ما هي متطلبات إدارة البيانات لمركبات التوصيل الآلية؟

Nov 19, 2026

ترك رسالة

أوليفيا ويلسون
أوليفيا ويلسون
أوليفيا أخصائية تسويق في شركة جيانغسو لينيا للتكنولوجيا المحدودة، وهي مسؤولة عن الترويج لمنتجات الشركة من الروبوتات في السوق. وبفضل استراتيجياتها التسويقية المتميزة، نجحت في تعزيز الوعي بالعلامة التجارية لمنتجات الشركة محلياً وعالمياً.

إذا قضيت أي وقت في مجال مركبات التسليم الآلي - سواء كنت مشغل أسطول، أو مديرًا للخدمات اللوجستية، أو مجرد شخص ينتظر وصول طرد دون وجود سائق بشري خلف عجلة القيادة - فأنت تعلم أن الضجيج المحيط بهذه الأنظمة حقيقي. ولكن إذا كنت المورد المكلف ببناء هذه المركبات ودمجها وتوسيع نطاقها، فإن الضجيج يتلاشى بسرعة عندما تحدق في ملايين التفاصيل الصغيرة غير القابلة للتفاوض التي تحافظ على تحرك الأسطول بشكل موثوق وآمن وفعال من حيث التكلفة. على مدى السنوات الست الماضية، قام فريقنا بتصميم ونشر وتحسين أكثر من 200مركبات التسليم الآليعبر 12 مدينة أمريكية، وظل أحد الدروس عالقًا في ذهني أكثر من أي درس آخر: الفجوة الأكثر شيوعًا بين "النموذج الأولي العامل" و"الأسطول المربح والقابل للتطوير" ليست الأجهزة أو تكنولوجيا الاستشعار، بل إدارة البيانات. تتعامل العديد من الفرق مع البيانات في التسليم الذاتي كفكرة لاحقة، أو شيء يجب جمعه وأرشفته من أجل الامتثال أو المراجعة بعد الحادث. في الواقع، إنها العمود الفقري لكل قرار تتخذه هذه المركبات، بدءًا من الطريق الذي تسلكه في الساعة الثانية صباحًا وحتى كيفية التكيف عند ظهور منطقة بناء. في هذا المنشور، سأقوم بتفصيل متطلبات إدارة البيانات غير القابلة للتفاوض التي قمنا بصقلها على مدى الآلاف من عمليات التسليم، ولماذا يمكن أن يؤدي تخطي واحدة إلى إغراق الأسطول قبل أن يصل إلى عامه الأول في التشغيل.

أولاً، دعونا نرتكز على حقيقة ما لدينامركبة توصيل بدون سائقفي الواقع يفعل كل يوم. على عكس سيارات الركاب ذاتية القيادة، التي تحتاج فقط إلى نقل شخص واحد من النقطة أ إلى النقطة ب، فإن سياراتنا تتعامل مع أكثر من 15 محطة توقف في كل طريق، وتحمل بضائع حساسة لدرجة الحرارة (البقالة والأدوية وحتى الأطعمة المجمدة)، وتعمل في بيئات تتراوح من الطرق المسدودة الهادئة في الضواحي إلى مناطق وسط المدينة المزدحمة التي بها سيارات متوقفة بشكل مزدوج ومشاة عابرة. تولد كل مهمة من هذه المهام حجمًا مذهلاً من البيانات — بدءًا من سحابات LiDAR النقطية التي ترسم خريطة لكل حفرة ومشاة، إلى القياس عن بعد الذي يتتبع مستويات البطارية وحالة قفل الباب، إلى اللقطات غير المنظمة من الكاميرات الخارجية والداخلية التي تعتبر بالغة الأهمية للسلامة والدقة إذا أبلغ العميل عن حزمة مفقودة أو تالفة. في وقت مبكر من عملية النشر، حاولنا التعامل مع كل هذه البيانات بنفس الطريقة: تخزينها في مجموعة سحابية واحدة، بدون توحيد، والنظر إليها فقط عندما يحدث خطأ ما. أدى هذا النهج إلى مشكلتين كبيرتين: كنا نهدر 35% من ميزانيتنا التشغيلية الشهرية على تخزين بيانات زائدة وغير ذات صلة، وعندما وقعنا حادث (انحرفت مركبة لتجنب كلب، على سبيل المثال)، أمضينا أكثر من 12 ساعة في غربلة البيانات غير المصنفة لإعادة بناء ما حدث. لقد أدركنا سريعًا أن إدارة البيانات التفصيلية المستندة إلى الأدوار ليست بالأمر الجميل، فهي متطلب أساسي للتسليم الآلي.

