پیش از بازگشت خودرو: ابزارها و هوش مصنوعی در خدمت بازرسی ناوگان
پیش از آنکه خودرو در زمان بازگشت و در آخرین فرصت، دارای نقص یا آسیب غیرمنتظره تشخیص داده شود، باید با انجام چندین مرحله بازرسی در داخل شرکت، وضعیت آن از قبل بررسی شود. شرکت Xylem، متخصص راهکارها و فناوری‌های حوزه آب که ۱۷۶ خودرو را در قالب اجاره بلندمدت (LLD) در اختیار دارد، از جمله شرکت‌هایی است که برای این کار از WeProov، متخصص بازرسی دیجیتال خودرو، استفاده می‌کند.
غسلین کوینه، مدیر خرید منطقه جنوب غرب اروپا در Xylem، توضیح می‌دهد: «تکنسین یا کارمند، لینکی را روی تلفن هوشمند خود دریافت می‌کند. سپس اپلیکیشن او را برای عکاسی از خودرو راهنمایی می‌کند؛ اینکه از کدام بخش، با چه زاویه‌ای و در چه نوری عکس بگیرد. به این ترتیب، کل خودرو مستندسازی می‌شود.» این ابزار بر اساس تصاویر، آسیب‌ها را شناسایی می‌کند و با استفاده از شبکه تعمیرکاران ارائه‌شده توسط WeProov، هزینه آن‌ها را برآورد می‌کند.
تسهیل بازرسی‌ها
کویین ادامه می‌دهد: «سپس با Fleeter تصمیم نهایی را می‌گیریم؛ اینکه خودرو تعمیر شود، تعمیر نشود یا موضوع برای دریافت خسارت به شرکت بیمه اعلام شود.» او اضافه می‌کند: «WeProov به‌وضوح از هوش مصنوعی برای شناسایی آسیب‌ها استفاده می‌کند، اما تصمیم‌گیری نهایی همچنان انسانی است.»
دیوید بالی، مدیر خدمات عمومی و HSE در گروه مهندسی صنعتی Fives که ۸۷۶ خودرو دارد، نیز به یک ابزار دیجیتال متکی است: «نزدیک به دو سال است که از ابزار مدیریت ناوگان شرکت GAC Technology برای اجرای کمپین‌های بازرسی خودرو استفاده می‌کنیم. این قابلیت، به‌ویژه برای فرآیند بازگشت خودرو بسیار جالب است؛ مخصوصاً در سایت‌هایی که مدیر ناوگان به‌صورت فیزیکی حضور ندارد.»
در این شرایط، راننده نیز وارد فرآیند می‌شود. بالی می‌گوید: «او اکنون می‌تواند با استفاده از اپلیکیشن، خودش خودرو را بررسی کند، تصاویر موردنیاز (از جلو، طرفین و بخش‌های دیگر) را ثبت کند، کیلومتر خودرو را وارد کند یا هرگونه ناهنجاری را گزارش دهد.»
با این حال، این مدیر نسبت به هوش مصنوعی محتاط است: «ما هنوز هوش مصنوعی را در کمپین‌های کنترلی خود به‌طور واقعی آزمایش نکرده‌ایم؛ بنابراین نمی‌توانم بگویم تا چه حد قابل استفاده است. اما ظرفیت آن را برای کمک به تصمیم‌گیری می‌بینم. در حال حاضر، این فناوری هنوز در Fives به اندازه کافی توسعه نیافته است که نتایج ملموسی ارائه دهد. امروز ارزیابی همچنان عمدتاً بر عهده مدیر ناوگان مربوطه و در فرآیند بازخورد نیز بر عهده بازرس است.»
هوش مصنوعی؛ ابزار کمکی
در Macadam، شرکتی متخصص در بازرسی‌های مربوط به بازگشت خودرو، هوش مصنوعی نیز در عمل تنها نقش کمکی دارد. وینسنت مویلرت، مدیرعامل Macadam، می‌گوید: «گروه Macadam بخشی دارد که به‌طور ویژه روی پیشرفت‌های هوش مصنوعی کار می‌کند. ما بیش از یک میلیون تصویر در ماه تولید می‌کنیم و این پایگاه داده، از جمله برای آموزش ابزارهای خودکار تشخیص آسیب، استفاده می‌شود.»
