دوقلوی دیجیتال در سامانه‌های مدیریت ناوگان؛ از پایش خودروها تا پیش‌بینی عملکرد

مدیریت یک ناوگان حمل‌ونقل، چیزی فراتر از اطلاع‌داشتن از موقعیت خودروهاست. مدیران ناوگان هر روز باید درباره انتخاب مسیر، زمان اعزام، مصرف سوخت، تعمیرات و تعداد خودروهای موردنیاز تصمیم بگیرند. گاهی یک تغییر کوچک در برنامه حرکت می‌تواند باعث تاخیر در تحویل سفارش‌ها یا افزایش هزینه‌های عملیاتی شود.

چطور می‌توان پیش از اجرای تغییرات، نتیجه احتمالی آن‌ها را بررسی کرد؟ دوقلوی دیجیتال (Digital Twin) دقیقاً برای پاسخ به چنین نیازی به کار می‌رود. این فناوری با ایجاد مدلی مجازی از خودروها و فعالیت‌های ناوگان، به سازمان‌ها کمک می‌کند وضعیت موجود را بهتر بشناسند و شرایط مختلف را پیش از اجرا بررسی کنند.

برای مثال، یک شرکت پخش می‌تواند با کمک دوقلوی دیجیتال بررسی کند که کاهش تعداد خودروهای فعال در یک منطقه، چه تاثیری بر زمان تحویل و حجم کاری سایر خودروها خواهد داشت. البته دقت نتیجه به کیفیت اطلاعات و مدل مورداستفاده بستگی دارد.

دوقلوی دیجیتال چیست و چه جایگاهی در مدیریت ناوگان دارد؟

دوقلوی دیجیتال در ساده‌ترین تعریف، یک نمونه مجازی از یک دارایی یا فرایند واقعی است که با اطلاعات به‌روز می‌شود. این نمونه می‌تواند رفتار خودرو، وضعیت تجهیزات یا حتی عملکرد کل یک ناوگان را نمایش دهد.

در سامانه‌های مدیریت ناوگان، مدل دیجیتال می‌تواند اطلاعاتی مانند موقعیت خودروها، مسیر حرکت، ظرفیت بارگیری، زمان توقف و برنامه مأموریت‌ها را دریافت کند. سپس از این اطلاعات برای بررسی وضعیت و شبیه‌سازی شرایط مختلف استفاده می‌شود.

تفاوت دوقلوی دیجیتال با سامانه‌های ردیابی معمولی در همین قابلیت شبیه‌سازی است. سامانه ردیابی نشان می‌دهد خودرو کجاست یا چه مسیری را طی کرده است؛ اما دوقلوی دیجیتال می‌تواند برای پرسش‌هایی مانند «اگر مسیر تغییر کند، چه اتفاقی می‌افتد؟» یا «آیا تعداد خودروهای موجود برای سفارش‌های فردا کافی است؟» پاسخ‌هایی مبتنی بر شبیه‌سازی ارائه دهد.

البته هر سامانه مدیریت ناوگان را نمی‌توان دوقلوی دیجیتال دانست. برای چنین کاربردی، علاوه بر جمع‌آوری اطلاعات، باید مدلی وجود داشته باشد که بتواند رفتار واقعی ناوگان را با دقت قابل قبول شبیه‌سازی کند.

بیشتر بخوانید:

چگونه تکنولوژی‌های اینترنت اشیا و دوقلوی دیجیتال صنایع را متحول می‌کنند؟

دوقلوی دیجیتال در سامانه‌های مدیریت ناوگان چگونه کار می‌کند؟

دوقلوی دیجیتال برای نمایش وضعیت ناوگان و بررسی سناریوهای مختلف، به اطلاعات واقعی نیاز دارد. این اطلاعات از خودروها و نرم‌افزارهای سازمانی جمع‌آوری می‌شوند و در یک مدل دیجیتال مورد استفاده قرار می‌گیرند.

جمع‌آوری اطلاعات از خودروها

نخستین مرحله، دریافت داده‌های مربوط به خودروها و فعالیت آن‌هاست. فناوری تلماتیک (Telematics) امکان جمع‌آوری و انتقال اطلاعاتی مانند موقعیت جغرافیایی، سرعت، میزان پیمایش و برخی شاخص‌های عملکرد خودرو را فراهم می‌کند.