إذًا، كيف يبدو هذا الهيكل القائم على الأدوار عمليًا؟ بالنسبة لفريق تكنولوجيا المعلومات لدينا، فإن استيعاب البيانات في الوقت الفعلي أمر غير قابل للتفاوض. ملكناتسليم مركبة ذاتية القيادةيرسل أكثر من 100 نقطة بيانات في الثانية إلى مركز القيادة لدينا، بما في ذلك إحداثيات نظام تحديد المواقع العالمي (GPS)، وضغط الفرامل، وحالة شحن البطارية، وحالة معايرة المستشعر. إذا تعطلت كاميرا المركبة في منتصف الطريق، فيتعين علينا أن نعرف ذلك في غضون 10 ثوانٍ، وليس 10 دقائق، لأن تعطل كاميرا واحدة قد يعني الفارق بين التوقف الآمن والاصطدام بسيارة متوقفة. ولتنفيذ هذا العمل، قمنا ببناء مسار بيانات في الوقت الفعلي يعطي الأولوية لبيانات السلامة الهامة (سلامة المستشعر، واكتشاف العوائق) للنقل بزمن وصول منخفض، في حين يتم تجميع البيانات غير الهامة (سجلات ضغط الإطارات الأسبوعية، والفحوصات الروتينية لمعايرة الكاميرا) وإرسالها بين عشية وضحاها، عندما يكون ازدحام الشبكة منخفضًا ويكون عرض النطاق الترددي أرخص. لم تؤدي هذه المقايضة إلى خفض تكاليف نقل البيانات الشهرية بنسبة 28% فحسب، بل خفضت أيضًا متوسط ​​الوقت لحل (MTTR) للمشكلات المتعلقة بالسلامة من 90 دقيقة إلى أقل من 5 دقائق. بالنسبة لفرق العمليات، تتحول المتطلبات إلى بيانات التسليم المنظمة والقابلة للاستعلام: أوقات التوقف، وكفاءة المسار، ونوع الحزمة، وملاحظات وصول العميل (مثل "رمز البوابة 123، التوصيل عند الباب الجانبي"). قبل توحيد هذه البيانات، كان فريق العمليات لدينا يُدخل يدويًا أكثر من 10 حقول لكل عملية تسليم، مما أدى إلى وجود أوقات توقف غير صحيحة في 15% من المسارات ووضع علامة على 8% من الطرود على أنها غير مُسلَّمة عن طريق الخطأ. الآن، نربط كل عملية تسليم بمخطط بيانات موحد، حتى يتمكن الفريق من سحب تقرير عن "جميع عمليات تسليم البقالة في شيكاغو التي تأخرت بسبب البناء بنقرتين"، بدلاً من قضاء ساعات في تنظيف جداول البيانات غير المنظمة. لا يقتصر هذا المستوى من البنية على تقليل العمل الإداري فحسب، بل يتعلق أيضًا بتوسيع نطاق العمل. عندما نضيف مركبات جديدة أو ندخل أسواقًا جديدة، لا يمكننا تحمل تكاليف بناء نظام بيانات جديد من الصفر في كل مرة. يتيح لنا المخطط الموحد الدخول إلى سوق جديد خلال أسبوعين، مقارنة بالشهرين اللذين استغرقهما النشر الأول.

