Laporan historis

Laporan historis mengubah data operasional Anda menjadi wawasan strategis dengan menganalisis pola, tren, dan metrik kinerja sepanjang periode waktu yang Anda tentukan, memungkinkan pengambilan keputusan berbasis data untuk optimalisasi armada dan perencanaan sumber daya.

Laporan sensor pengukuran

Kapan digunakan: Perencanaan manajemen bahan bakar, penjadwalan pemeliharaan prediktif, dan identifikasi pola kinerja peralatan di banyak kendaraan dan periode waktu.

Data yang Anda lihat: Pengukuran sensor deret-waktu yang digabungkan menjadi ringkasan statistik, menunjukkan nilai rata‑rata, minimum, dan maksimum untuk setiap sensor selama kerangka waktu yang Anda pilih.

Logika pemrosesan data

Sistem memproses data sensor melalui analisis deret-waktu yang canggih:

• Pengagregatan pengelompokan waktu: Pembacaan sensor mentah dikelompokkan ke interval 15 detik menggunakan time_bucket fungsi, menciptakan titik data yang dapat dikelola dari aliran sensor kontinu. Pendekatan ini menyeimbangkan presisi analitis dengan efisiensi pemrosesan.

• Korelasi multi-sensor: Query menggabungkan business_data.sensors_data_by_hours dengan raw_business_data.objects untuk mengkombinasikan pengukuran sensor dengan konteks kendaraan. Setiap pembacaan sensor menyertakan data kalibrasi bila tersedia, mengonversi nilai mentah menjadi satuan yang bermakna (liter untuk bahan bakar, derajat untuk temperatur).

• Perhitungan statistik: Untuk setiap keranjang waktu, sistem menghitung nilai rata‑rata, minimum, dan maksimum dari semua pembacaan. Ketika data kalibrasi sensor hilang atau tidak valid, nilai mentah ditampilkan tanpa modifikasi untuk menjaga transparansi data.

• Penyaringan kualitas: Validasi kualitas GPS memastikan hanya data lokasi yang andal (satelit > 3, koordinat non‑nol) yang berkontribusi pada konteks sensor, sementara pembacaan yang tidak valid dikecualikan dari perhitungan statistik.

Semua cap waktu dikonversi ke UTC untuk analisis yang konsisten terlepas dari lokasi geografis kendaraan, memungkinkan identifikasi tren yang akurat di berbagai zona operasional.

Laporan aktivitas objek

Kapan digunakan: Analisis optimasi rute, penilaian pemanfaatan kendaraan, dan pengukuran efisiensi operasional di seluruh periode waktu dan segmen armada yang ditentukan.

Data yang Anda lihat: Metrik aktivitas komprehensif termasuk total jarak tempuh, durasi perjalanan, kecepatan rata‑rata, dan pola rute untuk setiap kendaraan dalam subset armada yang Anda pilih.

Logika pemrosesan data

Laporan ini menggabungkan data historis dan data real‑time melalui pembuatan track yang kompleks:

• Sumber data hybrid: Sistem memilih secara cerdas antara business_data.tracks untuk analisis historis dan raw_telematics_data.tracking_data_core untuk data terbaru, tergantung pada rentang waktu Anda. Periode lebih lama dari 12 jam menggunakan track yang sudah diproses sebelumnya untuk kinerja optimal, sementara periode terbaru menghasilkan track dari data telematika mentah.

• Rekonstruksi track: Untuk analisis real‑time, sistem menerapkan algoritme deteksi pergerakan menggunakan ambang kecepatan (≥3 km/h) dan celah waktu (>300 detik) untuk mengidentifikasi perjalanan terpisah. Data koordinat mentah (disimpan sebagai bilangan bulat) dikonversi ke derajat desimal melalui pembagian dengan 10.000.000 untuk perhitungan geografis.

• Perhitungan jarak: Jarak geografis menggunakan fungsi PostGIS untuk pengukuran presisi antara titik GPS berurutan, sementara perhitungan durasi diturunkan dari selisih cap waktu antara titik awal dan akhir track.

• Integrasi zona: Analisis geografis mencocokkan posisi kendaraan dengan zona yang ditentukan menggunakan ST_DWithin perhitungan, menyediakan konteks operasional untuk lokasi awal dan akhir perjalanan.

Struktur query yang mendasari beradaptasi berdasarkan parameter yang Anda pilih, mengoptimalkan antara pengambilan data historis dan pembuatan track real‑time untuk memberikan analisis aktivitas yang komprehensif.

