כיצד לבצע אופטימיזציה של צריכת דלק בנייד Mining ציוד באמצעות Iot Data

מבוא

ציוד כריית נייד, כולל משאיות, עומסים, תרגילים, ופריטורים, יוצר עמוד השדרה של מיצוי מינרלים מודרני.מכונות אלה פועלות בתנאים קיצוניים, העברת כמויות מסיביות של חומר סביב השעון. צריכת דלק חשבונות עבור 30 עד 50 אחוזים של עלויות התפעול הכולל של הפעלת כרייה IoT, מה שהופך אותו אחד ההוצאות המבוקרותרות הגדולות ביותר.

על ידי התאמת ציוד כריית נייד עם חיישנים ברשת, מפעילי לקבל חשיפה בזמן אמת לצריכת דלק, ביצועים מנועים, ותנאי תפעול. זרם מתמשך זה של נתונים מאפשר לצוותים לזהות חוסר יעילות, לחזות כישלונות, ולהתאים את הפעולות על זבוב.כאשר משולבים עם פלטפורמות אנליטית ומודלים למידת מכונה, IoT הופך את מספרי הגלם לאסטרטגיות שימושיות אשר חותכות את השימוש ב- 10 עד 20 אחוזים או יותר.

תפקיד ה-IoT בניהול דלק מינוף

IoT בכרייה מתייחס לרשת של מכשירים פיזיים - רגישים, בקרים, שערים - המחוברים לפלטפורמה מרכזית באמצעות תקשורת אלחוטית.מכשירים אלה אוספים ומעבירים נתונים על בריאות הציוד, המיקום, העומס, המהירות, הזמן המזויף, וצריכת הדלק.המידע מעובד, מאוחסן, מוצג באמצעות לוחות נתונים ומערכות התראה ומפעילי צי יכול לפעול בזמן אמתי ללא IoT, לעתים קרובות נאספים את הדיווחים על פני דלק או מעכבים, או מעכבים באופן ידני, או מעכבים, או מעכבים את הנתונים באופן ידני, ומוסיפים, ומוסיפים באופן ידני, ומוסיפים, ומוסיפים, ומוסיפים, ומוסיפים, ומוסיפים, ומוסיפים, ומעכבים אתגרי מידע על פני אפשרויות חיסכון ושינויים זמני, ומעכבים, ומעכבים, ומעכבים, ומעכבים ושינויים זמניים, ומעכבים, ומעכבים, ומעכבים באופן ידני.

כיצד חיישן IoT ללכוד נתונים ממושכים לדלק

ציוד כריה מודרני מגיע מצויד עם מספר גדל והולך של חיישנים מותקנים במפעל: חיישנים ברמת דלק בטנקים, מעבורת על קווי דלק, מודולים בקרה מנוע (ECMs) הדו"ח RPM, מומנט, טמפרטורה ממצה, ו מקלטי GPS עבור מיקום ומהירות.לאחר חיישנים בשוק ניתן להוסיף לפקח על לחץ הידראולי, לשלם משקל, לחץ צמיגים, ואפילו דיקור מושבי, כל אלה הם מתואמים באופן ישיר של צריכת דלק, כלומר, לדוגמה, כלומר, לחץ על צריכת דלק נוזלי, כלומר, כלומר, לחץ גבוה של 40 אחוזים של צריכת דלק.

איסוף נתונים, Transmission, and Storage

חיישנים מעבירים נתונים באמצעות רדיו לטווח קצר (כמו Zigbee או Wi-Fi) אל שער מקומי באתר שלי, אשר לאחר מכן משתמש מנהלי סלולרי, לווין, או Wi-Fi לטווח ארוך לשלוח אותו לענן או שרת על-ידי קדם-עצמים, ברגע שיש, פלטפורמה נתונים כגון קציני תחזוקה רלוונטיים, מנרמל, ומאחסן את הנתונים של הזמן מספק שכבה גמישה של ציוד CMS ו-DMS יכול לתמוך בנתוני ניהולי, בעוד שברשותם של ציוד ניהולי.

אסטרטגיות מפתח אופטימיזציה של צריכת דלק עם IoT

איסוף נתונים הוא רק הצעד הראשון.הערך האמיתי מגיע מ המרת הנתונים לשינויים תפעוליים. להלן חמשת האסטרטגיים היעילים ביותר חברות כריית משתמשים כדי להפוך את תובנות IoT לחיסכון בדלק.

