Na fotbal a auťáky je každý odborník, Čechy nevyjímaje. Jak lze ale s pomocí internetu (IoT) věcí získat konkurenční výhody, pokud jde o provoz firemních automobilů? Odpovědí je vytvoření vlastních aplikací. Za IBM popisuje současné možnosti odpovědi Miroslav Iwachow.
Minule jsme se bavili o internetu věcí (IoT) z úhlu pohledu IT infrastruktury a byznysu, cloudu a big data. Jaké však má dopady z hlediska reálného byznysu?
V případě, že jsem schopen sbírat data a informace například z firemní automobilové flotily, mohu je interně zpracovávat pro potřeby mé organizace a vytvářet unikátní nové aplikace, které je pomohou začlenit do jejích procesů. V obecné rovině mohu sledovat, jak se s nimi hospodaří a provádět analytiku tak, aby mi odpovídala na otázku, jak a zda ovlivňují můj byznys a naopak. Mohu totiž najít místa, kde lze ze získaných informací vytvořit úspory, nebo poskytovat cílené služby mým zákazníkům. Nejdůležitějšími vstupy jsou tedy data a analytika nad nimi, kombinace informací a jejich celkové vyhodnocení. Následně se pak tyto informace posílají zpět do terénu.
Na fotbal a auťáky je každý fantastický expert, Čechy nevyjímaje. Mohl byste být ohledně IoT a aut konkrétnější?
V IBM jsme vytipovali několik skupin v dopravě a správě vozového parku, kde lze za pomoci IoT, tj. sběru dat a jejich analýzy zlepšit hospodárnost.
První je okamžitá správa provozu, online traffic management. Mohu sledovat data ze stávajícího automobilového parku, z počasí v regionech kde tato auta provozuji, veřejných či placených zdrojů a v místech, kde jsou data k dizpozici i z městských kamer, a městských dat. Z těchto dat mohu díky analýzám skládat například tzv. horké mapy a oblasti, které jsou důležité a kritické pro plánování tras, které odpovídají reálnému stavu. Zde lze uvést příklad využití rychlé trasy, pokud je volná, nebo pomalejší a přesto efektivnější objížďky, když je rychlá trasa ucpaná, což řidič bez informace z dispečinku zpravidla neví.
Druhou částí jsou automobilové služby. Zde se sbírají data o vozidle a jeho stavu. Jejich analýzou a získaných informací lze předpovědět jeho opotřebení a naplánovat jeho servis. Když například v případě chlazení nákladního prostoru senzor zjistí nesrovnalosti v pracovní činnosti chladicí jednotky, může předat tyto informace dispečinku. Klíčové informace jsou v takovém případě dále použity na vyslání náhradního vozidla nebo opraváře pro vyhodnoceni poruchy. Dále i stav silnic, výmoly a klimatické podmínky, kde daná část flotily pravidelně jezdí, tvoří unikátní pohled. Jiné budou v horském terénu v Krkonoších nebo na Šumavě, kde jsou velké teplotní výkyvy, jiné podmínky budou v Praze nebo jiném velkém městě, kde se v zimě vozovky intenzivně solí, jinde zase mohou být v horším stavu vozovky, a to může ovlivnit chování firmy při plánování času i trasy vozidla. V obou případech bude zátěž auta větší. Podle reálné zátěže nebo telematiky vozidla lze zkrátit servisní intervaly, jinde může být servisní plán delší.
Třetí oblastí je řízení flotily jako takové a plánování tras a cest. Zde se opět využívají veřejně dostupné informace, které se kombinují s privátními, případně informace o lepších trasách. Mohu sledovat chování řidičů flotily v určitých oblastech, například v ostrých zatáčkách, a současně vyhodnotit rychlost auta a stav vozovky a pak varovat na základě těchto údajů řidiče, aby snížil rychlost při nájezdu do zatáčky. Nebo mohu sledovat, jak brzdí, a přímo je upozorňovat na tyto a podobné rizikové oblasti. Opět mohu vytvářet mapu, kterou dispečer poskytne ze systémů uživatelům-řidičům v reálném čase.
Mám ale také představu o tom, které trasy jsou optimálnější. Tyto informace vyplývají z postupně nasbíraných data a analýz, dávají reálné, opakované zkušenosti.
Čtvrtou oblastí je telematika. Úzce souvisí s bezpečností a pojištěním vozidel. Můžeme detekovat, jakým způsobem řidič jezdí a chová se na silnici. Zda dodržuje předepsanou rychlost, chová se ohleduplně, dodržuje předepsané termíny jízdy a doporučené trasy, protože v některých oblastech je zvýšené riziko bezpečnosti apod.
