שימוש ב- Advanced Analytics Machine Learning תחזית לכישלון מערכת האפליה

השימוש ב- Advanced Analytics and Machine Learning toחיזוי כשלי מערכת ההפלה בפעילות צי

בניהול צי מודרני, ללא תכנון שולי קרקעי, וכל התמוטטות מונעת מאיימת על התחייבויות השירות.הנישואין של ניתוחים מתקדמים ולמידה מכונה משנים את האופן שבו ארגונים לפקח ושומרים על תת-מערכת קריטית.מערכות הפלסטרציה - מסנני דלק, מסננים נפט, מסננים אוויריים, מסננים הידראוליים, ופילטרים נוזליים של דיזל - נמצאים באופן הדרגתי על פני משאיות, ציוד חשמלי, אך ורק בתנאי חילוף-זמניים, אך ורקד, חסומים של ציוד חשמלי, הם פועלים באופן הדרגתי, אך ורק בתנאי מחסנים, חסומים, אך ורק בתנאי מחסנים, חסמיים, חסמיים, חסומים, חסמיים, חסמיים, אך ורקפים, כמו גם ממריצים, אך ורק בתנאי מחסנים, חסמיים, אך ורקפים, חסמיים, אך ורקדמים, אך ורקדמים, חסמיים של כלי רכב מוגבלים, חסמיים, חסמיים, חסמיים, חסמיים, חסמיים, חסמי רכב מוגבלים, אך ורקפים, אך ורקפים, אך ורקפים, אך ורקפים, אך ורקפים, חסמי רכב מוגבלים, הם פועלים, חסמי רכב מוגבלים, אך ורקפים, אך

מאמר זה מספק בדיקה מקיפה של כמה מתקדם ניתוח ולמידה מכונה הם לפרוס כדי לחזות כשלים במערכת סינון בסביבות צי.We מכסה טכנולוגיות חיישן, מודלים גישות, אדריכלות יישום, יתרונות מוחשיים על פני סוגים צי, ואת האתגרים המעשיים שיש להתגבר עליהם להפוך את נתוני המכונית הזרמה לתוך אינטליגנציה יעילה תחזוקה.We גם לחקור מגמות מתפתחות כמו קצה AI, תאומים דיגיטליים, ולמידה מופחתת כי כדי להפוך סימולציה מצופה יותר מאשר תחזוקה סטנדרטית.

הבנת מצב הכישלונות של הפלסטרציה בנכסים צייים

מערכות הפלפלציה בכלי רכב צי פועלות בתנאים תובעניים.מנוע משאית דיזל מסתמך על מסננים מרובים: מסנן הדלק העיקרי מסיר מים ומדיקות חלקיקים לפני שהדלק מגיע למשאבת הזרקת בלחץ גבוה; מסנן הנפט מלוכד את מוצרי הבעירה וחבוש פסולת; המשאיות האוויר מגנות על צריכת אבק, אבקה וגביע כבישים; ומשאיות מודרניות, DEF מבטיחות הפחתה נכונה של מערכות דלק נוזליות, אשר יסתמומיות.

מצבי כישלונ נפוצים כוללים:

(ב) ⁇ :0) , שיבושים וחיתוך: ⁇ 1:1 , ⁇ של contaminants מגביר לחץ שונה על פני התקשורת המסנן, ובסופו של דבר מגביל את זרימת או גורם עקף.
(FLT:0) ,Catastrophic media קרע: irph:1 תחת לחץ שונה גבוה או מתח מכני, אלמנט המסנן יכול לקרוע, ומאפשר נוזל לא מטומטם לזרום לתוך מרכיבים במורד הזרם.
(ב) [15] ,0) , הידרדרות ודליפה: ראט"א: גאסקט ו- O-rings harden או סדק, יצירת נתיבים לנוזלים חסרי סינון כדי לעקוף את האלמנט.
(FLT:0) התגלמות מים וצמיחה מיקרוביאלית: ההרחבה: 1) במיוחד במסננים דלק, הצטברות מים יכולה לטפח חיידקים ופטריות, מה שמוביל להאצת ההונאה והקורוזיה.
(FLT:0Chemical Dision: FIRLT:1) חשיפה לטמפרטורות קיצוניות או כימיקלים אגרסיביים יכולה להחליש את התקשורת, להפחית את יעילותה ואת השלמות המבנית.