Laporan eco‑driving

Kapan digunakan: Analisis keselamatan pengemudi, pelaporan kepatuhan asuransi, dan penilaian manajemen risiko armada untuk mengembangkan program pelatihan yang ditargetkan dan mengurangi biaya operasional.

Data yang Anda lihat: Analisis perilaku mengemudi komprehensif termasuk pelanggaran kecepatan, kejadian mengemudi kasar, dan skor keselamatan yang dihitung untuk setiap kendaraan, dengan koordinat GPS dan cap waktu yang tepat untuk setiap insiden.

Logika pemrosesan data

Analisis eco‑driving memproses data telematika melalui deteksi pola perilaku yang canggih:

• Deteksi pelanggaran kecepatan: Sistem terus memantau kecepatan kendaraan terhadap batas yang dapat dikonfigurasi, menerapkan masa tenggang dan struktur penalti berbasis tingkat keparahan. Peristiwa pelanggaran kecepatan membutuhkan pelanggaran yang berlangsung (>60 detik) untuk menghindari pemberian sanksi terhadap lonjakan kecepatan singkat, sementara poin penalti meningkat dari pelanggaran ringan (0‑20 km/h lebih) hingga pelanggaran berat (>60 km/h lebih).

• Analisis mengemudi kasar: Perhitungan percepatan real‑time menganalisis perubahan kecepatan selama interval waktu untuk mendeteksi pengereman keras (>3.5 m/s² perlambatan), akselerasi keras (>3.0 m/s²), dan belokan tajam menggunakan ambang perubahan heading (>30° pada kecepatan >30 km/h). Setiap kejadian menyertakan koordinat GPS untuk analisis pola berbasis lokasi.

• Sistem penilaian dinamis: Skor keselamatan berasal dari akumulasi poin penalti yang dinormalisasi per jarak tempuh, memungkinkan perbandingan yang adil di berbagai panjang rute dan pola operasional. Sistem menggunakan skor maksimum yang dapat dikonfigurasi dengan normalisasi berbasis jarak untuk memastikan evaluasi yang konsisten.

• Dokumentasi pelanggaran: Setiap kejadian yang terdeteksi merekam koordinat GPS yang tepat, cap waktu, dan pengukuran tingkat keparahan, menciptakan log insiden komprehensif untuk pembinaan pengemudi dan pelaporan kepatuhan.

Algoritme yang mendasari memproses data GPS yang diagregasi per 15 detik dari raw_telematics_data.tracking_data_core, menerapkan perhitungan jarak haversine untuk analisis geografis yang akurat dan perhitungan percepatan berbasis cap waktu untuk penilaian perilaku.

Laporan shift

Kapan digunakan: Analisis produktivitas tenaga kerja, identifikasi pola operasional, dan pengukuran efisiensi shift untuk optimasi penjadwalan armada.

Data yang Anda lihat: Ringkasan aktivitas harian yang menunjukkan total waktu operasional, kecepatan rata‑rata, kecepatan maksimum, dan periode aktivitas untuk setiap kendaraan, dikelompokkan berdasarkan tanggal dan shift operasional.

Logika pemrosesan data

Analisis shift memproses data tracking mentah melalui deteksi pola operasional:

• Klasifikasi pergerakan: Sistem menganalisis pembacaan kecepatan dan interval waktu untuk membedakan antara pergerakan aktif (≥3 km/h), pemberhentian sementara, dan periode parkir. Celah waktu yang melebihi 300 detik memicu deteksi periode aktivitas baru.

• Deteksi batas shift: Segmentasi track menggunakan ambang kecepatan yang dapat dikonfigurasi dan analisis celah waktu untuk mengidentifikasi periode operasional yang terpisah. Setiap periode shift menyertakan cap waktu mulai dan berakhir yang tepat dengan perhitungan durasi.

• Pengagregatan aktivitas: Ringkasan harian menggabungkan semua periode operasional untuk setiap kendaraan, menghitung total durasi aktivitas, kecepatan operasional rata‑rata, dan kecepatan maksimum yang dicapai selama periode aktif.

• Metrik kinerja: Sistem menghasilkan statistik pemanfaatan dengan membandingkan waktu operasional aktif terhadap total waktu yang berlalu, memberikan wawasan efisiensi untuk keputusan manajemen armada.

Validasi koordinat GPS memastikan hanya data posisi berkualitas yang berkontribusi pada perhitungan jarak dan kecepatan, sementara standarisasi cap waktu ke UTC memungkinkan analisis shift yang konsisten di berbagai lokasi geografis.

