Dołącz do czytelników
Brak wyników

AKTUALNOŚCI , OPERATORZY LOGISTYCZNI

11 sierpnia 2021

DACHSER tworzy centrum kompetencyjne nauki o danych i uczenia maszynowego

43

W powołanym przez DACHSER nowym wewnętrznym Centrum Kompetencji Data Science & Machine Learning od początku czerwca operator logistyczny gromadzi wiedzę specjalistyczną z prowadzonych projektów badawczych i wdrażanych innowacji dotyczących sztucznej inteligencji, uczenia maszynowego i nauki o danych.

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.

POLECAMY

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 maszynowegopowiedział 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 ekonomicznychpowiedział 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)

Przypisy