این اطلاعات می‌توانند با داده‌های دیگری مانند سفارش‌های حمل، برنامه حرکت و سوابق تعمیرات ترکیب شوند. اینترنت اشیا (IoT) نیز از طریق حسگرها و تجهیزات متصل، در جمع‌آوری اطلاعات نقش دارد.

برای مثال، اگر قرار باشد وضعیت یک کامیون بررسی شود، اطلاعات مسیر، مسافت طی‌شده، زمان توقف و سوابق سرویس آن می‌تواند بخشی از داده‌های موردنیاز باشد.

البته تنها جمع‌آوری اطلاعات کافی نیست. داده‌ها باید دقیق، به‌روز و قابل استفاده باشند؛ زیرا اطلاعات ناقص یا اشتباه می‌توانند نتیجه شبیه‌سازی را تغییر دهند.

ساخت مدل دیجیتال و شبیه‌سازی عملیات

پس از جمع‌آوری اطلاعات، مدلی مجازی از خودروها و فعالیت ناوگان ساخته می‌شود. این مدل می‌تواند عواملی مانند ظرفیت خودروها، زمان تحویل سفارش‌ها، محدودیت مسیرها و ساعات کاری رانندگان را در نظر بگیرد.

فرض کنید یک شرکت توزیع قصد دارد برنامه اعزام خودروهای خود را تغییر دهد. مدیر ناوگان می‌تواند ابتدا برنامه جدید را در مدل بررسی کند تا مشخص شود این تغییر احتمالا چه تاثیری بر زمان تحویل و میزان پیمایش خواهد داشت.

شرکت Descartes نیز در معرفی این فناوری به کاربرد دوقلوی دیجیتال در بررسی سناریوهای مختلف و بهبود برنامه‌ریزی ناوگان اشاره می‌کند.

همچنین، پژوهشی منتشر شده در سال ۲۰۲۲ در نشریه Procedia Computer Science، استفاده از دوقلوی دیجیتال برای مدیریت خودروهای هدایت‌شونده خودکار در محیط کارخانه را بررسی کرده است. این نمونه نشان می‌دهد کاربرد این فناوری به خودروهای جاده‌ای محدود نمی‌شود و تجهیزات حمل‌ونقل داخلی کارخانه‌ها را نیز در بر می‌گیرد.

بیشتر بخوانید:

از داده تا جاده؛ تلماتیک مسیری تازه برای مدیریت ناوگان!

کاربردهای دوقلوی دیجیتال در مدیریت ناوگان

انتخاب مسیرهای مناسب‌تر

کوتاه‌ترین مسیر همیشه بهترین مسیر نیست. شرایط ترافیک، تعداد توقف‌ها، زمان تحویل و ظرفیت خودروها نیز بر انتخاب مسیر تأثیر می‌گذارند.

دوقلوی دیجیتال می‌تواند چند برنامه مختلف را بررسی و نتایج احتمالی آن‌ها را با یکدیگر مقایسه کند. برای مثال، یک شرکت پخش می‌تواند ببیند تغییر ترتیب تحویل سفارش‌ها چه تاثیری بر مسافت طی‌شده و زمان پایان مأموریت خودروها دارد.

این قابلیت به انتخاب آگاهانه‌تر مسیر کمک می‌کند؛ هرچند نتیجه شبیه‌سازی همیشه با شرایط واقعی جاده یکسان نخواهد بود.

پیش‌بینی نیاز به تعمیرات

خرابی ناگهانی خودرو می‌تواند برنامه تحویل سفارش‌ها را مختل کند و هزینه‌هایی به سازمان تحمیل کند. نگهداری پیش‌بینانه (Predictive Maintenance) با بررسی اطلاعات عملکرد خودرو تلاش می‌کند احتمال برخی مشکلات را زودتر شناسایی کند.

دوقلوی دیجیتال می‌تواند داده‌هایی مانند میزان پیمایش، سوابق سرویس و وضعیت قطعات را در مدل خودرو مورد استفاده قرار دهد. سپس امکان بررسی زمان‌بندی تعمیرات و تأثیر خارج‌شدن خودروها از سرویس فراهم می‌شود.