מעקב בזמן אמת ואזהרות אוטומטיות

ניטור רציף של רמות דלק ושיעורי הצריכה מאפשר למפעילים לזהות את הרגע שבו הם מתרחשים.לדוגמה, עלייה פתאומית בזרימת דלק על העומס יכול להצביע על דליפה הידראולית או בעיה מטרידה.לוח נתונים של IoT יכול לגרום התראה SMS למשגיח התחזוקה, אשר שולח טכנאי לפני הדליפות של דלק ומאגד את האתר באופן עקבי.

תחזוקה חיזוי למנוע תקלות של דלק

אי יעילות ציוד לעתים קרובות precede התמוטטות גדולה. מסנן אוויר מוצף חלקית, מזרקים מבועתים, או מטעינה כושל יכול לגרום המנוע לעבוד קשה יותר לשרוף יותר דלק. חיישנים IoT לעקוב אחר פרמטרים כגון טמפרטורה ממצה, צריכת לחץ כפול, ומודלים למידה מכונה על נתונים היסטוריים יכול לנפץ סטיית דגל עדינים וחיזוי ימים לפני שזה קורה לאחר מכן החלפתם של 15%, ולהפחית את התחזוקה לא פעיל של צריכת דלק, ירידה של 5.

ניתוח התנהגות ואימון

סגנון נהיגה המפעיל יש השפעה עצומה על יעילות הדלק. האצה אגרסיבית, התכה קשה, idling מוגזמת, ומהירות יתר יכולה להגדיל את השימוש בדלק ב-20% או יותר. נתונים של IoT יכולים לכמת את ההתנהגות של כל מפעיל על ידי הקלטה אירועים לכל נסיעה: מספר הבלמים קשים, זמן idle הכולל, מנוע ממוצע RPM, וזמן בפסגות לדרגות דלק על ידי יעילות דלק ורמות מהירות של 15% (ת דלק) עבור מנוע אחד (מספקי לחץ דם) עם דירוגים).

המונחים: loading Optimization

משאיות הulage לצרוך כמויות לא פרופורציונליות של דלק כאשר הם מוגזמים, תחת עומס, או נאלץ לקחת מסלולים ארוכים יותר עקב תנאי כביש ירודה או עומס.על חיישנים של מטען הסיפון (למשל, חיישני לחץ השעיה) להעביר נתונים בזמן אמת במשקל זמן נסיעה של זמן נסיעה של משאית על עומסי הדלק האופטימליים שלה, המערכת מזהירה את מפעיל העומס כדי להפחית את גודל ה- GPS בשילוב עם מצב של לחץ דם ארוך (מטווח) מאפשר להפחית את רמות דלק דינמית ביותר, אם כיבית של 8 עד לחץ דם ארוך יותר מטווח) מאפשר לחץ דם ארוך.

מנוע וכוונון הידרוקולי

נתונים ECM מחיישנים IoT חושפים אם מנוע פועל בתוך הלהקה היעילה ביותר של RPM למשימה.לדוגמה, אם מערכת הידראולית של קידוח הוא שואב יותר כוח מאשר צורך לסובב את החלק, עומס המנוע עולה, שריפת דלק נוסף.שימוש תובנות מהציוד, ציוד מחזורי אינטרנט או טכנאי אתר יכול להתאים את יעילות המנוע הידראולי, קצבי זרימה ואפילו לחץ צמיג כדי להתאים את התנאים הספציפיים (מידתיות, צפיפות חומרים מודרנית, מנועים אלקטרוניים).

יתרונות מעבר לחיסכון בדלק

בעוד המטרה העיקרית היא להפחית את צריכת הדלק, אופטימיזציה המונעת על ידי נתונים המתוארים לעיל מניבה קדמיית של הטבות משניות המחזקות את המבצע כולו.

עלויות הפעלה נמוכות

דלק הוא לעתים קרובות העלות המשתנה הגדולה ביותר בכריית.הפחתה של 10% משפרת באופן ישיר את שולי הרווח.מעבר לדלק, תחזוקה חיזויית מורידה עלויות תיקון, פחות התמוטטות להפחית עלויות שכירות עבור ציוד חלופי, והפחתה יעילה של ירידה בצמיגים ללבוש ומנוע ללבוש.

דוחות של איכות הסביבה וקיימות

חברות המיון מתמודדות עם לחץ גובר מצד הרגולטורים, המשקיעים והקהילות המקומיות כדי להפחית את טביעת הרגל שלהם פחמן נתונים מספק פליטות חריגות, גרנוריות מלאי על ידי מכונה ועל ידי שינוי.עם נתונים אלה, פעולות יכולות להפגין עמידה בקופות פליטה, זכאיות לאשראי פחמן, ולדווח על התקדמות לעבר מטרות דלק נמוך יותר.

