Sztuczna inteligencja (ang. artificial intelligence, AI) sprawdziła się w różnego rodzaju projektach i zastosowaniach w sieci DACHSER przynosząc wiele korzyści i przyczyniając się do zwiększenia wydajności.
W najbliższych latach znaczenie sztucznej inteligencji, uczenia maszynowego i nauk o danych w transporcie, logistyce i zarządzaniu łańcuchem dostaw będzie nadal rosło. Dlatego pracujemy nad tym, aby umocnić swoją wiedzę w tej ważnej dziedzinie i rozszerzyć możliwości w zakresie wdrażania oraz obsługi aplikacji uczenia maszynowego – powiedział Stefan Hohm, Chief Development Officer (CDO) w DACHSER.
W tym celu powstało Centrum Kompetencji Data Science & Machine Learning DACHSER, którego zadaniem jest integracja i transfer wiedzy wewnątrz organizacji. DACHSER codziennie wytwarza duże ilości danych, które stanowią podstawę do rozwoju i wykorzystania technologii AI.
W przyszłości będziemy jeszcze lepiej wykorzystywać dane: pomogą nam one znaleźć i wdrożyć nowe rozwiązania w różnych obszarach naszej działalności – zapowiedział Florian Zizler, Team Leader Competence Center Data Science & Machine Learning w DACHSER.
Sztuczna inteligencja wspiera analizy prognostyczne
Jednym z przykładów wykorzystania kompetencji nowo utworzonego centrum w praktyce jest stworzony przez DACHSER Enterprise Lab model prognostyczny wykorzystujący algorytmy uczenia maszynowego do przewidywania liczby przesyłek przychodzących do danego oddziału z wyprzedzeniem do 25 tygodni.
Nasze dane historyczne sięgają aż 2011 roku. Koncentrujemy się na tych, dotyczących przesyłek. Uzupełniamy tę bazę o dodatkowe informacje, takie jak święta państwowe czy wakacje. Dzięki temu model jest w stanie rozpoznać wzorce sezonowe, które są tak ważne w transporcie drogowym. Żeby jeszcze lepiej przewidywać trendy, dodaliśmy również szeroki zakres wskaźników ekonomicznych – powiedział Florian Zizler.
Dzięki temu DACHSER może zapewnić pracownikom swoich oddziałów cenne wsparcie przy podejmowaniu decyzji związanych z planowaniem zdolności operacyjnych w szczytach sezonów i zapewnieniem płynności funkcjonowania terminalu przeładunkowego.
Wyzwaniem dla prognoz bazujących na wartościach historycznych było poradzenie sobie z wahaniami wolumenu oraz pandemią koronawirusa. Jednak jesteśmy optymistami i spodziewamy się, że wkrótce nasze prognozy powrócą do swojej zwyczajnej, wysokiej jakości – powiedział Team Leader Competence Center Data Science & Machine Learning w DACHSER.
(Źródło: DACHSER)