برای مثال، یک شرکت اتوبوس‌رانی می‌تواند بررسی کند که تعمیر هم‌زمان چند اتوبوس چه اثری بر ظرفیت خدمت‌رسانی خواهد داشت. البته پیش‌بینی خرابی به داده و مدل مناسب نیاز دارد و همیشه دقیق نیست.

بررسی تغییرات پیش از اجرا

یکی از کاربردهای مهم دوقلوی دیجیتال، آزمایش تصمیم‌ها پیش از اجرای واقعی آن‌هاست. مدیر ناوگان می‌تواند اثر افزایش سفارش‌ها، تغییر ساعت فعالیت یا جابه‌جایی خودروها میان مناطق مختلف را بررسی کند.

برای مثال، اگر یک شرکت خدمات شهری قصد داشته باشد محدوده فعالیت خودروهای خود را گسترش دهد، می‌تواند ابتدا نیاز احتمالی به خودروهای بیشتر و زمان انجام مأموریت‌ها را در مدل بررسی کند.

این روش به کاهش ابهام در تصمیم‌گیری کمک می‌کند؛ اما نتایج آن باید با شرایط واقعی سنجیده شوند.

بیشتر بخوانید:

هوش مصنوعی در مدیریت ناوگان؛ فراتر از یک ردیابی ساده

مزایای تجاری دوقلوی دیجیتال برای سازمان‌ها

مهم‌ترین مزیت دوقلوی دیجیتال، امکان بررسی نتیجه احتمالی تصمیم‌ها پیش از اجرای عملی آن‌هاست. مدیران می‌توانند چند برنامه مختلف را مقایسه و گزینه‌ای را انتخاب کنند که با نیازهای عملیاتی سازمان هماهنگی بیشتری دارد.

این فناوری همچنین می‌تواند به شناسایی فرصت‌های کاهش هزینه کمک کند. برای مثال، بررسی برنامه‌های مختلف اعزام می‌تواند به شناسایی مسیرهای کوتاه‌تر و استفاده بهینه‌تر از ظرفیت خودروها کمک کند.

مزیت دیگر، برنامه‌ریزی دقیق‌تر برای منابع است. اگر مدل نشان دهد افزایش سفارش‌ها در یک منطقه احتمالا باعث تأخیر می‌شود، سازمان می‌تواند از قبل گزینه‌هایی مانند تغییر برنامه حرکت یا اختصاص خودروهای بیشتر را بررسی کند.

بااین‌حال، استفاده از دوقلوی دیجیتال به‌خودی‌خود باعث کاهش هزینه نمی‌شود. برای ارزیابی ارزش آن باید هزینه اجرای فناوری را با شاخص‌هایی مانند زمان تحویل، میزان پیمایش، هزینه هر مأموریت و استفاده از ظرفیت خودروها مقایسه کرد.

بیشتر بخوانید:

بهبود کارایی زنجیره تامین با استفاده از فناوری اینترنت اشیا

چالش‌های پیاده‌سازی دوقلوی دیجیتال در ناوگان

یکی از مهم‌ترین چالش‌ها، کیفیت اطلاعات است. اگر داده‌های موقعیت خودروها دیر دریافت شوند یا سوابق تعمیرات کامل نباشند، مدل دیجیتال نمی‌تواند وضعیت ناوگان را به‌درستی نمایش دهد.

از سوی دیگر، اطلاعات موردنیاز ممکن است در چند نرم‌افزار مختلف ذخیره شده باشند. اتصال سامانه ردیابی به نرم‌افزار تعمیرات، مدیریت سفارش‌ها و برنامه‌ریزی حرکت، به هماهنگی فنی نیاز دارد.

هزینه پیاده‌سازی نیز موضوع مهمی است. ساخت مدل، آماده‌سازی اطلاعات و نگهداری سامانه می‌تواند به منابع مالی و فنی نیاز داشته باشد. به همین دلیل، بهتر است پیچیدگی مدل با نیاز واقعی سازمان متناسب باشد.