כל מצב של כשל יש השלכות ספציפיות.מסנן אוויר מוצף מגביר את צריכת הדלק עד 10% בעיצובים של מנוע ומפחית את תפוקת החשמל. מסנן שמן הידראולי כושל יכול לגרום לשקיטה, המוביל לתיקומי דלק יקרים והארכה זמן קצר.בפעילות צי, עלות התמוטטות של כביש בודד למשך זמן ארוך-החלל כולל דמי ניכוי (FLT: $-2,000 דולר) והפסדים של 15,000 דולר ל-F) משכרים פוטנציאליים (F)

כדי לעצב מודלים חיזוי יעיל, מהנדסי צי חייבים להבין את הפיזיקה מאחורי כל מצב כשל.לדוגמה, לחץ שונה על פני מסנן דלק עוקב אחר עקומה לא ליניארית: בתחילה טעינה איטית, ולאחר מכן מאיץ את המטענים להיות חסומה. בדומה, סינון שמן מתואם עם שעות מנוע ומוצרים של דלעת שמן. על ידי מיפוי התנהגויות פיזיות אלה לחתימות, מדעני נתונים יכולים לבחור תכונות ומודלים מתאימים.

תחזוקת החיזוי של פרדוקסלי צי ה-Fal Filtration

(התחזוקה החיזויית הופכת את המודל המסורתי על ראשו, במקום לשאול את ה-FLT:0) כאשר המסנן הזה השתנה לאחרונה?FLT:1, הוא שואל את FLT:2 מה הוא הבריאות הנוכחית של מסנן זה בהתבסס על נתונים בזמן אמת, וכמה חיים שימושיים נשאר?FLT 3: 3 זה מסתמך על מעקב רציף של פרמטרים כגון לחץ אחר, זרימה, טמפרטורה, וזרימה, וגילוי מוקדם של חומרים מקרינה).

עבור ציים, המעבר לתחזוקה חיזוי משכנע במיוחד בגלל הגודל. צי של 500 משאיות עשוי לשנות באופן קולקטיבי 1,500 מסנני דלק בשנה על לוח זמנים קבוע.אם ניתוח חיזוי יכול להאריך את חיי המסנן הממוצעים ב-30%, בעוד שעדיין מונעים כישלונות, ההפחתה בעלויות חד פעמיות ושעות העבודה היא משמעותית, בנוסף תובנות חיזוי מאפשרות ניתוק חכם יותר של כלי רכב לתחזוקה ולתרונכרומים טובים יותר עם תיקונים מוקדמים, במקום שינוי של רכב, במקום לניקוז, במקום לניקוז, במקום לניקוז, במקום לניקיון מוקדם של מכונית, במקום לניקיון מוקדם, במקום לניקיון, במקום לניקיון מוקדם יותר, כדי להפחתת זמן, במקום לניקוז, במקום לניקוז, כדי להפחתת זמן, כדי להפחתת כמותועתועתועתועתועתועתו של מכונית, במקום לניקוז, לניקו, במקום לניקועתו, במקום לניקו, במקום לניקועתועתועתועתו של מכונית, במקום לניקו של מכונית, במקום לניקו של מכונית, עדיף, לניקו של מכונית, לניקו של מכונית, לניקוז, עדיף, כדי להפחתת זמן, עדיף

פרדיגמת התחזוקה החיזויית תומכת גם בתוכניות תחזוקה מבוססות תנאים הנדרשות על ידי כמה הסכמי אחריות ומדיניות ביטוח. מפעילי צי יכולים להפגין גישה קפדנית, המונעת נתונים לטיפול בציוד, פוטנציאל הורדת פרמיות והגדלת חיי הרכיב.