חיים בציוד מורחב

מנועים, שידורים ורכיבים הידראוליים המופעלים בתוך הפרמטרים האופטימליים שלהם ומקבלים תחזוקה בזמן האחרון.תחזוקה מבוססת מצב מבוסס IoT מחליפה לוחות זמנים מבוססי לוח שנה, כך שמרכיבים מוחלפים רק כאשר הם נדרשים.זה נמנע גם מהחלפה מוקדמת (waste) וכישלון (נזקי קטסטרופלי).

שיפור הבטיחות והמודעות המבצעת

רבים מזרמי הנתונים המשמשים אופטימיזציה לדלק משרתים גם יישומי בטיחות.חיפוש בזמן אמת מונע התנגשות.התנהגות המפעילה ניטור דגלים עייפות או נהיגה לא יציבה. חיישנים ויברציה לזהות סיכון רולובר.כאשר בטיחות ויעילות דלק הם במעקב באותה מערכת, המפעילים מבינים כי נהיגה טובה היא גם בטוחה וגם יעילה, יצירת לולאה חיובית.

אתגרים וכיצד להתגבר עליהם

יישום אופטימיזציה למנועי דלק מונע IoT אינו ללא מכשולים, הכרה באתגרים אלה מעלה מסייעת לחברות הכרייה לתכנן פריסה מוצלחת.

השקעה ראשונה

התקנת חיישנים, שערי רשת, תשתיות רשת ופלטפורמת נתונים יכולה להיכנס למאות אלפי דולרים עבור צי בינוני בגודל בינוני.עם זאת, ההחזר על ההשקעה הוא לעתים קרובות פחות מ 12 חודשים.התחל עם צי של 5 עד 10 מכונות כדי להוכיח את החיסכון לפני הגדלה.ספקים רבים חיישן מציעים אפשרויות להקלה, ופלטפורמות מבוססות ענן להפחית את עלויות ה-IT.

אבטחת מידע ופרטיות

מכשירים IoT מרחיבים את פני השטח של ההתקפה. חברות מינון חייבות ליישם הצפנה (TLS 1.3 עבור נתונים במעבר, AES-256 עבור נתונים במנוחה), אימות מכשיר מאובטח, עדכוני קושחה קבועים, ולוחמת רשת. בחר פלטפורמה נתונים כגון Directus הכולל בקרת גישה מבוססת תפקידים, יומני ביקורת, ו-GDPR / C-5 ציות.

גליגל סקיל

מידע בין IoT דורש אנליסטים, מהנדסים וצוות תחזוקה שיכולים לתרגם לוחות נתונים לפעולה. אתרי מכרה רבים חסרים תפקידים מיומנים אלה.הפתרון הוא להשקיע באימון אנשי צוות קיימים - טכנאי תחזוקה מאומנים יכולים ללמוד להשתמש בלוחם תחזוקה מבוסס מצב ביום.שותף עם ספק פתרון IoT המציע שירותי ניתוח מנוהל יכול גם לגשר על הפער עד שהאתר בונה יכולות פנימיות.

שילוב עם Legacy Systems

ציוד ישן לעתים קרובות חסר חיישנים מותקנים במפעל או יש פרוטוקולים תקשורת קנייניים. רטרוfitting יכול להיות יקר.עד את הניקונים הראשוניים (משאיות, עומסים גדולים) שיש להם את צריכת הדלק הגדולה ביותר ואת רוב הרווח. השתמש לאחר חיישנים בשוק אוניברסלי ערכות עם ממשקי אוטובוס CAN שפועלים על פני רוב מנועי דיזל.

מחקר: אופטימיזציה של דלק באינטרנט באיירון אוסטרלי גדול

יצרנית ברזל גדולה באזור פילברה של מערב אוסטרליה מפעילה צי של 120 משאיות הובלה, כל אחת מהן צורכת כ-100 ליטר לשעה. עם עלויות דלק חשבונאות עבור 35% מהתקציב התפעולי שלהם, ניהול קבע יעד להפחית את צריכת הדלק ב-12% מעל שנתיים.הם פרסמו חיישנים על כל המשאיות, כולל קוראי ECM, דלק, חיישנים, מערכות זיהוי של תשלום, באמצעות רשת פרטית של LTE ו-SAPIQ.