امنیت اطلاعات هم باید جدی گرفته شود. داده‌های مربوط به موقعیت خودروها، برنامه مأموریت‌ها و فعالیت رانندگان ممکن است حساس باشند. سازمان باید مشخص کند چه افرادی به این اطلاعات دسترسی دارند و داده‌ها چگونه نگهداری می‌شوند.

در کنار این موارد، مدل دیجیتال باید آزمایش شود. مقایسه نتایج شبیه‌سازی با اتفاقات واقعی نشان می‌دهد پیش‌بینی‌ها تا چه اندازه قابل اعتماد هستند.

بیشتر بخوانید:

راهنمای کامل آشنایی با سامانه مدیریت هوشمند ناوگان

چگونه دوقلوی دیجیتال را وارد سامانه مدیریت ناوگان کنیم؟

برای شروع، بهتر است سازمان به‌جای مدل‌سازی تمام ناوگان، یک مسئله مشخص را انتخاب کند. برای مثال، هدف اولیه می‌تواند کاهش تاخیر در تحویل سفارش‌ها یا بررسی برنامه تعمیرات باشد.

سپس باید مشخص شود اطلاعات موردنیاز در دسترس هستند یا به تجهیزات و نرم‌افزارهای بیشتری نیاز است. پس از آن، می‌توان مدلی اولیه برای بخش محدودی از ناوگان ساخت.

در مرحله آزمایش، نتایج مدل با عملکرد واقعی خودروها مقایسه می‌شوند. اگر اختلاف قابل‌توجهی وجود داشته باشد، لازم است اطلاعات یا روش مدل‌سازی اصلاح شوند.

پس از اطمینان نسبی از عملکرد مدل، سازمان می‌تواند هزینه‌ها و نتایج را بررسی کند و درباره گسترش پروژه تصمیم بگیرد. در بعضی شرایط، تحلیل داده‌های موجود بدون ساخت یک دوقلوی دیجیتال نیز ممکن است پاسخ‌گوی نیاز سازمان باشد.

بیشتر بخوانید:

سامانه مدیریت هوشمند ناوگان (FMS)؛ چهار عامل موثر در موفقیت آن را بشناسید!

کلام آخر

دوقلوی دیجیتال در سامانه‌های مدیریت ناوگان به سازمان‌ها کمک می‌کند علاوه بر مشاهده وضعیت خودروها، نتیجه احتمالی تصمیم‌های عملیاتی را نیز بررسی کنند. از انتخاب مسیرهای مناسب‌تر تا برنامه‌ریزی تعمیرات و مدیریت ظرفیت، این فناوری می‌تواند اطلاعات مفیدی برای تصمیم‌گیری فراهم کند.

البته استفاده مؤثر از آن به داده‌های دقیق، مدل قابل اعتماد و زیرساخت ارتباطی مناسب نیاز دارد. بنابراین، شروع با یک پروژه محدود و ارزیابی نتایج، انتخاب منطقی‌تری نسبت به پیاده‌سازی گسترده از همان ابتدا است.

در این مسیر، سامانه مدیریت هوشمند ناوگان حمل‌ونقل ایرانسل می‌تواند برای جمع‌آوری، پایش و بررسی اطلاعات ناوگان مورد توجه قرار گیرد. این سامانه از تجهیزات دریافت داده، ارتباطات و نرم‌افزار مدیریتی استفاده می‌کند. سازمان‌ها می‌توانند با ارزیابی امکانات فعلی مدیریت ناوگان و کیفیت اطلاعات موجود، مشخص کنند برای استفاده از مدل‌سازی و شبیه‌سازی به چه امکانات تکمیلی نیاز دارند.

چنانچه برای بهبود مدیریت ناوگان، استفاده از داده‌های خودروها در برنامه‌ریزی مسیرها یا بررسی امکان پیاده‌سازی دوقلوی دیجیتال در سازمان خود به مشاوره تخصصی نیاز دارید، می‌توانید از طریق خطوط ایرانسل کد دستوری #۳* را شماره‌گیری کنید یا درخواست خود را به آدرس ایمیل EB@mtnirancell.ir  ارسال فرمایید.

منابع

https://www.descartes.com/resources/knowledge-center/fleet-innovation-what-digital-twin-technology

https://doi.org/10.1016/j.procs.2022.01.172