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 optimisasi 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 apa yang Anda lihat: Pengukuran sensor deret-waktu yang diagregasi menjadi ringkasan statistik, menampilkan nilai rata-rata, minimum, dan maksimum untuk setiap sensor selama rentang waktu yang Anda pilih.

Logika pemrosesan data

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

• Agregasi bucket waktu: Pembacaan sensor mentah dikelompokkan ke dalam interval 15 detik menggunakan PostgreSQL's 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 mengombinasikan pengukuran sensor dengan konteks kendaraan. Setiap pembacaan sensor menyertakan data kalibrasi bila tersedia, mengonversi nilai mentah menjadi satuan bermakna (liter untuk bahan bakar, derajat untuk suhu).

• Perhitungan statistik: Untuk setiap bucket 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 tidak valid dikecualikan dari perhitungan statistik.

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

Laporan aktivitas objek

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

Data apa 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 lintasan yang kompleks:

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

• Rekonstruksi lintasan: Untuk analisis real-time, sistem menerapkan algoritma deteksi pergerakan menggunakan ambang kecepatan (≥3 km/h) dan celah waktu (>300 detik) untuk mengidentifikasi perjalanan yang terpisah. Data koordinat mentah (disimpan sebagai bilangan bulat) dikonversi menjadi 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 berasal dari selisih cap waktu antara titik awal dan akhir lintasan.

• Integrasi zona: Analisis geografis mencocokkan posisi kendaraan dengan zona yang didefinisikan menggunakan ST_DWithin perhitungan, memberikan konteks operasional untuk lokasi mulai dan akhir perjalanan.

Struktur query dasar beradaptasi berdasarkan parameter yang Anda pilih, mengoptimalkan antara pengambilan data historis dan pembuatan lintasan real-time untuk menyajikan analisis aktivitas yang komprehensif.

Laporan eco-driving

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

Data apa yang Anda lihat: Analisis perilaku mengemudi komprehensif termasuk pelanggaran kecepatan, kejadian mengemudi keras, 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 telematik melalui deteksi pola perilaku yang canggih:

• Deteksi pelanggaran kecepatan: Sistem memantau kecepatan kendaraan secara terus-menerus terhadap batas yang dapat dikonfigurasi, menerapkan periode toleransi dan struktur penalti berdasarkan tingkat keparahan. Peristiwa pelanggaran kecepatan memerlukan pelanggaran yang berlanjut (>60 detik) untuk menghindari pemberian penalti pada lonjakan kecepatan singkat, sementara poin penalti meningkat dari pelanggaran ringan (0–20 km/h di atas) hingga pelanggaran berat (>60 km/h di atas).

• Analisis mengemudi keras: 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 lokasi-spesifik.

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

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

Algoritma dasar memproses data GPS yang diagregasi setiap 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 optimisasi penjadwalan armada.

Data apa 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 pelacakan mentah melalui deteksi pola operasional:

• Klasifikasi pergerakan: Sistem menganalisis pembacaan kecepatan dan selang 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 lintasan menggunakan ambang kecepatan yang dapat dikonfigurasi dan analisis celah waktu untuk mengidentifikasi periode operasional yang terpisah. Setiap periode shift mencakup cap waktu mulai dan akhir yang tepat beserta perhitungan durasi.

• Agregasi 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 pengambilan 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 mengidentifikasi penggunaan tidak sah.

Data apa yang Anda lihat: Jarak yang ditempuh dikategorikan berdasarkan 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 lintasan GPS melalui klasifikasi berbasis waktu dan agregasi jarak:

• Klasifikasi kategori waktu: Sistem mengevaluasi setiap segmen lintasan GPS terhadap jam kerja dan hari kalender yang dapat dikonfigurasi untuk mengklasifikasikan jarak tempuh ke dalam tiga kategori terpisah. Jarak waktu kerja menangkap jarak yang ditempuh selama jam kerja yang dikonfigurasikan pada hari kerja, waktu non-kerja mewakili perjalanan setelah jam kerja pada hari kerja, dan jarak akhir pekan mencakup semua pergerakan Sabtu dan Minggu tanpa memandang waktu. Klasifikasi ini terjadi pada tingkat segmen lintasan, 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) menjadi derajat desimal untuk perhitungan jarak haversine yang akurat.

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

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

• Deteksi aktivitas: Perhitungan hari aktif mengidentifikasi tanggal kalender yang memiliki jarak tercatat dengan menganalisis cap waktu lintasan. Penentuan jarak lintasan 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 tanpa memandang lokasi geografis kendaraan.