Advanced Analytics and Machine Learning: The Predictive Engine for Fleets

תשתיות חיישן ואוסף נתונים

הבסיס של תחזוקה סינון חיזוי ציים הוא צינור הנתונים מחיישנים רכב ויחידות טלמטיות.כלי רכב מסחריים מודרניים מופעלים עם מערך גדל והולך של חיישנים:

(FLT:0) חיישנים בלחץ משמעותי 1R) מעבר לדלק, שמן ומסננים אוויר, המספקים אינדיקציה ישירה של טעינה מסנן.חיישנים אלה בדרך כלל לייצר אות 0-5V או 4-20 מ'A ביחס לירידה בלחץ.
(FLT:0) מ"ר ודלק הזרקת חיישנים של לחץ חיישנים של חיישנים של חיישנים לאחור: (FLT:1) שמשקפת באופן עקיף את מצב המסנן.
(FLT:0Engine שמן חיישנים איכות חיישנים FLT:1 למדידה קבוע דיאלקטרי, שקיפות וספירת חלקיקים.שינויים קבועים דיאלקטריים מצביעים על חמצון שמן או זיהום על ידי דלק או מים.
(FLT:0 חיישנים טמפרטוריים (TemperatureחיישניםFLT:1) בדיור מסנן ובקווים נוזליים. מסנן מוצף יכול לגרום לחימום מקומי עקב חיכוך מוגבר, בעוד מסנן עקיפה עשוי לאפשר נוזל קריר יותר להגיע רכיבים במורד הזרם.
(FLT:0) ו-Eccelerometersssigph:1) על ראשי מסנן ועל גבי חזיונות הרים.
(FLT:0) מעקבי מצב הסביבה (FLT:1) (טמפרטורה, לחות, לחץ ברומטרי) כי הקשר בין שיעור הטעינה מסנן.לדוגמה, מסננים אוויריים לטעון מהר יותר בסביבות אבק, ומסננים דלק נוטים יותר להצטברות מים בתנאים לחמצון.

שערי טלמטיות מצטברים נתונים אלה ומעבירים אותם לפלטפורמות ענן, או בזמן אמת או במרווחים (למשל, כל 15 דקות בזמן שהמנוע פועל) לציים, ה- API של ספק הטלמטי לעתים קרובות מספק זרמי נתונים סטנדרטיים.

מודלים לחיזוי כישלון של צי הפלסטרציה

לאחר שצנרת הנתונים הוקמה, הדוגמנות האנליטית מתחילה.גישות למידה של מכונה שונות מתאימות לתרחישים שונים של חיזוי כישלונ בהקשרים צייים:

(FLT:0) מודלים סיווגים סופר-ביקורים FLT:1 יעילים כאשר רשומות כישלונות היסטוריות קיימות עם תוויות עבור פעילות נורמלית, מצב טרום-תזונה, וכישלון בפועל. Algorithms כגון ⁇ שיפור (XGBoost, LightGBM) יערות אקראיים יכולים ללמוד דפוסים הנדסיים מורכבים מנתוני חיישן החלון.לדוגמה, מודל עשוי ללמוד עלייה בלחץ שונה של 15 ק"מ, כדי להפחית את רמת ההסתברות של צריכת דלק קלה, כדי להפחית את רמת הפחתת כמות הפחתת זמן, או ירידה של צריכת דלק.

סדרת חיזוי זמן (FLT) היא ערך עבור מסננים שמצמצמצמים בהדרגה.שימוש בטכניקות כמו ARIMA, נביא או רשתות LSTM, המודל צופה ערכים עתידיים של פרמטרים מרכזיים כגון לחץ שונה.על ידי הגדלת רצף נתונים, המערכת מעריכה את המשך החיים שימושיים (RUL) של המסנן.

(FLT:0) Unvised anomaly זיהוי FIRLT:1) היא גישה חזקה כאשר נתונים כישלונות מתוייגים הוא בקושי.שיטות כמו יערות בידוד, קודרים, או אחד מסוג SVMs ללמוד את פרופיל התפעולי האופייני של מסנן ברכב ספציפי בתנאים הייחודיים שלו.כל סטייה מפרופיל זה - כגון עלייה פתאומית ברטט או עלייה הדרגתית של שמן התנהגות - מסלול קבוע של תגובה אחת, לעתים קרובות, אם הוא מתפתח של בעיות אבטחה אחת.

(FLT:0) מודלים של Hybridue FLT:1 משלב טכניקות מרובות.לדוגמה, גלאי לא מבוקר עשוי לעורר התראה ראשונית, ואחריו מתווך בפיקוח כדי לזהות את מצב הכישלון, ולאחר מכן לוח זמנים סדרה זמן לצפות להעריך זמן להוביל גישות שכבות כאלה לאפשר תשובות בוגר - מהודעה לוחמת תחת לחץ נמוך לטקסט דחוף להודעה משותפת של ארכיטקטורת אבטחה משותפת עם מגוון רחב של עצי זיכרון עם סיווג נפרד עם פרופילים עם פרופילים עם אבטחה.