Laporan jarak tempuh

Kapan digunakan: Analisis pemanfaatan armada, penilaian efisiensi operasional, dan identifikasi pola penggunaan waktu kerja versus non‑kerja untuk mengoptimalkan penempatan kendaraan dan mendeteksi penggunaan yang tidak sah.

Data yang Anda lihat: Jarak yang ditempuh dikategorikan menurut jam kerja, jam non‑kerja, dan akhir pekan, dengan tren distribusi mingguan, perbandingan departemen, dan rincian terperinci yang menunjukkan hari aktif dan jarak perjalanan maksimum.

Logika pemrosesan data

Analisis jarak tempuh kendaraan memproses data track GPS melalui klasifikasi berbasis waktu dan pengagregatan jarak:

• Klasifikasi kategori waktu: Sistem mengevaluasi setiap segmen track GPS terhadap jam kerja dan hari kalender yang dapat dikonfigurasi untuk mengklasifikasikan jarak tempuh menjadi tiga kategori berbeda. Jarak selama jam kerja menangkap jarak yang ditempuh selama jam bisnis yang dikonfigurasi pada hari kerja, jarak non‑kerja merepresentasikan perjalanan setelah jam kerja pada hari kerja, dan jarak akhir pekan mencakup semua pergerakan pada hari Sabtu dan Minggu terlepas dari waktu. Klasifikasi ini terjadi pada tingkat segmen track, dengan setiap bagian perjalanan ditetapkan berdasarkan cap waktunya.

• Perhitungan jarak: Pengukuran jarak geografis menggunakan algoritme geometri koordinat untuk menghitung jarak yang ditempuh antara titik GPS berurutan. Sistem memproses data posisi mentah dari raw_telematics_data.tracking_data_core, mengonversi koordinat yang disimpan sebagai bilangan bulat (dibagi dengan 10.000.000) ke derajat desimal untuk perhitungan jarak haversine yang akurat.

• Agregasi temporal: Analisis pola mingguan mengelompokkan segmen track menurut nomor minggu ISO, menjumlahkan jarak dalam setiap kategori waktu. Sistem menghasilkan total jarak absolut (dalam kilometer) dan distribusi persentase untuk mengungkap bagaimana pola operasional bergeser antar minggu.

• Analisis pengelompokan: Perbandingan departemen, objek, dan pengemudi mengagregasikan data kendaraan individu menjadi unit organisasi. Sistem menghitung rata‑rata jarak bulanan per kendaraan dengan membagi total jarak dengan jumlah hari aktif dan menormalkan ke bulan 30 hari, memungkinkan perbandingan yang adil di berbagai periode analisis.

• Deteksi aktivitas: Perhitungan hari aktif mengidentifikasi tanggal kalender dengan jarak tercatat dengan menganalisis cap waktu track. Penentuan jarak track maksimum memproses segmen perjalanan individu untuk mengidentifikasi perjalanan kontinu terpanjang untuk setiap pengelompokan, menggunakan ambang deteksi pergerakan (≥3 km/h) dan analisis celah waktu (>300 detik) untuk memisahkan perjalanan yang berbeda.

Validasi kualitas GPS memastikan hanya data posisi yang andal (satelit > 3, koordinat non‑nol) yang berkontribusi pada perhitungan jarak, sementara standarisasi cap waktu ke UTC memungkinkan klasifikasi waktu yang konsisten terlepas dari lokasi geografis kendaraan.

Laporan perjalanan

Kapan digunakan: Analisis pola perjalanan, penilaian optimasi rute, dan evaluasi perilaku operasional untuk memahami frekuensi perjalanan, distribusi jarak, dan mengidentifikasi pola perjalanan yang tidak biasa.

Data yang Anda lihat: Metrik perjalanan individual termasuk jarak, durasi, dan kecepatan rata‑rata, dengan tren volume mingguan, perbandingan tingkat kelompok, dan rincian perjalanan per perjalanan yang lengkap menunjukkan waktu mulai/akhir dan penugasan pengemudi.

Logika pemrosesan data

Analisis perjalanan kendaraan mengidentifikasi dan memproses perjalanan individual melalui deteksi pergerakan yang cerdas:

• Algoritme deteksi perjalanan: Sistem menganalisis data track GPS dan informasi status kendaraan untuk mengidentifikasi perjalanan terpisah menggunakan ambang kecepatan dan waktu. Perjalanan dimulai ketika kecepatan kendaraan melebihi ambang kecepatan minimum diam (default 3 km/h) dan berakhir ketika kecepatan turun di bawah ambang ini selama durasi waktu diam minimum (default 5 menit). Pemberhentian singkat yang lebih pendek dari ambang waktu diam dianggap sebagai jeda dalam perjalanan yang sama, bukan batas perjalanan, menyaring pemberhentian lalu lintas sesaat atau penundaan bongkar muat.