בתוך ששת החודשים הראשונים, המבצע השיג ירידה של 9.5 אחוזים בצריכת הדלק הממוצעת לטון.הנהגים המרכזיים היו:

• (ב) הפחתה:0 (ב) אזהרות מקודמות כאשר משאיות ספגו יותר מ-10 דקות; זמן של ניתוק ממוצע ירד ב -40%.
• (FLT:0) מטענים מבוימים: מפעילי מטען 1FLT קיבלו משוב מיידי כאשר משאיות היו מוגזמות; שכר ממוצע מופחת מ 8% ל 2 אחוזים.
• (FLT:0) תחזוקה מוקדמת: 1FLT 1 גילוי מוקדם של מסנן אוויר כושל על שלוש משאיות הציל כ-15,000 ליטר דלק לפני השירות המתוכנן.
• (FLT:0) אופרטטור אימון: 1FLT:1 , כרטיסי ציון חודשיים יחד עם מערכת מתגמלת שינה את יעילות הדלק הממוצעת של הצי מ-1.8 ק"מ / L עד 2.1 ק"מ / L.

הפרויקט ששולם לעצמו ב-14 חודשים.המכרה מרחיבה את ה-IoT למטענים, דוזרים וכלי רכב קלים, ושילוב נתוני הדלק עם מערכת תכנון משאבי הארגון הרחבה יותר שלה.

טכנולוגיה לאופטימיזציה של דלק IoT

בניית מערכת אופטימיזציה מלאה של דלק IoT דורשת מספר שכבות של טכנולוגיה.

חיישן וHardware

• חיישנים ברמה גבוהה (FLT:0) חיישנים ברמת פלסגוניים: 1FLT:1 Capacitive או או קולי עם דיוק של 1%.
• (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) .0ECM ממשקים: cc-Fial: 1FLT:1 קוראי אוטובוס אשר מייצרים J1939 או מסגרות נתונים סטנדרטיות אחרות.
• (ב) [17] ,0) ,GPS/GNSS: GNSS: GNFIRLT 1 עבור מיקום ומהירות.
• (ב) חיישנים של מטען:0) חיישנים: 10.10.1 מדדי סטרין או מישעת לחץ.
• (ב) ,0)Operator ID: קוראי RFID 1:1 או מודולים מרכזיים לקשור נתונים לנהג ספציפי.
• (FLT:0)Gateway / edge:FLT:1) מחשב מחוספס אשר אוסף נתונים של חיישן, ניתוח קצה קצה, ומעביר לענן.

קישוריות

• רשת האזור המקומית:0 (FLT:1) Wi-Fi 6 או LTE פרטית להעברת נתונים בפסווי גבוה באתר.
• רשת שטח של תפוצה:0Wide: FLT:1 Satellite (למשל, Iridium או Starlink) עבור אתרים מרוחקים ללא כיסוי סלולרי.
• (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ,0) VPN ו- Zero-אמון רשתות: FLT:1 כדי להבטיח נתונים מן הקצה אל הענן.

Data Platform (Directus and Its Role)

בלב ערימה התוכנה יושב פלטפורמה ניהול נתונים. RESTFLT:0Directuscore1ER1 פועל כמו CMS ללא ראש ו- Data backend, תוך שימוש בנתונים חיישן זמן באמצעות ה- API שלה, אחסון אותו במסד נתונים יחסי (PostaSQL או MySQL), וחשיפתו ליישומים ניתוחיים ומפעילי לוח זמנים יכולים להשתמש ב-Directus כדי להגדיר נתונים מותאמים אישית עבור כל סוג של ציוד תחזוקה, כולל של טיפולי תיבות של טיפוליות, או ניהול קבצים אוטומטיים של אבטחה, כולל של טיפוליות.

Analytics ו- Machine Learning

• (FLT:0)Time-series Database: FLT:1 InfluxDB או TimescaleDB לאחסון נתונים של חיישן גבוה.
• (ב) ,0) עיבוד של סטום: 1FLT:1 Apache קפקא או MQTT ברוקרים עבור צינורות אירועים בזמן אמת.
• (FLT:0) Machine Learning Platform:FLT:1 TensorFlow, PyTorch, או שירותי Auto-ML כדי לבנות תחזוקה חיזוי ומודלים לזיהוי אנומלי.
• (ב) ⁇ :0) ⁇ : 1FLT:1 Grafana, Tableau או לוחות מחוונים מותאמים אישית שנבנו על ממשק API של Directus.

מפת דרכים ליישום מבצע Mining

אימוץ אופטימיזציה של דלק IoT לא קורה בין לילה. השתמש בגישה הבאה כדי להבטיח הצלחה.