الشرط الثاني لإدارة البيانات الضخمة الذي تعلمناه بالطريقة الصعبة هو الموثوقية والتكرار. لا تستطيع مركبات التوصيل الآلية تحمل انقطاع البيانات، ولا يستطيع مشغلوها ذلك أيضًا. إذا فقدت السيارة الاتصال بخادم البيانات الخاص بها في منتصف الطريق، فلا يجب أن تتجمد أو تقود بشكل أعمى حتى يعود الاتصال. وفي أوائل عام 2021، كان لدينا أسطول مكون من 15 طائرةسيارات التوصيل بدون سائقفي أوستن، تكساس، التي شهدت انقطاعًا في الشبكة لمدة 4 ساعات بسبب انقطاع الألياف. وبدون تخزين البيانات المحلية على المركبات نفسها، توقفت جميعها على جانب الطريق، مما أدى إلى إغلاق ممرات الدراجات وإجراء 21 مكالمة غير طارئة للشرطة المحلية. لقد كلفنا هذا الحادث غرامات قدرها 45000 دولار، بالإضافة إلى ثقة شريكنا اللوجستي، الذي كاد أن يسحب عقده بالكامل. بعد ذلك، قمنا بإعادة تصميم بنية البيانات لدينا بالكامل لتشمل الحوسبة المتطورة في كل مركبة. الآن، تحتوي كل مركبة توصيل آلية على خادم داخلي بسعة 2 تيرابايت يقوم بتخزين 7 أيام من البيانات في الوقت الفعلي محليًا، لذلك إذا انقطع الاتصال السحابي، يمكن للمركبة الاستمرار في اتخاذ قرارات آمنة وصحيحة. بمجرد استعادة الاتصال، تتم مزامنة البيانات المحلية مرة أخرى مع السحابة تلقائيًا، مع عمليات فحص مدمجة لتجنب الإدخالات المكررة. لقد قمنا أيضًا بتنفيذ إستراتيجية تكرار السحابة المتعددة، لذلك إذا حدث انقطاع في أحد موفري الخدمات السحابية، فسيتم توجيه البيانات إلى مزود ثانوي في أقل من 30 ثانية. وهذا ليس مجرد إصلاح تقني، بل هو أحد متطلبات العمل. يعتمد عملاؤنا اللوجستيون على هذه المركبات لتلبية فترات التسليم الضيقة، وتترجم موثوقية البيانات مباشرة إلى الأسعار في الوقت المحدد، ورضا العملاء، والولاء للعلامة التجارية.

ثالثًا، والذي غالبًا ما يتم تجاهله، هو خصوصية البيانات والامتثال. تقوم مركبات التوصيل الآلية بجمع كمية هائلة من البيانات الشخصية، بدءًا من لقطات الكاميرا للممرات السكنية وحتى إحداثيات نظام تحديد المواقع العالمي (GPS) التي تتعقب متى يكون العميل في المنزل. في الولايات المتحدة، نحن ملتزمون باللوائح الفيدرالية مثل قانون خصوصية المستهلك في كاليفورنيا (CCPA) وقانون حماية بيانات المستهلك في فرجينيا (VCDPA)، بالإضافة إلى القواعد على مستوى الولاية التي يمكن أن تختلف بشكل كبير. على المستوى الدولي، إذا توسعنا إلى أوروبا، فسوف نخضع للقانون العام لحماية البيانات (GDPR)، الذي يتضمن بعضًا من أكثر قواعد خصوصية البيانات صرامة في العالم. في وقت مبكر، واجهنا مشكلة: كانت كاميراتنا الخارجية تلتقط لقطات لوجوه العملاء عند اقترابهم من أبوابهم، وكنا نخزن تلك اللقطات إلى أجل غير مسمى "لأغراض أمنية". وأدى ذلك إلى تقديم ثلاث شكاوى من العملاء في كاليفورنيا، وأدركنا أننا نعرض عملائنا وشركتنا لمخاطر قانونية جسيمة. لقد قمنا على الفور بتحديث سياسة البيانات الخاصة بنا لتشمل قاعدتين أساسيتين للخصوصية: أولاً، يتم إخفاء هوية لقطات الكاميرا تلقائيًا خلال 24 ساعة، بحيث يتم إخفاء الوجوه ولوحات الترخيص قبل تخزينها. ثانيًا، يمكن للعملاء طلب حذف جميع البيانات المتعلقة بالتسليم (بما في ذلك سجلات نظام تحديد المواقع العالمي (GPS) ولقطات الكاميرا وتفاصيل الحزمة) خلال 72 ساعة من اكتمال التسليم. لقد أنشأنا أيضًا نظامًا للتحكم في الوصول إلى البيانات يقيد الوصول إلى البيانات الشخصية: فقط فريق الخصوصية لدينا يمكنه عرض لقطات مجهولة المصدر لأغراض التحقيق، ويتم تسجيل كل عمليات الوصول وتدقيقها كل ثلاثة أشهر. هذا المستوى من الامتثال ليس اختياريًا. يمكن أن تكلف غرامة خصوصية البيانات الواحدة الشركة ملايين الدولارات، وبالنسبة لمورد مثلنا، يمكن أن تدمر العلاقات مع عملاء المؤسسات الذين لديهم متطلبات امتثال صارمة للغاية. منذ بضعة أشهر، قمنا بضم سلسلة بقالة وطنية تطلبت إجراء تدقيق كامل لخصوصية البيانات كجزء من عملية تأهيل الموردين. لقد كان نظام البيانات المنظم والمتوافق الخاص بنا بمثابة فارق كبير، وأصبح هذا العقد الآن هو الأكبر لدينا حتى الآن.

