Fleetoptimiser-1

Produkt

Fleet Optimiser

Fleet Optimiser anvender AI til facilitering af grøn omstilling af transport af flådestyring i din organisation.

Hvad er Fleet Optimiser?

Fleet Optimiser er en avanceret AI-drevet løsning udviklet af Droids Agency, der revolutionerer en virksomheds flådestyring ved at optimere sammensætningen af biler og andre faretøjer i en organisation. Dette kan reducere CO2-udledning og øge økonomisk effektivitet.

Velkommen til Fleet Optimiser - din nøgle til at revolutionere måden, du styrer din bilflåde på. Vi præsenterer en avanceret løsning, der ikke kun bruges til at opnå besparelser, men også reducerer CO2-udledning og øger økonomisk effektivitet. Fleet Optimiser er resultatet af et samarbejde med Aarhus Kommune og en lang række andre kunder. Løsningen er skabt til at løse de udfordringer, som offentlige myndigheder såvel som private virksomheder står overfor i dag, når de skal gennemføre den grønne omstilling af transporten. 

Med Fleet Optimiser får du et kraftfuldt værktøj, der giver dig mulighed for at træffe velinformerede beslutninger, simulere scenarier og tilpasse din flåde for at opnå maksimal effektivitet. Dette er en mulighed for at tage din flådestyring til det næste niveau, ved hjælp af avanceret kunstig intelligens (AI), som er udviklet med fokus på din organisations behov og mål.

Er du klar til at opdage, hvordan Fleet Optimiser kan hjælpe dig med at opnå en grønnere, mere omkostningseffektiv og bæredygtig flåde?

Kundernes erfaring er, at de ved at anvende løsningen strategisk kan spare ca. 15 % i driftsøkonomi og op til 75 % i CO-udslip.
Overordnede use cases for Fleet Optimiser:

Simulering af konsekvenser

Simulerer konsekvenser for både økonomi og CO2- udledning.

Eksempel: Få svar på, hvilken konsekvenser det ville få, hvis 50% af dine leasede biler blev erstattet af elektrisk drevne Volvo EX30.

Kan de samme behov stadig dækkes når ny opladning og rækkevidde tages i betragtning? Hvad er CO2-besparrelserne, og hvilke økonomiske omkostninger får det?

Automatisk flådeoptimering

Automatiske forslag til det optimale antal og typer af køretøjer i flåden ud fra en prioritering mellem økonomi og CO2-reduktion.

Eksempel: Du oplyser de 15  biler, som du kan tilvælge på dine leasingaftaler, og AI algoritmen fortæller dig, hvad der er det bedste valg i forhold til CO2 og årlige prisomkostninger.

Forstå virkninger af div. tiltag

Fleet Optimiser analyserer GPS data fra dine køretøjer, og tager dermed udgangspunkt i dit historisk kørselsmønster. Udtræk detaljerede rapporter for at få afklaring af effekt og konsekvens af tiltag.

Eksempel: Hvilken CO2 gevinst og bundlinje-gevinst giver det, hvis der vedtages et krav om, at alle ture under 10km i dagstimerne skal køres på elcykler?

fo_forside
Vælg flåde og datoperiode for simulering ved manuel – eller automatisk flådesammensætning
fo_flaadesammensaetning

Med den manuelle flådesammensætning kan man teste forskellige scenarier med den nuværende flåde.

Hvad vil der ske, hvis fire fossilbiler erstattes med tre cykler?

Hvad gør det ved udledningen, økonomien og kan kørselsbehovet fortsat tilfredsstilles?

Der kan testes fiktive køretøjer med forskellig WLTP. Der kan simuleres med vagtlag, så der tages hensyn til faggruppers brug af køretøjer i bestemte tidsperioder. Der kan indstilles adskillige simuleringsparametre; udledning pr. liter benzin, kr. pr. kWh, accepterede længde på cykelture og meget mere. Blandt resultaterne af simuleringen vises hvor mange rundture der ikke kan allokeres og hvad den potentielle besparelse og reduktion er. Den simulerede køreplan kan downloades til Excel, så man kan undersøge præcis hvilket køretøj, der kører hvilken rute.

fo_maalsimulering

Med den automatiske målsimulering afsøges det vha. af en optimeringsalgoritme hvilken flåde, der vil være den bedste ud fra de givne parametre. Har man specifikke økonomi – eller udledningsmål kan det indtastes, hvorefter der vil blive forslået 0 til 5 løsninger, der tilfredsstiller kørselsbehovet.

