Логистика: предиктивное обслуживание автопарка

Ситуация: Внеплановые поломки автопарка — 12% от общего фонда машино-дней. Средняя стоимость внеплановой поломки в 3,2 раза выше плановой.

Транспортная компания с 500 грузовиками. Текущее обслуживание — по пробегу (каждые 15 000 км). Телематика установлена на 80% парка, но данные не используются для прогнозирования.

Доступные данные

• vehicles: vehicle_id, model, year, total_km, last_service_date, next_service_km
• telematics: vehicle_id, timestamp, engine_temp, oil_pressure, brake_wear_pct, fuel_consumption, vibration
• maintenance_log: vehicle_id, service_date, type, parts_replaced, cost, downtime_hours, planned
• breakdowns: vehicle_id, breakdown_date, location, cause, repair_cost, tow_cost, delivery_delay_hours

Задачи

• Определить ключевые телеметрические сигналы-предикторы поломки.
• Построить модель предсказания поломки на горизонте 7 дней.
• Рассчитать оптимальный интервал обслуживания для разных моделей и условий.
• Оценить ROI перехода от time-based к predictive maintenance.

Все кейсы для подготовки → ← Все кейсы