Delivery Autonomous Vehicle factoryDriverless Delivery Vehicles

رابعا، بيانات التحسين المستمر. لا يوجد نظام تسليم آلي مثالي منذ اليوم الأول - ستكون هناك دائمًا حالات طارئة: طفل يطارد كرة في الشارع، أو شاحنة متحركة متوقفة تسد الرصيف، أو بوابة عميل مختبئة خلف شجيرات متضخمة. لإصلاح حالات الحافة هذه، لا تحتاج إلى بيانات يتم جمعها فحسب، بل يتم تصنيفها وتحليلها. واجه الجيل الأول من برامج التوصيل المستقلة لدينا صعوبة في التعامل مع مناطق الالتقاط على جانب الرصيف، وكان لدينا 12 حالة حيث انحرفت مركبة بعيدًا في حارة انتظار السيارات، مما أدى إلى عرقلة السيارات الأخرى. لقد أدركنا أنه تم جمع بياناتنا، ولكن لم يتم تصنيفها لتوضيح سبب حدوث تلك الأخطاء. لذلك قمنا ببناء فريق من معلقي البيانات الذين يقومون بمراجعة 10% من لقطات الكاميرا وبيانات LiDAR لكل عملية تسليم، ووضع علامات على العوائق، وظروف الطريق، وإجراءات السائق (أو في هذه الحالة، السيارة). في غضون ثلاثة أشهر، قمنا بتصنيف أكثر من 50000 حالة حافة، وتمكنا من تحديث برنامجنا للتعرف على مناطق الالتقاط على الرصيف، وتقليل تلك الحوادث بنسبة 85%. لن تكون دورة التحسين المستمر هذه ممكنة إلا إذا تمت إدارة بياناتك لدعمها. إذا كانت بياناتك غير منظمة أو مخزنة بطريقة يصعب البحث فيها، فلن تتمكن من العثور على الحالات المتطورة، ولن تتمكن من إصلاح البرنامج، وسوف تتخلف عن المنافسين الذين يقومون بالتكرار بشكل أسرع. وبالنسبة لنا، يعني هذا تخصيص 15% من ميزانيتنا التشغيلية كل شهر لتسمية البيانات وتحليلها، وهي تكلفة ننظر إليها كاستثمار، وليس كمصروفات. على مدى العامين الماضيين، تُرجم هذا إلى تحسن بنسبة 12% في معدلات التسليم في الوقت المحدد وانخفاض بنسبة 40% في حوادث السلامة، مما ساعدنا على خفض تكاليف التأمين لدينا بنسبة 30%.

