Hogeschool Arnhem Nijmegen analyseert:

De HAN analyseert alle data van de elektrische trucks van de DKTI- Learning by Using deelnemers. Door deze data nauwgezet te analyseren ontstaat er een beeld van de inzet en het verbruik van de trucks onder de meest uiteenlopende praktijk omstandigheden.

Inleiding

HAN Automotive Research verzorgt binnen DKTI - Learning by Using (LBU) de monitoring van Batterij Electrische Trucks (BET) in samenwerking met vele studenten die data analyseren, een projectdeel oppakken of meedenken aan het dissemineren van de data in een leesbare vorm. Hierdoor worden BET’s onder de aandacht gebracht van het onderwijs en is tevens op impuls van LBU een deel van het 2e jaars curriculum van de opleiding Automotive Engineering gevoed door de resultaten van LBU.

Verleden

Het eerste jaar was een verkenning van de mogelijkheden van de data uit de voertuigen. Nadat dit verankerd was is gezocht naar mogelijkheden om sneller en met meer data tegelijkertijd te werken.

Huidige analysemethoden

Waar bij aanvang gewerkt is met Matlab/Simulink wordt op dit moment alleen gebruik gemaakt van PowerBI. De reden hiervoor is de directe benadering van data en het kunnen verwerken van zeer grote bestanden. Voor de gebruiker van de BET kan deze tool ook zelf gebruikt worden, waardoor lerend vermogen direct bij de eindgebruiker kan komen te liggen in plaats van bij een analysebureau.
Momenteel wordt gewerkt aan een dashboard binnen PowerBI, waarbij een gebruiker zijn eigen data kan analyseren en het gebruik van voertuigen kan optimaliseren. De afbeeldingen komen uit dat dashboard.

Enkele bevindingen tot nu toe:

· Er is significant verschil te ontdekken in beginnende en ervaren BET-chauffeurs. Na verloop van tijd zal het rendement verbeteren, wellicht door gewenning aan de kracht van de truck in vergelijking tot een Diesel truck. (Zie afbeelding 1)

· Ook voertuigen in gelijke configuratie en toepassing verschillen. Hierbij worden de voertuigen door verschillende chauffeurs gereden. (Zie afbeelding 2)

· De invloed van temperatuur is tijdens de opstart van de BET meetbaar, maar indien deze is opgewarmd wordt het verschil minder. Appendages als verwarming in de cabine zijn dan meer van invloed dan het rendement van de BET.

· Verdieping van de analyse van de data geeft aan dat verschillen duidelijk worden tussen stadsverkeer (0-50 km/u), regionaal verkeer (50-70 km/u) en snelwegverkeer (Langdurig boven de 70 km/u), alhoewel de afname kleiner is dan verwacht. (Zie afbeelding 3)

Afbeelding 1

Afbeelding 2

 Afbeelding 3

Toekomst

Door de verzamelde data te splitsen in verschillende gebruikstoepassingen, aangevuld met verschillende as- en batterijconfiguraties, de verschillende merken, het onderhoud, aanschafprijs, subsidies, afschrijving etc werkt HAN Automotive Research er naar toe om een TCO-Tool (Total Cost of Ownership) te maken die we verder verrijken met sociale- en maatschappelijke waarden tot een TCA (True Cost Analysis).