Det kan prioriteres om man ønsker mere økonomisk besparende flådesammensætninger, eller om man ønsker mere CO2 reducerende løsninger. Der kan vælges en pulje af testkøretøjer man tillader i de endelige løsninger. Bl.a. kan det udnyttes til let at teste konsekvenserne ved at inddrage nye typer af elbiler i flåden.

fo_konfiguration
Konfigurationsside til at justere meta-data på køretøjerne. Her kan også tilføjes testkøretøjer. 
fo_dashboard_overblik
Samlet overblik over kørte ture af køretøjerne i FleetOptimiser. Det kan ses over en valgt dato perioder, hvordan tre forskellige parametre udvikler sig; CO2-udledning, andel af ture kørt i elbil og det totale kørte antal km. Det vil tydeligt vise om kørslen over en længere periode går i den rigtige retning ift. bl.a. udledning.
fo_dashboard_koersel_1
Her vises et overblik og den faktiske kørsel på bestemte lokationer. Der kan filtreres på dato, lokation, afdelinger og specifikke køretøjer. Den øverste graf viser den gennemsnitlige kørsel pr. dag i de forskellige vagtlag for de valgte køretøjer (nummerplade og afdeling fjernet). Den nederste graf viser den samlede kørsel fordelt på månedsbasis for de valgte køretøjer.
fo_dashboard_koersel_2
Overblik over den gennemsnitlige kørsel pr dag for de forskellige vagtlag. 
fo_dashboard_koeretoejsaktivitet
Overblik over den faktiske kørsel på lokations - og køretøjsniveau. Heatmap der fremhæver de dage, hvor der er kørt mindre end den indtastede grænseværdi (40)
fo_dashboard_turoverblik
Se antallet af rundture der er kørt under et vis antal kilometer. Rundturen kan fremhæves, så det kan ses hvor mange køre - og parkeringssegmenter den består af.

Se hvordan Fleet Optimiser fungerer

Teknisk baggrund:

Fleet Optimiser er drevet af avanceret kunstig intelligens (AI) og er skabt til at imødekomme de unikke udfordringer, som offentlige myndigheder og private virksomheder står overfor, når de skal gennemføre den grønne omstilling af transporten. Bag den kraftfulde løsning ligger en omfattende teknisk infrastruktur og datadrevne processer, der gør det muligt at eksekvere en strategi om flådeoptimering og bæredygtig transport i praksis. 

  • AI-Optimeringsalgoritmer:
    Fleet Optimiser udnytter avancerede AI-optimeringsalgoritmer, der beregner den mest effektive sammensætning af din flåde baseret på en række parametre, herunder økonomi, CO2-udledning og specifikke kørselsbehov.
  • Dataindsamling og -analyse:
    Vores system indsamler og analyserer kontinuerligt data fra køretøjer, lokationer og vagtlag. Dette giver mulighed for realtidsmonitorering og optimering af flådeaktiviteter.
  • Simuleringskapacitet:
    Fleet Optimiser tilbyder avancerede simuleringsværktøjer, der giver dig mulighed for at eksperimentere med forskellige scenarier og ændringer i flåden. Dette gør det muligt for brugerne at træffe velinformerede beslutninger på et øjeblik.
  • Integreret Cloudinfrastruktur:
    Vores løsning er bygget på en europæisk cloudplatform, der sikrer skalerbarhed og tilgængelighed. Med både backend og frontend-funktionalitet, brugerstyring, datapipelines og AI-optimeringsalgoritmer leverer FleetOptimiser en pålidelig og sikker løsning.
  • Brugercentreret Udvikling:
    Udviklingen af Fleet Optimiser har altid haft brugernes ønsker og behov i fokus. Dette har resulteret i en brugervenlig platform, der kan tilpasses individuelle myndigheders krav og prioriteringer.

Den tekniske baggrund for Fleet Optimiser understreger vores engagement i at levere en banebrydende løsning, der ikke kun optimerer flådestyring, men også bidrager til en mere bæredygtig fremtid.

Emil kontor_lille-1

Emil Sarauw

Partner & Lead på Fleet Optimiser

Email

Telefon: 20 70 86 05

 

Syddjurs Cover-1

Aarhus

Aarhus Kommune: 

"Værktøjet Fleet Optimiser kan skabe klimasmart flådestyring for offentlige myndigheder ved hjælp af kunstig intelligens."

Følg med løbende i opdateringer om projektet hos Aarhus kommune.

KL SubCover

KL Case

KL:

"Kunstig intelligens skaber grønnere kørsel i Aarhus Kommune"

Læs det case KL har skrevet om projektet.

Kontakt os