Big data a logisztikában
Adatalapú döntések a szállítmányozásban
Hogyan terveztessünk útvonalat és üzemanyag költséget data scientistekkel?
1.
Az adatok felhasználásának nagy hagyománya van a logisztikai iparágban, ahogy a mérőrendszerek használatának is.
2.
A tachográf használata 2004 óta kötelező a szállítmányozásban, a szenzoros fejlődésnek köszönhetően pedig egyre könnyebben mérhető a sebesség, a megtett út hossza, az indulási és megállási időpontok.
3.
A mai technológiával már real-time adatok, illetve GPS adatok is rendelkezésünkre állnak, és a logisztikában használják is ezeket az eszközöket előrejelzésre.
Megkeresés
A Waberer’s, Magyarország piacvezető logisztikai szolgáltatója, jelenléte a szárazáru szállításban meghatározó a magyar piacon és az európai utakon.
Az egyik legnagyobb komplett rakomány fuvarozó Európában, a saját tulajdonú flotta tekintetében. A Waberer’s elhivatottságát mutatja, hogy külön igazgatót is kineveztek, aki a BI, azaz az üzleti intelligencia projektekért felel. A cég az adatvezéreltség magas szintjén áll, minden elemzése kizárólag saját adatokra támaszkodik. Bár nagyon sok belső adattal dolgoznak, mesterséges intelligencia alkalmazásokkal eddig nem kísérleteztek.
A Dmlab két kérdésre kereste a választ:
Hogyan lehet az üzemanyag fogyasztást optimalizálni?
Hogyan lehet a késedelmes kiszállításokat minimalizálni?
Kihívás
Olyan külső adatköröket kellett találni, melyek bevonhatóak a Waberer’s tervezési rendszerébe, és pontosabbá teszik a modellt, amivel optimalizálható a fogyasztás és minimalizálható a késés.
Az út ára
Egy-egy kamion út költségelemei három közel egyenlő részre osztható:
1/3
Sofőr
1/3
Üzemanyag
1/3
Jármű
Kutatásból innováció
Ezen adatok nagyrésze hozzáférhető, de olyan részletes európai forgalmi adatokat vásárolni nagyon költséges, amelyek segítségével mérvadó információkhoz jutnának akár útvonaltervezés, akár pontos érkezési időpontok tekintetében.
Viszont a Waberer’s 4300 kamionszerelvénye értékes és tetemes mennyiségű forgalmi adatot tud szolgáltatni. Magas szintű belső adatbázissal rendelkeznek, hiszen tudják, hogy melyik szakaszon mennyivel tudnak menni a különböző időszakokban, melyik területen milyen az optimális fogyasztás, sebesség, stb.
Így a Dmlab pilot projektjének fejlesztése során egy innováció megvalósítása is felmerült, ami egy olyan applikáció, ami a Waberers saját maga által gyűjtött forgalmi, közlekedési, valamint útvonal adatai alapján ad iránymutatást a sofőröknek a vezetésre vonatkozóan.
A folyamat
Első lépésként a historikus adatokat dolgozta fel a Dmlab. Ezek egy évre visszamenőleg, 5 perc pontossággal kimutatták, hogy a kamionok hol voltak. Ezeket 15 km-es szakaszokra bontották, a rögzített sebességre vonatkozó adatokból, a fogyasztásból pontosan meg lehetett határozni, hogy mennyibe került az adott fuvar.
A Dmlab egy új eszközét használta és egyedi technikával kezdték vizsgálni, hogy mitől függ a fogyasztás és a sebesség, ha csak a külső tényezőket nézzük.
Kiválasztották, hogy mely adatok használata hoz üzleti hasznot. Ez alapján kiderült, hogy a domborzati viszonyok és az időjárás befolyásolja a legkevésbé a fogyasztást és a késést, mérvadó viszont a forgalom, ami a leginkább befolyásolja a fogyasztást és a késést, ami ugyan drága adat, ha meg kell vásárolni, de a Waberers óriás flottája által gyűjtött forgalmi adatok már rendelkezésre állnak.
Analitikai megközelítés
Minden mindenre hatással van, a vezető viselkedése hatással van a fogyasztásra, ez kihat a sebességre és vissza is. Ezeket az összefüggéseket derítette ki a Dmlab, változó függetlenségi vizsgálattal, lineáris kapcsolódások vizsgálatával és machine learning modellek használatával.
Hozzáadott érték
Azon túl, hogy a Dmlab adatalapú üzemanyag fogyasztás és késés meghatározása megvalósulhatott, keletkezett egy hozzáadott érték is a pilot projektből, méghozzá a sofőr motivációs rendszerbe való beékelés. Hiszen az a kamion rosszabb teljesítményt nyújt, amelyik a londoni körgyűrűben araszol, mint aki a német autópályákon suhan át.
Mivel a logisztikai iparágban is nagy a munkaerőhiány, a sofőrök között magas az elvándorlás, fontos, hogy olyan értékelést kapjanak, ami motiválja a sofőröket és ne érezzék, hogy a külső körülmények miatt nem tudnak előre kerülni.
Eredmény
A Dmlab ezzel a döntéstámogató projekttel egy jelentős üzleti problémát oldott meg, új szempontok, összefüggések elhelyezését tette lehetővé a Waberer’s új útvonal és üzemanyag tervezésében, amelyek segítségével megvalósul a költségtervezés optimalizálása.
A Dmlab meghatározta, hogy milyen külső adatot tegyenek az új, optimalizált rendszerbe. Melléktermékként megszületett egy belső adatokból létrejövő értékesíthető innováció Hozzáadott érték, hogy a sofőrök értékelési rendszerébe is beépíthető.
Vissza az esettanulmányokhoz