición de automatización combinada con sensores y análisis. Sin embargo, ya sea que comience con llantas u otra área de enfoque para su flota, construir una base de mantenimiento predictivo permitirá inversiones más significativas en prácticas de mantenimiento predictivo, lo que se traducirá en más ahorros y eficiencia.
