Inzicht in Ritten Gegevens

Een statistische analyse naar beïnvloedbare factoren van het verbruik van diesel

Inzicht in Ritten Gegevens

Dit artikel zal ingaan op het verbruik van diesel tijdens de gemaakte ritten. Er zal onderzocht worden welke factoren in welke hoedanigheid bijdragen aan dit verbruik en welke keuze gemaakt moeten worden om dit verbruik te minderen.

Het artikel zal ingaan op de technische analyse en modellering van het onderzoek. Het project is puur voor onderzoek uitgevoerd, om zo beter te begrijpen wat er speelt.


Introductie

Diesel verbruik is binnen een transport bedrijf een grote kosten post. Begrijpen welke factoren, en in welke mate, invloed hebben op het verbruik van diesel is hierdoor van groot belang.

Met een prestatieanalyse kunnen we rit gegevens van de voertuigen analyseren en evalueren. Het houdt rekening met de moeilijkheden van de reis en stelt ons in staat om informatie te verzamelen over de rijeigenschappen van het voertuig, evenals de rijstijl van de betreffende bestuurder.

De prestatieanalyse levert nuttige informatie voor een herberekening van ritten en helpt ons met name om het brandstofverbruik van het wagenpark inzichtelijk te maken. Bovendien kan het helpen om de slijtage van de voertuigen te minimaliseren.

De software evalueert de rijstijl van de chauffeur, de moeilijkheidsgraad van de ritten en de rijeigenschappen van het voertuig met behulp van een beoordelingssysteem. De evaluatie gebeurt via een schaal tussen 1 en 10.

In onderstaande plot worden de verschillende waarderingen gemiddeld per chauffeur weergegeven welke we in dit artikel nader zullen toelichten.

Sommige waarderingen zijn breed verspreidt, wat inhoudt dat binnen het bedrijf gemiddeld verschillend wordt presteerd, andere waarderingen zijn constant hoog. Duidelijk zichtbaar is dat bij enkele van deze waarnemingen verbetering te realiseren is.

In dit artikel wordt antwoord gegeven op de vraag: hoeveel verbetering is gemiddeld mogelijk te behalen en wat voor effect zal dit naar verwachting hebben.

Data

Om na te gaan of verbetering überhaupt mogelijk is bekijken we het laatste jaar aan data en visualiseren we het verband tussen verschillende variabelen.

De uitstoot per kilometer is afhankelijk van verschillende factoren. Om objectief te kunnen analyseren wat voor effect een chauffeur heeft op het verbruik van diesel moet rekening gehouden worden met factoren waar een chauffeur geen invloed op heeft.

Zo kan een rit bijvoorbeeld zwaar geladen zijn of een kortere afstand bedragen. Het verbruik zal hierdoor ook hoger zijn per kilometer, echter heeft de chauffeur hier geen enkele invloed op.

In onderstaande plot is het gemiddeld verbruik per chauffeur getoond van de ritten in het afgelopen jaar. In de plot wordt visueel verband gelegd tussen het gemiddeld aantal kilometer van de chauffeur en het gemiddeld gebruik van cruisecontrol.

Duidelijk zichtbaar is dat het aantal kilometer (een factor waar de chauffeur geen invloed op heeft) een erg groot positief effect heeft op de verbruik gerelateerde waardering. Daarnaast lijkt het gebruik van cruisecontrol (een factor waar een chauffeur wel degelijk een effect op heeft) ook een positief effect te hebben.

Model

Doormiddel van een wiskundig model kunnen we objectief het daadwerkelijke verband meten tussen het dieselverbruik en de factoren waar de chauffeur invloed op heeft.

In de modellering worden de volgende variabelen meegenomen die een effect hebben op het verbruik van diesel.

De rijstijl waardering is een gewogen gemiddelde en is opgebouwd uit meerdere sub waarderingen. Het verbruik per 100 kilometer wordt gemodelleerd om het directe effect van afstand te filteren.

Er is gekozen om met de omgekeerde waarde van Y te modelleren om de optreding van heteroscedasticiteit tegen te gaan. Dit effect is geconstateerd na een eerste modellering en moet gecorrigeerd worden.

We zoeken dus naar de invloed die de rijstijl waardering heeft op het verbruik per 100 kilometer. Vervolgens kunnen we deze waarde onderverdelen onder de verschillende sub waarderingen en weten we op welke vlakken een chauffeur verbetering kan realiseren.

Op deze manier kunnen we de maximale waarde welke theoretisch haalbaar is berekenen en weten we welke chauffeurs welke stappen moeten uitvoeren om deze waarde te behalen.

Resultaten

In onderstaande uitdraai worden de coëfficiënten van de variabelen in het model weergegeven.

72% van de variantie kan verklaard worden met de variabelen die worden meegenomen in het model. De variabelen zelf verschillen allemaal significant van nul.

De variabelen zijn tegen het omgekeerde van het verbruik gemodelleerd (1/Y). Dit houdt in dat de coëfficiënten teruggerekend moeten worden naar origineel om een relevante uitspraak te kunnen doen over het bijbehorende effect van de waardering.

Wanneer alle andere variabelen (afstand, gewicht, temperatuur) gemiddeld constant blijven, neemt het verbruik per 100km met 1.2 liter af wanneer een chauffeur 1 punt (q=1) hoger scoort.

Als we dit resultaat doorrekenen voor alle chauffeurs komt het volgende beeld naar voren.

Bovenstaande plot toont het percentage besparing ten opzichte van totaal mogelijk. Het laat zien dat 40% van de chauffeurs welke het meest kunnen besparen, meer dan 80% van de totale besparing kunnen realiseren.

Dit zijn de chauffeurs die minder presteren en in combinatie veel kilometers rijden, deze chauffeurs kunnen het meeste besparen.

Goedheid van het model

Om een uitspraak te kunnen maken moet worden beoordelen of met model voldoet aan de eisen en voorwaarde die gelden. In onderstaande plot worden de residuen van het model tegenover de voorspelde waarde geplot.

Er is amper tot geen structuur te herkennen, naast enkele uitschieters lijken de residuen normaal verdeeld te zijn. Bij hoge waarde van de voorspelling van het verbruik lijkt een licht ander patroon aanwezig te zijn.

In onderstaande plot is te zien dat de betrouwbaarheidsintervallen zijn gecorrigeerd voor de stijgende variantie bij hogere waarde van y.

Naast bovengenoemde voorwaarde zijn verschillende andere voorwaarde op een zelfde manier beoordeeld.

Conclusie

Het resultaat lijkt niet veel, maar wanneer we de 1.2 liter/100km doorrekenen voor een heel jaar en voor alle chauffeurs, kan dit resultaat in de 10 duizenden liters lopen.

Door af te wegen hoeveel liter brandstof we theoretisch kunnen besparen kan een goed beeld geschetst worden om hoeveel geld dit ongeveer zou gaan. Met een gemiddelde dieselprijs van 1.8 euro kan dit best veel geld besparen.

Vervolgens kan een beeld gegeven worden welke stappen een chauffeur moet ondergaan om het gewenste resultaat te behalen. Dit resultaat kan in onze dashboards gemonitoord worden op het gewenste resultaat.