• Parameter deteksi yang ditingkatkan: Jika tersedia, sistem mengikutsertakan status pengapian dan data sensor gerak untuk memperbaiki akurasi deteksi perjalanan. Pendekatan multi‑faktor ini mencegah pengakhiran perjalanan palsu selama periode stasioner singkat ketika mesin tetap menyala, memastikan hanya peristiwa parkir yang berarti yang memicu penyelesaian perjalanan.

• Perhitungan jarak dan durasi: Untuk setiap perjalanan yang terdeteksi, sistem menghitung jarak total menggunakan fungsi geografis PostGIS antara titik GPS berurutan dari raw_telematics_data.tracking_data_core. Durasi perjalanan diperoleh dari selisih waktu antara titik track pertama dan terakhir perjalanan. Perhitungan kecepatan rata‑rata membagi total jarak dengan durasi, memberikan kecepatan operasional realistis yang mencakup setiap pemberhentian singkat selama perjalanan.

• Agregasi temporal: Analisis mingguan mengelompokkan perjalanan menurut nomor minggu ISO, menghitung baik jumlah perjalanan maupun jarak kumulatif. Pendekatan metrik ganda ini mengungkap apakah perubahan volume operasional berkorelasi dengan variasi panjang rata‑rata perjalanan—jumlah perjalanan tinggi dengan total jarak rendah menunjukkan banyak perjalanan pendek, sementara kebalikannya menunjukkan sedikit perjalanan tetapi lebih panjang.

• Analitik perbandingan kelompok: Pengelompokan departemen, objek, pengemudi, dan garasi mengagregasikan data perjalanan untuk memungkinkan analisis komparatif. Sistem menjumlahkan total jarak, menghitung jumlah perjalanan individual, dan menghitung durasi perjalanan rata‑rata untuk setiap unit. Metrik ini memungkinkan identifikasi perbedaan peran operasional—armada pengiriman menunjukkan banyak perjalanan pendek sementara kendaraan layanan lapangan mungkin menunjukkan sedikit tetapi perjalanan yang lebih panjang.

• Ketersediaan data kecepatan: Ketika kualitas sinyal GPS tidak memadai atau pengambilan data kecepatan gagal, sistem tidak dapat menghitung kecepatan rata‑rata dengan andal. Kondisi ini biasanya terjadi saat kehilangan sinyal GPS di area dengan visibilitas satelit rendah (terowongan, area perkotaan padat, parkir bawah tanah) atau selama anomali pemrosesan data. Laporan menampilkan "No speed data available" untuk periode yang terpengaruh, menunjukkan bahwa perjalanan ini memerlukan pemeriksaan atau memiliki catatan telematika yang tidak lengkap.

Semua cap waktu perjalanan dikonversi ke UTC untuk analisis yang konsisten di berbagai zona operasional, sementara validasi kualitas GPS (satelit > 3, koordinat non‑nol) memastikan hanya data posisi yang andal yang berkontribusi pada deteksi perjalanan dan perhitungan jarak.

Laporan waktu tidak aktif

Kapan digunakan: Optimasi pemanfaatan kendaraan, analisis biaya waktu menganggur, penilaian efisiensi operasional, dan identifikasi waktu tidak aktif berlebih di lokasi tertentu untuk meningkatkan produktivitas armada dan mengurangi pemborosan bahan bakar.

Data yang Anda lihat: Analisis waktu menganggur komprehensif yang menunjukkan jam berhenti dan parkir, persentase pemanfaatan, distribusi status aktivitas sepanjang waktu dan zona, serta rincian terperinci yang mengidentifikasi lokasi utama waktu tidak aktif untuk setiap kendaraan.

Logika pemrosesan data

Analisis waktu tidak aktif memproses data GPS dan kecepatan melalui klasifikasi pergerakan yang canggih untuk mengidentifikasi dan mengkuantifikasi waktu kendaraan yang tidak produktif:

• Deteksi ambang pergerakan: Sistem menerapkan ambang kecepatan minimum yang dapat dikonfigurasi (default 3 km/h) untuk mengklasifikasikan status aktivitas kendaraan. Ketika kecepatan turun di bawah ambang ini, kendaraan memasuki status berhenti. Ambang ini beradaptasi dengan konteks operasional yang berbeda—kendaraan konstruksi dapat menggunakan ambang yang lebih rendah sementara armada jalan tol menggunakan nilai lebih tinggi untuk menangkap periode menganggur yang bermakna secara akurat.