Toto pak může mít dopad i z hlediska leasingů nebo pojištění vozidel. Lze totiž vyhodnotit nejen stav vozidla, ale i jeho zátěž v průběhu provozu. Na základě těchto údajů pak lze usoudit třeba zůstatkovou hodnotu daného vozidla. Z hlediska pojištění lze vyhodnotit rizika, a díky včasnému vyhodnoceni navrhnout školení pro řidiče, nebo vydat varování pro kritická místa, což může snížit počet případných nehod. Každá nehoda totiž stojí čas a peníze. Tím, že upozorňuji řidiče aby jezdil bezpečněji, snižuji riziko nehod, a tím pádem i snižuji pojištění. Kromě toho mohu vyhodnotit i samotného řidiče.
Co k IoT pro automobily a jejich provoz nabízí IBM?
IBM nabízí unikátní možnost postavit si vlastní aplikace cílené na konkrétní strategii firmy a problematické oblasti, které sbírají data z senzorů, zpracovávají je a poskytují cenné informace. Dnes si výrobci automobilů už vytvářejí soukromé sítě a sbírají údaje o provozu motorů nebo dalších dílů auta, u kterého díky tomu mohou plánovat dostupnost nahradních dílů nebo předejít selhání opotřebovaných klíčových dílů tím, že je vymění dříve, než dojde k selhaní. IBM také může nabídnout zpracování těchto dat a vyhodnocení privátnímu subjektu v reálném čase.
Využíváme k tomu naši platformu IBM Bluemix pro vývoj, kde si lze vybrat, všechny komponenty, například spojovací články, databázi, aplikační server, dashboardy apod., a k tomu i analytický aparát IBM Watson (pozn. red.: IBM brand name pro nástroje analytiky, od klasických nástrojů až po nástroje kognitivní analýzy) pro analýzu dat a poskytování informací v reálném čase. Na infrastruktuře IBM Softlayer pak zase může aplikace běžet. Máme už díky přístupu k datům a jejich analýzám obrovské zkušenosti z úspěšných nasazení. Platforma IBM IoT Foundation umožňuje integrovat řadu služeb a zdrojů tak, aby aplikace byla pro danou firmu konkurenční výhodou.
Proč by se měla firma provozující autopark obracet na IBM nebo jiného dodavatele aplikací, když může mít data o provozu aut přímo z Googlu? Koneckonců každý, kdo má smartphone se také může na Google připojit?
V případě crowdsourcových dat, která poskytuje Google, jde o data, která nejsou specifická pro firemního uživatele. Pojede-li po dálnici stovka řidičů, kteří mají zapnuté datové služby a GPS, tohle Google zjistí. Aplikace poradí jednotlivému řidiči na základě dat posbíraných online kudy má jet, když je někde zácpa.
Tohle funguje. Google svoje data ze smartphonů zpracuje, udělá závěr, a ten poskytne uživatelům své aplikace. Její vlastní data z jejích senzorů však Google už nemá. Nemá v tomto případě ani připravená historická data. Firma, která provozuje autopark, proto tato data nevyužije, leda by si je od Googlu koupila.
Když navíc využiju nějakou externí službu, pak i oni mají nárok na využití této služby. Nezískám tím téměř konkurenční výhodu nad zpracováním mých soukromých dat, nemám je. Navíc jsem odkázán na aplikaci, kterou vyrobil daný výrobce pro poskytování vlastní služby všem, nebo jen omezenou část dat, kterou daná služba poskytuje. Například tím nedostanete přímé vstupy ze senzorů v jejích autech, takže je nelze vyhodnotit a přetavit v informace. Také nezjistím jen tak, že někteří moji řidiči často brzdí před některou křižovatkou, abych mohl vyhodnotit tuto situaci jako rizikovou. Opět tedy nepůjde o data pro tuto firmu specifická, musel byste nad nimi udělat analýzu, která by navíc dala neúplné informace. Proto je zapotřebí postavit vlastní aplikaci.
Jak lze takovou aplikaci od IBM získat?
IBM poskytuje zabezpečenou cloudovou infrastrukturu a nástroje – cloudovou platformu Bluemix pro vývoj, Watson pro analýzu který také nabízíme jako cloudovou službu, a infrastrukturu Softlayer pro provoz v cloudu. Vytvořili jsme také divizi IBM Internet of Things, která poskytuje konzultační služby a služby vývoje. Kromě toho se může každý zájemce obrátit na softwarové partnery IBM, kteří mu mohou aplikaci vyvinout a poskytnout vše, co jsem jmenoval, případně včetně hardwaru na platformě IBM Power prostřednictvím našich distributorů s přidanou hodnotou.