Laporan perjalanan

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

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

Logika pemrosesan data

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

• Algoritma deteksi perjalanan: Sistem menganalisis data lintasan GPS dan informasi status kendaraan untuk mengidentifikasi perjalanan yang terpisah menggunakan ambang kecepatan dan waktu. Sebuah perjalanan dimulai ketika kecepatan kendaraan melebihi ambang kecepatan idle minimum (default 3 km/h) dan berakhir ketika kecepatan turun di bawah ambang ini untuk durasi waktu idle minimum (default 5 menit). Pemberhentian singkat yang lebih pendek dari ambang waktu idle diperlakukan sebagai jeda dalam perjalanan yang sama daripada batas perjalanan, menyaring hentian lalu lintas sesaat atau penundaan pemuatan.

• Parameter deteksi yang disempurnakan: Bila tersedia, sistem menggabungkan status pengapian dan data sensor gerak untuk memperbaiki akurasi deteksi perjalanan. Pendekatan multi-faktor ini mencegah akhir perjalanan palsu selama periode stasioner singkat saat mesin tetap hidup, memastikan hanya peristiwa parkir bermakna yang memicu penyelesaian perjalanan.

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

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

• Analitik perbandingan grup: Pengelompokan departemen, objek, pengemudi, dan garasi mengagregasi data perjalanan untuk memungkinkan analisis komparatif. Sistem menjumlahkan total jarak, menghitung jumlah perjalanan individu, 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 lebih sedikit namun perjalanan lebih panjang.

• Ketersediaan data kecepatan: Ketika kualitas sinyal GPS tidak memadai atau penangkapan data kecepatan gagal, sistem tidak dapat menghitung kecepatan rata‑rata secara andal. Kondisi ini biasanya terjadi selama kehilangan sinyal GPS di area dengan visibilitas satelit buruk (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 investigasi atau memiliki catatan telematik 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: Optimisasi pemanfaatan kendaraan, analisis biaya waktu diam, penilaian efisiensi operasional, dan identifikasi waktu tidak aktif berlebih di lokasi tertentu untuk meningkatkan produktivitas armada dan mengurangi pemborosan bahan bakar.

Data apa yang Anda lihat: Analisis waktu diam 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 downtime 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 lebih rendah sementara armada jalan tol menggunakan nilai lebih tinggi untuk menangkap periode diam yang bermakna secara akurat.

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

• Agregasi status aktivitas: Untuk setiap kendaraan, sistem menghitung total jam yang dihabiskan dalam setiap status—bergerak, berhenti, dan parkir—dengan memproses data lintasan 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 downtime: Total downtime merepresentasikan semua waktu tidak bergerak (jam berhenti + parkir). Sistem menghitung downtime sebagai kebalikan dari pemanfaatan—ketika kendaraan tidak bergerak, ia mengakumulasi downtime. Metrik ini memberikan pandangan komprehensif tentang waktu diam baik saat kendaraan berhenti sebentar maupun parkir penuh.

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

• Analisis downtime geografis: Sistem mencocokkan lokasi berhenti dan parkir dengan geofence yang didefinisikan dari business_data.zones_geom menggunakan fungsi spasial PostGIS. Untuk setiap periode menganggur, koordinat GPS dievaluasi terhadap batas zona untuk menentukan apakah downtime terjadi di dalam lokasi yang dikenal. Zona downtime 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 berdasarkan status pergerakan (bergerak, berhenti, parkir), mengungkapkan kapan kendaraan bertransisi antar status sepanjang hari. Mode tampilan Zona memberi warna segmen garis waktu berdasarkan lokasi geografis daripada status aktivitas, menunjukkan zona mana yang ditempati kendaraan sepanjang waktu. Pendekatan visualisasi ganda ini memungkinkan baik analisis pola temporal maupun penilaian distribusi geografis.

• Agregasi berbasis zona: Saat menganalisis downtime berdasarkan zona, sistem mengelompokkan semua periode menganggur menurut lokasi geografisnya, menghitung total jam berhenti dan parkir di setiap geofence. Agregasi ini mengidentifikasi lokasi-macet di mana kendaraan menghabiskan waktu menganggur yang berlebihan—seperti dermaga bongkar muat dengan waktu tunggu lama, lokasi pelanggan dengan proses 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 downtime yang konsisten di berbagai zona operasional.

Langkah selanjutnya

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