او ادامه می‌دهد: «در این مرحله، هوش مصنوعی دستیار بازرس است. می‌تواند به او اعلام کند که احتمالاً یک آسیب را شناسایی کرده است، اما بازرس همیشه آن را تأیید می‌کند. ما اجازه نمی‌دهیم این سیستم به‌صورت مستقل هزینه‌های تعمیر و بازسازی را تعیین کند.»
برای راهنمایی کاربران
بازرسی اولیه همچنین می‌تواند به راننده سپرده شود. کریستوف ویلَن، مدیر فروش Macadam، می‌گوید: «مدیر ناوگان می‌تواند از راننده بخواهد یک بررسی مقدماتی را بر اساس چند تصویر انجام دهد. سپس اپلیکیشن با کمک هوش مصنوعی می‌تواند بخشی را که احتمالاً آسیب دیده است شناسایی کند و کاربر را در ارزیابی اینکه چه چیزی ممکن است شامل هزینه شود یا نشود، راهنمایی کند. این قابلیت برای ناوگان‌هایی که چندین اجاره‌کننده دارند بسیار مفید است؛ زیرا یک خط و خش پنج سانتی‌متری ممکن است توسط یک شرکت پذیرفته شود و توسط شرکت دیگری هزینه‌دار تلقی شود.»
در شرکت Mon Petit Carrossier نیز فرآیند مشابهی انجام می‌شود. استیون گرانت، مدیر توسعه این شرکت، توضیح می‌دهد: «وقتی خودرو نزد مشتری ما به پایان دوره استفاده خود می‌رسد، از کارمند می‌خواهیم حدود شش تا هشت هفته پیش از بازگشت، مجموعه‌ای از تصاویر را با استفاده از اپلیکیشن موبایل ما ثبت کند. هدف ما این است که بیشترین نماهای ممکن از خودرو را دریافت کنیم. سپس تصاویر وارد ابزاری می‌شوند که دارای بخش هوش مصنوعی است و می‌تواند آسیب‌های جزئی را که گاهی در تصاویر به سختی دیده می‌شوند، مانند برخی فرورفتگی‌ها، شناسایی کند.»
هوش مصنوعی برای محاسبه هزینه تعمیر
هوش مصنوعی در محاسبه هزینه تعمیرات نیز به کار گرفته می‌شود؛ برای نمونه در شرکت Dentmaster، متخصص بازاریابی مجدد خودرو، که از هوش مصنوعی برای تولید پیشنهاد قیمت استفاده می‌کند. پیر هِیرو، مدیرعامل Dentmaster، می‌گوید: «برای مدیران ناوگانی که درباره منطقی بودن یک تعمیر تردید دارند، ما در پلتفرم خود به‌صورت رایگان برآورد هزینه ارائه می‌کنیم که تنها بر اساس چند تصویر انجام می‌شود.»
او ادامه می‌دهد: «راننده یا مدیر ناوگان می‌تواند مستقیماً با تلفن همراه خود به carmeleon.fr، وب‌سایت شرکت تابعه ما Carmeleon، مراجعه کند. در آنجا مرحله‌به‌مرحله برای گرفتن تصاویر از آسیب‌های خودرو راهنمایی می‌شود تا ما بتوانیم پیشنهاد قیمت را تهیه کنیم. تمام این مرحله نخست کاملاً از راه دور انجام می‌شود.»
در میان شرکت‌های بررسی‌شده، CESMAT در حال حاضر برای بازرسی پیش از بازگشت ۲۵۰ خودروی خود از اپلیکیشن یا ابزار هوش مصنوعی خاصی استفاده نمی‌کند. موریل کولو-ویسکونتی، مدیر T&E در این شرکت فعال در حوزه هسته‌ای و پرتوشناسی، می‌گوید: «ممکن است این کار در آینده انجام شود، اما در حال حاضر اولویت فوری ما نیست. ما اکنون در حال تجهیز خود به نرم‌افزار مدیریت ناوگان هستیم. تا امروز، فایل‌های اکسل پراکنده زیادی داشتم. هدف این است که اطلاعات را متمرکز کنیم، آمار پیشرفته‌تر، داشبورد و سیستم‌های هشدار، به‌ویژه برای سرویس‌های دوره‌ای و موعدهای مختلف، داشته باشیم.»
انتظار می‌رود این ابزار به‌زودی در CESMAT راه‌اندازی شود. پس از آنکه این مرحله نخست تثبیت شود، احتمالاً این شرکت خواهد توانست در سال ۲۰۲۷ بیشتر روی فرآیند بازگشت خودرو کار کند.