• Klasifikasi berhenti versus parkir: Sistem membedakan antara pemberhentian singkat dan parkir yang diperpanjang melalui analisis berbasis waktu. Kendaraan tetap dalam status berhenti saat stasioner, tetapi hanya beralih ke parkir setelah mempertahankan kecepatan nol atau mendekati nol selama durasi parkir minimum (default 5 menit). Klasifikasi hierarkis ini memastikan pemberhentian lalu lintas singkat, penundaan bongkar muat, atau jeda sejenak tidak memicu klasifikasi parkir sementara peristiwa parkir yang nyata ditangkap dengan akurat. Semua waktu parkir juga merupakan waktu berhenti, tetapi tidak semua waktu berhenti memenuhi syarat sebagai parkir.

• Pengagregatan status aktivitas: Untuk setiap kendaraan, sistem menghitung total jam yang dihabiskan dalam setiap status—bergerak, berhenti, dan parkir—dengan memproses data track GPS dari raw_telematics_data.tracking_data_core. Pembacaan kecepatan dievaluasi secara kontinu terhadap ambang pergerakan, dengan transisi status dicatat pada cap waktu yang tepat. Perhitungan durasi menjumlahkan waktu yang berlalu dalam setiap status sepanjang periode analisis.

• Perhitungan waktu tidak aktif: Total waktu tidak aktif merepresentasikan semua waktu tidak bergerak (jam berhenti + parkir). Sistem menghitung waktu tidak aktif sebagai kebalikan dari pemanfaatan—ketika kendaraan tidak bergerak, ia mengakumulasi waktu tidak aktif. Metrik ini memberikan pandangan komprehensif tentang waktu menganggur terlepas dari apakah kendaraan berhenti singkat atau benar‑benar parkir.

• Metrik pemanfaatan: Persentase pemanfaatan berasal dari rasio waktu bergerak terhadap total waktu aktivitas: (jam bergerak / total jam) × 100. Rata‑rata pemanfaatan di antara banyak kendaraan menggunakan perhitungan berbobot berdasarkan total waktu aktivitas setiap kendaraan. Metrik ini memungkinkan perbandingan produktivitas yang adil antar kendaraan dengan pola operasional atau periode analisis yang berbeda.

• Analisis waktu tidak aktif geografis: Sistem mencocokkan lokasi berhenti dan parkir dengan geofence yang ditentukan dari business_data.zones_geom menggunakan fungsi spasial PostGIS. Untuk setiap periode menganggur, koordinat GPS dievaluasi terhadap batas zona untuk menentukan apakah waktu tidak aktif terjadi di dalam lokasi yang dikenal. Zona waktu tidak aktif utama merepresentasikan geofence di mana kendaraan mengakumulasi jam berhenti atau parkir terbanyak selama periode analisis.

• Mode visualisasi garis waktu: Mode tampilan Status menunjukkan pola aktivitas temporal yang diwarnai menurut status pergerakan (bergerak, berhenti, parkir), mengungkapkan kapan kendaraan bertransisi antar status sepanjang hari. Mode tampilan Zona mewarnai segmen garis waktu berdasarkan lokasi geografis daripada status aktivitas, menunjukkan zona mana yang ditempati kendaraan sepanjang waktu. Pendekatan visualisasi ganda ini memungkinkan analisis pola temporal dan penilaian distribusi geografis.

• Agregasi berbasis zona: Saat menganalisis waktu tidak aktif berdasarkan zona, sistem mengelompokkan semua periode menganggur menurut lokasi geografisnya, menghitung total jam berhenti dan parkir di dalam setiap geofence. Agregasi ini mengidentifikasi lokasi‑lokasi kemacetan di mana kendaraan menghabiskan waktu menganggur yang berlebihan—seperti dermaga bongkar dengan waktu tunggu lama, lokasi pelanggan dengan proses yang tidak efisien, atau lokasi pemberhentian yang tidak sah.

Validasi kualitas GPS memastikan hanya data posisi yang andal (satelit > 3, koordinat non‑nol) yang berkontribusi pada klasifikasi status dan analisis geografis, sementara standarisasi cap waktu ke UTC memungkinkan pelacakan waktu tidak aktif yang konsisten di berbagai zona operasional.

Langkah selanjutnya

Ketika analisis historis mengungkap peluang optimalisasi atau menimbulkan pertanyaan operasional tertentu, lanjutkan ke Custom Analysis & SQL Configurator untuk membuat investigasi yang disesuaikan yang menjawab kebutuhan manajemen armada unik Anda dan mengembangkan solusi analitis kustom.