Big data a logisztikában | Dmlab

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

icon

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.

icon

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.

Van egy projekted számunkra?

Kérdésem van