בניית צינור ייצור-Grade Analytics

מעבר מפיתוח מודלים לפריסה תפעולית דורש הנדסה זהירה.צי נתונים צבירה חייב להתמודד עם מהירות גבוהה ונפח: צי בינוני בגודל בינוני יכול לייצר terabytes של טלמטריות בכל שנה. צינורות ניקוי נתונים חייב לטפל סחף, טיפות תקשורת, שגיאות calibration. תכונה הופכת את חיישנים גולמיים לתוך קלטות כי מודלים יכולים להשתמש ביעילות - לדוגמה, ממוצע, שיעורי של שינוי, אינטגרלי, אינטגרלי, ו התנגשויות ארוכות טווח, לוכדים, 10 דקות לוכדים, לוכדת, לוכדים, ו לוכדים, קיבולת אחת, 1 זמן קצר יותר לוכדת, לוכדת, לוכדת לוכדת תאים קצרים יותר לוכדת לוכדת, 000 זמן לוכדת , 000 , 000 , 000 , 000 גרורתי, 000 זמן סגסוגת סגסוגת קיבולת.

אימון מודלים ואימות חייב לקחת בחשבון את הזמינות על פני סוגי הרכב, מודלים המנועים, וסביבות התפעוליות. מודל מאומן על נתונים ממשאיות משלוח באזור החוף לחות לא יכול להכלל היטב למשאיות לוחיות יתר על הכביש בהריםריד. Retraining מחזורים, לעתים קרובות חודשי או רבעון, להבטיח מודלים להישאר הנוכחי עם תנאים מתקדמים.

היתרונות של מפעילי צי

יישום filtration חיזוי מספק החזרות למדידה על פני מדדים תפעוליים מרכזיים:

חברת משאיות גדולה אחת דיווחה כי אזהרות צפויות לסינון דלק מתבטלות ב-40% בשנה הראשונה, וחוסכות אלפי הכנסות מייצור והפסד.
(FLT:0) הוצאות החלפת מסונן מסונן: FIRLT:1 ; מיפוי חיים מסונן עד 15-20% על פני צי מפחית עלויות ניתנות להשגה באופן משמעותי.עבור צי של 1,000 משאיות שמשנות מסננים נפט כל 15,000 קילומטרים, הרחבה של 20% פירושה ש-33% פחות שינויים מסנן על אותו מייל. Assuming a $ 50 $ ו 30 עבודה לשינוי, חיסכון שנתי של $ 40,000.
(FLT:0) Extended מנוע וחיי מערכת הידראוליים: boudFLT:1 לוכד מסנן עקף או כריתת שומן מוקדם מונע שמן מזוהמים או דלק להגיע רכיבים רגישים. במערכות הידראוליות, זה יכול להוסיף שנים לשאיבה וחיים שסתום.A אחד משאבה הידראולי החלפת עבור משאית לסרב עולה 3,000-6,000 $ בחלקים בלבד.
(FLT:0) שיפור פליטות תאימות: FLT:1 פילטרים DEF יכולים לגרום לפענוח של מערכות הפחתה קטליטית סלקטיבית, המוביל לפליטת NOx מופרזת קנסות רגולטוריים פוטנציאליים.
(FLT:0) ניצול כוח העבודה הטוב ביותר: צוותים של תחזוקה 1:1 יכול לאשר כלי רכב עם ציוני הסיכון הגבוהים ביותר, צמצום זמן בילה על בדיקות סינון שגרתי ומאפשר להתמקד יותר תיקונים קריטיים.

מפעילי צי מדווחים גם על הטבות רכות יותר: אמון הנהג מוגבר בידיעה שהציוד שלהם נשמר באופן פרואקטיבי, ושיפור שביעות רצון הלקוחות מעיכובים פחות בשירות.הרווחים הבלתי מוחשיים האלה לעתים קרובות מטיפים את המקרה העסקי לקראת השקעה בתשתיות ניתוח.

יישום אתגרים ואסטרטגיות מייגציה

בעוד היתרונות ברורים, פריסת ניתוח חיזוי עבור סינון בציים אינה ללא אתגרים. ארגונים חייבים לטפל בנתונים, מודל, ומכשולים תפעוליים.

