Qyteti i Detroit menaxhon një flotë të madhe prej mbi 2,500 automjetesh, thelbësore për ofrimin e shërbimeve publike si policia, menaxhimi i mbetjeve dhe shërbimet emergjente. Megjithatë, ky sistem u përball me sfida të mëdha, përfshirë kostot e larta të mirëmbajtjes, kohën jashtë shërbimit të automjeteve dhe proceset joefikase të ndjekjes manuale. Pas falimentimit të shpallur në vitin 2013, Detroit kërkoi zgjidhje inovative për të përmirësuar efikasitetin dhe për të reduktuar shpenzimet.

Sfidat

1. Kosto të Rritura të Mirëmbajtjes:
Me një mesatare prej $7.7 milionë në vit për mirëmbajtje, automjetet e vjetruara dhe praktikat reaktive të riparimeve rritën ndjeshëm shpenzimet.

2. Joefikasitet Operativ:
Proceset manuale për ndjekjen dhe planifikimin e mirëmbajtjes shkaktuan ndërprerje të papritura, duke rritur kohën jashtë shërbimit të automjeteve dhe duke penguar ofrimin e shërbimeve.

3. Të Dhëna të Izoluara:
Regjistrat e mirëmbajtjes ishin të shpërndara midis departamenteve të ndryshme, duke e bërë të vështirë analizimin dhe vendimmarrjen strategjike.

Zgjidhja

Në bashkëpunim me Michigan Data Science Team nga Universiteti i Michiganit, Detroit ndërmori një iniciativë të bazuar në të dhëna për të revolucionarizuar menaxhimin e flotës. Projekti përfshiu analizimin e të dhënave të mirëmbajtjes nga viti 2010 deri në 2017 për të identifikuar modelet dhe për të zhvilluar modele të mirëmbajtjes parashikuese.

Hapat Kryesorë të Implementimit

1. Konsolidimi i të Dhënave:
Të dhënat e mirëmbajtjes nga departamente të ndryshme u përfshinë në një bazë të vetme të dhënash, duke mundësuar analiza gjithëpërfshirëse.

2. Analiza e Avancuar:
U përdorën teknika si tensor decomposition për të identifikuar modelet kohore të mirëmbajtjes dhe për të kuptuar arsyet e prishjeve të shpeshta.

3. Modelimi Parashikues:
U zhvilluan modele me rrjeta nervore të avancuara si Long Short-Term Memory (LSTM) për të parashikuar nevojat për mirëmbajtje dhe për të planifikuar ndërhyrjet në mënyrë proaktive.

4. Mjete Vizualizimi:
U krijuan panele vizuale interaktive që tregonin trendet e mirëmbajtjes, kostot dhe performancën e automjeteve, duke fuqizuar vendimmarrjen.

Rezultatet

1. Ulje e Kostove:
Kalimi nga strategjitë reaktive në ato parashikuese uli shpenzimet për mirëmbajtje me rreth $1.5 milionë në vit.

2. Përmirësim i Kohës në Shërbim:
Planifikimi proaktiv minimizoi ndërprerjet e papritura, duke siguruar që automjetet të qëndronin funksionale dhe shërbimet të mos vonoheshin.

3. Vendimmarrje e Informuar:
Të dhënat dhe analizat ndihmuan qytetin të marrë vendime strategjike për zëvendësimin e automjeteve, përparësimin e mirëmbajtjes dhe shpërndarjen e burimeve.

4. Efikasitet Operativ:
Proceset e mirëmbajtjes u thjeshtësuan dhe koordinimi midis departamenteve u përmirësua ndjeshëm falë menaxhimit të qendruar të të dhënave.

Përfundimi

Bashkëpunimi i Qytetit të Detroit me Universitetin e Michiganit tregon fuqinë transformuese të menaxhimit të flotës të bazuar në të dhëna. Duke përdorur analiza të avancuara dhe modelim parashikues, Detroit arriti kursime të mëdha financiare dhe përmirësoi ndjeshëm besueshmërinë dhe efikasitetin e operacioneve të flotës së tij.

Ayefleet mund të ndihmojë organizata të tjera të arrijnë rezultate të ngjashme, duke ofruar platforma për monitorim të avancuar, planifikim të mirëmbajtjes dhe analiza në kohë reale. Me Ayefleet, menaxherët e flotës mund të parashikojnë nevojat për mirëmbajtje, të optimizojnë performancën e automjeteve dhe të sigurojnë një operacion të qëndrueshëm dhe efikas.