Analysis and performance of fleet maintenance by air liquide

In this scholarly investigation, the primary aim is to assess fleet vehicle maintenance within the context of Air Liquide, a prominent industrial gas company. The central objective is to appraise the current effectiveness of fleet maintenance operations using existing data, with the intent of introducing customized Key Performance Indicators (KPIs) to align with the researchers' goals. The study employs a comprehensive methodology, involving the collection and analysis of maintenance data from Air Liquide's vehicle fleet, utilizing vehicle sensors and relevant data sources for meaningful insights. Key performance criteria such as availability rate, mean time between failures, maintenance costs, and utilization rate are scrutinized. The study identifies improvement opportunities and proposes innovative KPIs, addressing specific research concerns like preventive maintenance efficacy, the impact of driver behavior on maintenance outcomes, and the relationship between maintenance frequency and vehicle age. Advanced data visualization tools, notably Power BI, enhance this empirical analysis, allowing academics and stakeholders to create interactive dashboards and visualizations for a better understanding of the complex patterns and trends influencing fleet maintenance operations.

In questa ricerca accademica, l'obiettivo principale è valutare la manutenzione dei veicoli aziendali nel contesto di Air Liquide, una rinomata azienda del settore dei gas industriali. L'obiettivo centrale è valutare l'efficacia attuale delle operazioni di manutenzione dei veicoli utilizzando dati esistenti, con l'intenzione di introdurre Indicatori chiave di performance (KPI) personalizzati in linea con gli obiettivi dei ricercatori. Lo studio utilizza una metodologia approfondita che prevede la raccolta e l'analisi dei dati relativi alla manutenzione dei veicoli della flotta di Air Liquide, sfruttando i sensori dei veicoli e le fonti di dati pertinenti per ottenere informazioni significative. Vengono esaminati criteri di performance chiave come il tasso di disponibilità, il tempo medio tra i guasti, i costi di manutenzione e il tasso di utilizzo. Lo studio individua opportunità di miglioramento e propone nuovi KPI, affrontando questioni di ricerca specifiche come l'efficacia della manutenzione preventiva, l'impatto del comportamento del conducente sugli esiti della manutenzione e la relazione tra la frequenza della manutenzione e l'età dei veicoli. Strumenti avanzati di visualizzazione dei dati, in particolare Power BI, potenziano questa analisi empirica, consentendo agli accademici e agli interessati di creare dashboard interattive e visualizzazioni per una migliore comprensione dei modelli complessi e delle tendenze che influenzano le operazioni di manutenzione della flotta.