איכות נתונים ותשתיות

נתוני טלמטארי צי הם לעתים קרובות רועשים, עם פערים מכיסוי סלולרי אבוד, כישלונות חיישן, או שיעורי הדגימה לא עקביים.זמני איסוף מנוע (כאשר לא נוצר נתונים) יכולים להחמיץ אירועים קריטיים.מדיניות ניהול נתונים המבטיחה מוסכמות סטנדרטיות, יחידות הסינכרון של זמן, בדיקות איכות הן חיוניות.בנוסף, רטרוfitting כלי רכב ישנים ללא חיישנים מותקנים לאחר ההתקנה, אשר מוסיפים יציאות סטנדרטיות, או ספקי רכב משולבים יותר.

מודל אי-אפשרות ואמון

טכנאי תחזוקה ומנהלי צי צריכים לבטוח בתערות שהם מקבלים.מודל שחור-קופסא שדגל מסנן ככל הנראה להיכשל בתוך 100 קילומטרים, אך לא מציע שום הסבר לא יתעלמו לאחר כמה אזעקות שווא.מודל הפרשיות של מודלים כגון ערכי SHAP או LIME יכול להדגיש כי אותות החיישן תרמו לחיזוי.לדוגמה, המערכת עשויה להסביר: "לא רצויה עקב עלייה שונה של 12 שעות של טיפול, עם מודל אבטחה פשוט יותר מ-15 שעות" (למשל, עם ירידה).

שילוב עם זרימת עבודה צי

התראה חיזויית היא רק חשובה אם היא גורמת לפעולה מתאימה.אינטגרציה עם תוכנת ניהול צי ו-CMMS היא קריטית.המערכת צריכה לדעת שכל לוח הזמנים של חובת הרכב, המיקום, ואירועי תחזוקה מתקדמים.לדוגמה, אם משאית במעבר יש מסנן הצפוי להיכשל ב-200 מייל, המערכת יכולה להמליץ על הסחה לחנות לתיקון שותפים, לבדוק באופן אוטומטי את הזמינות, ולעדכן את מערכת ההפעלה.

סקיל גפר ומומחה ל Domain

פיתוח מודלים חיזוי יעיל דורש הבנה הן הנדסה ממוחשבת והן filtration Physics.צי לעתים קרובות חסר כישרון מדעי נתונים פנימי.שותף עם ספקי טלמטיים או חברות ניתוח מיוחדות יכול לגשר על הפער. Alternatively, כמה ציים לשכור מהנדסי אמינות שיכולים לעבוד עם מדעני נתונים כדי להגדיר תכונות משמעותיות ואימות של תפוקה.על-ידי העברת ידע מתמשך להבטיח כי מומחי דומיין יכולים אינטראקציה עם פלטפורמת הניתוח - מנטרולטיבית והתאמה על החידושים המבוססים על טכנאים מאובטחים.

כיוונים עתידיים לתחזוקה צפויה של צי

כמה מגמות מתעוררות ישפרו עוד יותר את היכולות של ניתוח חיזוי עבור סינון צי:

(FLT:0)Edge AI לקבלת החלטות בזמן אמת: ⁇ FLT 1:1 פורטלים טלמטיים חדשים משלבים מעבדים המסוגלים להפעיל את למידת המכונה ישירות על הרכב.זה מפחית את הגמישות, ומאפשר פעולות מיידיות - כמו כוח מנוע ממריץ לזהות מסנן - מבלי להסתמך על מודלים קישוריות ענן. Edge עדיין יכול לסנכרון עם מודל מרכזי עבור אימון מחדש, לדוגמה, גלאי של מנוע משנית בתוך תהליך מוקרן ב-עשרת של 100 שניות.

(FLT:0) תאומים ומודלים של פיסיקה: אנדרל 1 (איור 1) יצירת תאומה דיגיטלית של מערכת סינון - סימולציה של זרימה נוזלית, שינויים בלחץ, וטעינה חודרת - תחזיות עשירות יותר, במיוחד עבור מצבי כשלון נדירים.מודלים היברידיים המשלבים סימולציה מבוססת פיזיקה עם למידה מונעת נתונים הם חזקים יותר כאשר נתונים היסטוריים הם חסונים A דיגיטלית, מה יכול גם לשנות תרחישים שונים כדי להפעיל פילטרים.