وأخيرا، قابلية التوسع. باعتبارنا موردًا لمركبات التوصيل الآلية، فإننا لا نبيع منتجًا فحسب، بل نبيع خدمة ستنمو مع عملائنا. لقد تلقينا بالفعل طلبات لإضافة مراقبة درجة الحرارة لعمليات تسليم الأدوية، والتكامل مع البرامج اللوجستية التابعة لجهات خارجية، وحتى إضافة عمليات إرجاع بدون تلامس. تعتمد كل هذه الميزات على البيانات، ويجب أن يكون نظام إدارة البيانات لدينا قادرًا على التكيف بسرعة. في وقت مبكر، قمنا ببناء بنية البيانات لدينا على إطار عمل معياري، حتى نتمكن من إضافة أنواع بيانات جديدة دون إصلاح النظام بأكمله. على سبيل المثال، عندما طلب عميلنا تتبع درجة الحرارة لتوصيلات الأطعمة المجمدة، قمنا ببساطة بإضافة مستشعر جديد إلى المركبات، وقمنا بتحديث مخطط البيانات الخاص بنا ليشمل قراءات درجة الحرارة، ودمجنا نقطة البيانات الجديدة في خط أنابيبنا في الوقت الفعلي. استغرقت العملية برمتها أقل من أسبوع، في حين استغرق نظام البيانات الأول لدينا 6 أسابيع لإضافة نوع بيانات جديد واحد. تعني قابلية التوسع أيضًا القدرة على التعامل مع كميات متزايدة من البيانات. ومع توسع أسطولنا من 200 إلى 500 مركبة، سنجمع بيانات أكثر بمقدار 5 أضعاف، ويحتاج نظامنا إلى أن يكون قادرًا على التوسع دون زيادة التكاليف بشكل كبير. من خلال استخدام التخزين المستند إلى السحابة مع التوسع التلقائي والحوسبة المتطورة على المركبات، تمكنا من الحفاظ على تكاليف البيانات الخاصة بنا لكل مركبة ثابتة مع نمونا، وهو أمر بالغ الأهمية للحفاظ على الأسعار التنافسية لعملائنا.

إذا كنت مزود خدمات لوجستية تتطلع إلى الشراكة مع مورد موثوق به لمركبات التوصيل الآلي، أو مشغل مؤسسة يتطلع إلى إضافة هذه المركبات إلى أسطولك، فيجب أن تكون إدارة البيانات في أعلى قائمة الأسئلة التي يجب طرحها. إنها ليست مجرد تفاصيل فنية، بل هي ما يحدد ما إذا كان الأسطول يمكنه العمل بأمان وموثوقية وربحية. على مدى السنوات الست الماضية، شهدنا فشل العديد من مشاريع التسليم المستقلة الواعدة لأنها تختصر عملية إدارة البيانات، سواء كان ذلك بتجاهل قواعد الخصوصية، أو عدم وجود أنظمة زائدة عن الحاجة، أو الفشل في تكرار البرامج باستخدام بيانات العالم الحقيقي. بالنسبة لنا،مركبات التوصيل بدون سائقإن ما نبنيه ليس مجرد أجزاء من الأجهزة، بل هو عبارة عن أنظمة لتوليد البيانات، وإدارة تلك البيانات بشكل جيد هي الطريقة الوحيدة للوفاء بوعد التسليم المستقل: خدمات لوجستية أسرع وأرخص وأكثر موثوقية للجميع.

إذا كنت مستعدًا لاستكشاف كيف يمكن لحلول التسليم الآلي المدعومة بالبيانات أن تعمل لصالح عملك، أو تريد معرفة المزيد حول عملية نشر الأسطول لدينا، فنحن نود أن نسمع منك.

مراجع:

  1. الإدارة الوطنية للسلامة المرورية على الطرق السريعة (NHTSA). (2022). أنظمة القيادة الآلية: رؤية للسلامة 2.0. وزارة النقل الأمريكية.
  2. المنظمة الدولية للمعايير (ISO). (2021). ISO 22737: أنظمة النقل الذكية – أنظمة القيادة الآلية (ADS) لمركبات الطرق الخفيفة – متطلبات الأداء وإجراءات الاختبار.
  3. قانون خصوصية المستهلك في كاليفورنيا (CCPA). (2020). نص قانون خصوصية المستهلك في كاليفورنيا. مكتب كاليفورنيا للقانون الإداري.
  4. ماكينزي وشركاه. (2023). التسليم المستقل: توسيع نطاق الميل الأخير. التكنولوجيا العالمية والإعلام وممارسات الاتصالات.
  5. جمعية مهندسي السيارات (SAE الدولية). (2021). تصنيف وتعريفات المصطلحات المتعلقة بأنظمة القيادة الآلية للمركبات الآلية على الطرق (J3016).
إرسال التحقيق
إرسال التحقيق