AI có thể dự đoán thời điểm bảo dưỡng phương tiện không?

Khi nói về AI trong quản lý đội xe, câu hỏi được quan tâm nhất thường là: AI có dự đoán được khi nào xe cần bảo dưỡng, hoặc khi nào xe sắp gặp sự cố hay không?

Câu trả lời thực tế là: AI có thể hỗ trợ, nhưng không thể biết chắc. Dữ liệu tốt giúp AI chỉ ra phương tiện nào có rủi ro cao hơn và nên được kiểm tra sớm hơn. Còn việc xe có thật sự gặp sự cố hay không vẫn phụ thuộc vào tình trạng kỹ thuật cụ thể, và chỉ kiểm tra thực tế mới xác nhận được.

Bảo dưỡng theo dự đoán là gì?

Cách quen thuộc nhất là bảo dưỡng định kỳ: đến mốc ODO/KM hoặc mốc thời gian thì đưa xe vào kiểm tra. Cách làm này đơn giản và cần thiết, nhưng nó coi các xe cùng mốc như nhau, dù cách sử dụng của từng xe có thể rất khác.

Bảo dưỡng theo dự đoán (Predictive Maintenance) bổ sung thêm một lớp: dùng dữ liệu lịch sử để nhận ra xe nào có dấu hiệu cần chú ý sớm hơn hoặc muộn hơn so với kế hoạch thông thường. Đây là hướng hỗ trợ ra quyết định, không phải lời tiên đoán về thời điểm xe hỏng.

AI cần những dữ liệu nào?

Một mô hình phân tích chỉ có thể làm việc với những gì đã được ghi nhận. Với phương tiện, các nhóm dữ liệu thường được quan tâm gồm:

Dữ liệu vận hành chỉ hữu ích khi doanh nghiệp thực sự ghi nhận được. Không phải đội xe nào cũng có đủ cả sáu nhóm trên.

Chất lượng dữ liệu quyết định chất lượng dự đoán

AI chỉ phân tích những gì được ghi nhận. Nếu dữ liệu thiếu hoặc sai, kết quả phân tích cũng sẽ thiếu hoặc sai theo. Một số vấn đề thường gặp:

• ODO/KM được nhập muộn hoặc nhập sai.
• Lần bảo dưỡng không được ghi lại, hoặc ghi không đủ hạng mục.
• Lịch sử sửa chữa nằm rải rác ở nhiều nơi: sổ sách, bảng tính, tin nhắn.
• Phụ tùng và chi phí không được gắn đúng với từng phương tiện.

Vì vậy, trước khi nói đến AI, doanh nghiệp cần có dữ liệu được ghi nhận đầy đủ, nhất quán và gắn với từng phương tiện.

AI hỗ trợ quyết định, không thay thế quy trình bảo dưỡng

Kết quả của AI là gợi ý để ưu tiên kiểm tra, không phải kết luận về tình trạng xe.

Quyết định cuối cùng vẫn thuộc về người phụ trách kỹ thuật, dựa trên kiểm tra thực tế và khuyến cáo của nhà sản xuất. AI không thay thế quy trình bảo dưỡng, và cũng không thay thế đánh giá của kỹ thuật viên.

Từ dữ liệu đến quyết định

Giá trị của dữ liệu đến từ một chuỗi bốn bước:

1. Data: dữ liệu phương tiện được ghi nhận đầy đủ, gồm ODO/KM, bảo dưỡng, sửa chữa, phụ tùng và chi phí.
2. Analysis: phân tích dữ liệu để tìm xu hướng, điểm bất thường và các hạng mục lặp lại.
3. Insight: rút ra thông tin có ý nghĩa, ví dụ xe nào cần chú ý hoặc hạng mục nào đáng theo dõi.
4. Decision: người quản lý quyết định, chẳng hạn lên lịch kiểm tra hoặc điều chỉnh kế hoạch bảo dưỡng.

Mỗi bước phụ thuộc vào bước trước đó. AI chủ yếu hỗ trợ ở bước phân tích và gợi ý, còn dữ liệu nền phải đến từ quy trình quản lý hằng ngày.

Vai trò của Phần mềm quản lý phương tiện

Để có dữ liệu đáng tin cậy, cần một nơi ghi nhận tập trung. Đó là vai trò của Phần mềm quản lý phương tiện (PMQLPT) mà ETEKCAR xây dựng: lớp dữ liệu nền cho hồ sơ phương tiện, ODO/KM, bảo dưỡng, sửa chữa, phụ tùng, chi phí và hồ sơ kỹ thuật.

Về trạng thái hiện tại: các module hồ sơ phương tiện, ODO/KM, bảo dưỡng và chi phí đang được triển khai. Các module sửa chữa, phụ tùng, hồ sơ kỹ thuật và báo cáo đang trong giai đoạn phát triển.

AI Fleet Intelligence: định hướng phát triển

ETEKCAR đang phát triển AI Fleet Intelligence, lớp AI hỗ trợ phân tích dữ liệu đội xe và kỹ thuật phương tiện, xây dựng trên nền dữ liệu của PMQLPT. Đây là hướng đang phát triển, chưa phải tính năng đang được cung cấp. Nội dung bài viết này mang tính kiến thức và định hướng.

Kết luận

AI có thể hỗ trợ nhận diện rủi ro và gợi ý thời điểm nên kiểm tra phương tiện, nhưng không thể khẳng định chắc chắn khi nào xe sẽ hỏng. Giá trị của AI phụ thuộc vào chất lượng dữ liệu, và dữ liệu tốt bắt đầu từ việc ghi nhận đúng, đủ và nhất quán cho từng phương tiện. Đi từ dữ liệu nền, rồi mới đến phân tích và AI, là con đường thực tế hơn.