(FLT:0) למידה מואצת עבור מודיעין ציי: אנדרל 1 (RalLT:1) בצי גדול, כל רכב מייצר נתונים תפעוליים רגישים. למידה פדרated מאפשר מודל חיזוי משותף להיות מאומן בכל כלי רכב ללא ריכוז נתונים גולמיים, שמירה על פרטיות תוך שיפור דיוק עם דוגמאות מגוונות. גישה זו היא בעלת ערך מיוחד לציים עם מגבלות אבטחה נתונים או כאשר עובד עם ספקים מרובים.

(FLT:0) תחזוקה מקדימה ופעולות אוטונומיות: מעבר לחיזוי כישלונות, מערכות מרשם ממליצים על פעולות אופטימליות בהתחשב בעלות, זמינות משאבים וסדרי עדיפויות תפעוליות בעתיד, אנו עשויים לראות זרמי עבודה אוטונומיים לחלוטין שבהם התראה צפויה ישירות לקבוע פגישה שירות ושולחת טכנאי במשרה ניידת, או אפילו גורם אוטומטית לסינון על כלי רכב מצויד במערכות אוטומטיות, למשל, אפשרות מוקדמת של שינוי מוקדם של סיכון נמוך יותר נגד העלות של שינוי מוקדם של שינוי מוקדם של סיכון נמוך יותר או סינון אוטומטי.

(FLT:0) אינטגרציה עם איכות דלק אופטימיזציה של נתיב: ההרחבה 1:1 על ידי תיקון כשלים מסנן סינון עם נתוני תחנת דלק ותנאי נתיב, ציים יכולים לקבל החלטות רכש חכמות יותר ולהימנע מאזורים בסיכון גבוה, מודלים חיזוי יכול בסופו של דבר להמליץ על אסטרטגיות לדלק המפחיתות את הסינון, כגון הימנעות מותגים מסוימים ידועים עבור תוכן מים גבוה או מציע מסלולים למנוע תנאים קיצוניים.

להתחיל: מפת דרכים לאופרות צי

עבור מפעילי צי מוכנים לאמץ תחזוקה סינון חיזוי, גישה מגובשת מפחיתה את הסיכון ומזרזת את ROI:

(FLT:0) Assess הנוכחית זמינות נתונים: FLT:1 , תשתיות חיישן קיימות ויכולות טלמטיות. Determine אשר מסננים כבר במעקב וזיהוי פערי נתונים.
(FLT:0)Pilot עם סוג מסנן גבוה:03FLT) 1 התחל עם מסננים דלק על משאיות ארוכות-החל, שבו השלכות הכישלון חמורות והנתונים החיישן זמינים לעתים קרובות.
(FLT:0Build a Baseline Model:FLT:1hil) השתמש ברשומות תחזוקה היסטוריות וטלמטורי כדי להכשיר מחוקק בפיקוח ראשוני או לוח הזמנים של סדרת זמן.
(FLT:0) אינטגרט עם CMMS:03FLT:1) , Connect Model פלטה למערכת ניהול תחזוקה כדי ליצור סדר עבודה אוטומטי.
(FLT:0)Expand ו- Iterate:FreaLT:1) לאחר שהטייס מוכיח ערך, המשתרע על סוגים אחרים של סינון ושיעורי רכב.

(הופנה מהדף ⁇ ) (הצינורות) יכולות למנף משאבים חיצוניים כדי להאיץ את המסע הזה: TheFLT:2 Society of AutomationFLT:0IBM סקירה כללית של תחזוקה חיזוייתFLT:1 מסביר מושגים מרכזיים ודפוסי שילוב IoT.

המסע מתחליפי מסנן חוזרים או מתוכננים למודל באמת חיזוי מייצג את אחד השינויים התפעוליים המשפיעים ביותר זמין כיום למפעילי צי.על ידי רתום ניתוחים מתקדמים ולמידה מכונה, ציים יכולים להפוך את המשימה ההיסטורית של סינון שינויים לתוך מנוף אסטרטגי עבור זמן uptime, חיסכון בעלויות, יתרון תחרותי.הטכנולוגיה מזינוק, החיישן הוא מרחיב, ואת התמריצים הכלכליים הם משקיעים כעת בקרנות תחזוקה מתקדמות כדי לנבאת את המבנים המשתנים ביותר.