שלב 1: הערכה ותכנון (Weeks 1-4)

• בדוק את נתוני צריכת הדלק הנוכחית וזיהוי מרכזי העלות הגדולים ביותר.
• בחר צי טייס (למשל, 10 משאיות, 2 מ"ר).
• Define key Performanceאינדיקטורים (ליטים לטון, אחוזי זמן של idle, מטענים variance).
• קישוריות Assess צריכה: לשדרג ברשת האתר במידת הצורך.
• בחר חומרת חיישן, שער ופלטפורמת נתונים (למשל, Directus).

שלב 2: התקנה ואינטגרציה (Weeks 5-8)

• התקנת חיישנים על צי הטייס והגדרת שער.
• הגדר Directus עם מודלים נתונים עבור ציוד, חיישנים, יומני שינוי ורשומות תחזוקה.
• הקמת APIs עבור צבירת נתוני חיישן וחיבור למערכות ERP או CMMS קיימות.
• לוח המחוונים הבסיסי של רמות דלק בזמן אמת וצריכה לכל מכונה.
• אימון מפעיל על לוחות נתונים חדשים ואזהרות.

שלב 3: בסיס וקאליברציה (Weeks 9-1212)

• להפעיל את המערכת במשך ארבעה שבועות ללא התערבות כדי להקים צריכת דלק בסיסית.
• אימות דיוק חיישן נגד מדידות דיופ ידני ורשומות כרטיסי דלק.
• מודלים של תחזוקה חיזויית עם נתונים היסטוריים של כשל.
• מפקחי משמרת רכבת ותחזוקה מובילים לפרשנות הנתונים.

שלב 4: התערבות ואופטימיזציה (Weeks 13-2424)

• יישום התראות idle-reduction ו-Competcards.
• התחל המלצות תחזוקה חיזוי (למשל, החלפת מסנני אוויר לוח זמנים).
• תכנון מסלול מותאם המבוסס על ניתוח זמן של מחזור GPS.
• ביצוע ביקורות שבועיות של מגמות צריכת דלק ולהתאים את סף.
• להרחיב את תוכניות תמריצים עבור מפעילי דלק יעיל.

שלב 5: גודל ושיפור מתמשך (מונטה 7-1212)

• רוץ אל הצי המלא, הוספת חיישנים לציוד פרטי נמוך יותר.
• אינטגרציה עם מערכות דיווח סביבתיות לציות.
• לולאות משוב תפעוליות (למשל, מנוע אוטומטי כוונון בהתבסס על עומס).
• Benchmark נגד עמיתים בתעשייה ולהגדיר מטרות חדשות להפחתה.
• חקר ניתוח מתקדם כמו תאומים דיגיטליים עבור סימולציה נתיב וחיזוי דלק.

עתיד של אופטימיזציה של דלק מסוג IoT במינוינג

הגבול הבא כולל שילוב של נתונים של IoT עם בקרת רכב אוטונומית, מנועים חשמליים היברידיים ודלקים חלופיים.כפי שממכרים מתקדמים לעבר מערכות הובלה אוטונומיות לחלוטין, אותה תשתית IoT שמפקחת על צריכת הדלק כיום תאכיל אלגוריתמים של זמן אמתיים אשר מייעלים מהירות, מתפתלים ועומס הפצה ליעילות אנרגיה מקסימלית.בינתיים, משאיות תאי סוללות חשמליים ומימן מתחילים להיכנס לשירות; נתונים יהיו אחראים במידה שווה לצריכת מימן, אשר תשקיעועת נתונים קריטית, אשר תשקיעועת, אשר תקבע כיום, כדי להפעיל את יעילות מידע מתקדמת, מימנה, אשר תפקדה של חברות אבטחה, מימנה.

Furthermore, edge computing is reducing the latency between data capture and action. Instead of sending all sensor data to the cloud, edge devices can run lightweight machine learning models that detect inefficiencies and adjust engine parameters within milliseconds—without waiting for a round trip to the data center. This capability is especially valuable in remote mines where satellite latency can exceed 600 milliseconds. Platforms like Directus, with their flexible APIs and ability to interface with both cloud and edge computing layers, make it possible to build a unified data fabric that scales from a single haul truck to a global fleet.

בסופו של דבר, המטרה אינה רק לשרוף פחות דלק, אלא גם להוציא את הערך המקסימלי האפשרי מכל ליטר דיזל – ובסופו של דבר מכל שעה של סקייפ של חשמל.פי נתונים, שנאספו כראוי, לנתח, ולפעול על ידי, הוא המנוע שמניע את השינוי הזה.