Az már régóta ismeretes, hogy a gyártási folyamatokban és a szolgáltatási szektorban az adatok jelentős hatékonyságnövekedést eredményeznek. Az adatelemzés lehetővé teszi a működési folyamatok jobb nyomon követését, a hibák és a hatékonyság hiányának korai felismerését és kiküszöbölését, valamint az eljárások folyamatos optimalizálását. A DACHSER és globális hálózatai mindezt tudják és "megtanulták".

A logisztikai vállalat már az 1980-as évek közepén kifejlesztette a Domino szoftvert, amely az árufuvarozással kapcsolatos összes folyamat adatait elemzi és nyomon követi. Nemcsak a tranzitterminálon kimenő és bejövő folyamatokat, az importálást és az exportálást, hanem a megrendelés-adminisztrációt, a szállítás ütemezését, a számlázást és mindenekelőtt a szállítási információkat. Ma a Domino mellett a DACHSER két másik integrált rendszerrel is rendelkezik: Mikado (raktár) és Othello (légi és tengeri szállítmányozás). Emellett az ellátási lánc eszköze, az ActiveReport folyamatosan szűri és montiorozza a szállítási folyamatban lévő hibákat, és eltérés esetén riasztást ad.

"Éppúgy szükségünk van szállítmányozási szakértőkre és logisztikai szakemberekre, mint statisztikusokra, matematikusokra és számítógépes tudósokra. Az intelligens logisztikai algoritmusokban van a jövő záloga, azonban ezek kifejlesztésében másokkal is együtt kell működnünk.” - jegyzi meg Stefan Hohm, a DACHSER fejlesztési igazgatója.

A szakértelem összevonásának háttere a mindennapi logisztikai műveletekből fakad. A DACHSER nemrég konkrét gépi tanulási alkalmazásokat fejlesztett ki a DACHSER Enterprise Lab részeként a dortmundi Fraunhofer IML intézet tudósaival együtt. Az egyik ilyen alkalmazás a PAnDA One: Predictive Analytics DACHSER, ahol az "Egy (One)" azt jelzi, hogy ez a vállalat első gépi tanulási projektje.

A PAnDA One modellt kifejezetten a közúti logisztikai üzletág bejövő adatmennyiségének előrejelzésére tervezték. "Célunk, hogy a fiókjainkban dolgozó munkavállalók támogatást kapjanak a szezonális kapacitástervezéssel kapcsolatban meghozandó döntésekhez. A modell akár 25 héttel korábban a tényleges beérkezéshez képest adatokat tud biztosítani" – magyarázza Thomas Schmalz, a DACHSER termelésirányítási vezetője. „

Schmalz hangsúlyozza: "Olyan eszközt akarunk adni az ágazatainknak, amely végső soron megkönnyíti, hatékonyabbá és vonzóbbá teszi a munkát." A DACHSER célja nem az, hogy az embereket gépekkel helyettesítse. Az informatikát, a technológiát, a hálózatot és az embereket egyetlen egységnek tekintjük: egy kiber-társadalmi-fizikai rendszernek. Így mozgatjuk ügyfeleinket és magunkat is előre."

A gépi tanulás sikere a bemeneti adatok minőségétől függ, hiszen maga az adat fontosabb, mint az algoritmus. "Egyedülálló készletünk van, amely megbízható adatokat kap garantált és szabványosított minőségben. Adataink egészen 2011-ig nyúlnak vissza. Ezt az adatkészletetet naptáradatokkal egészítjük ki, így például munkaszüneti napokkal vagy iskolai szünetekkel. Ez lehetővé teszi a modell számára, hogy felismerje azokat a szezonális mintákat, amelyek fontosak a szárazföldi közlekedés tervezéséhez. A trendek jobb előrejelzése érdekében a rendszerbe a gazdasági mutatók széles skáláját is integráltuk."- mondta Florian Zizler, a Data Science & Machine Learning csoportvezetője.

Az adatok másik speciális felhasználási területét a B2X címkézési projekt kezeli és felügyeli. Az algoritmus feladata az adatminőség javítása és a mindennapi műveletek osztályozási problémájának megoldása, nevezetesen annak meghatározása, hogy a címzett vállalat (B2B) vagy magánszemély (B2C). Csak a rendelési adatok alapján ez a különbség nem mindig egyértelmű. A logisztikai folyamatok esetében azonban jelentős különbséget kell tenni aközött, hogy a vevő vállalat vagy magánszemély.

"A gépi tanulás egyre inkább alakítja a DACHSER változatos folyamatkörnyezetét. A nyílt forráskódú alkalmazások elérhetőségének köszönhetően már nem kell mindent magunknak fejlesztenünk. Ezeknek az algoritmusoknak a használata lehetővé teszi számunkra, hogy még hatékonyabban kiaknázzuk az adatmennyiségben rejlő potenciálunkat" - mondja Zizler.

További autós tartalmakért kövess minket Facebookon is!