В мире логистики нельзя упускать из виду управление пустым автопарком. Что касается контейнерных перевозок, то, по оценкам Boston Consulting Group, до 8% эксплуатационных расходов судоходной линии связано с перемещением порожних контейнеров – без связанных с этим затрат на хранение и техническое обслуживание порожних контейнеров. Ситуация не сильно отличается для автомобильных перевозок: неправильное управление пустым парком может привести к избытку в одной области и нехватке в другой, что приведет к потере доходов и увеличению затрат.
Среди логистических компаний выделяются два общих фактора, которые еще больше усложняют проблему управления порожними контейнерами:
- Использование Excel для планирования, частично неэффективное из-за большого объема ручного ввода.
- Недостаточная наглядность затрат из-за отсутствия системы обзора затрат в масштабах всей компании
РешениеNileDutch и TIP Trailer Services - две голландских логистических компании, которые применили решения искусственного интеллекта для улучшения управления своим пустым парком. Хотя первая работает на море, а вторая - на суше, эти две компании имеют общие черты как в общих размерах флота, так и в проблемах, которые могут создать для них неиспользуемые активы. Ключ к снижению затрат, связанных с неиспользуемыми активами, также лежит в том же месте: повышение способности компаний к прогнозированию при одновременной возможности более эффективно перемещать свой пустой автопарк.
Используя исторические данные – в основном собственные – для использования в алгоритмах машинного обучения, компании смогли разработать индивидуальные решения для снижения затрат, связанных с управлением пустым автопарком.
ВыгодыСпециально разработанная система искусственного интеллекта помогла логистическим компаниям лучше планировать, что привело к уменьшению заторов и более эффективному использованию их активов.
Улучшения получены в областях:
- Более эффективное планирование: отказываясь от трудоемкого ручного планирования с использованием Excel, компании создают автоматические планы, которые также являются более точными. Это уменьшает загруженность как физически, при перемещении активов, так и организационно, освобождая время сотрудников.
- Снижение затрат на хранение: инструмент планирования на базе искусственного интеллекта способен лучше прогнозировать, когда и где потребуются определенные активы. Таким образом, контейнеры и прицепы компаний стали проводить меньше времени на складах.
- Доступность актуальной информации: поскольку компании теперь работают с консолидированной информацией, доступной для всех офисов по всем глобальным цепочкам поставок, все сотрудники могут принимать более обоснованные решения.
ВлияниеВ случае NileDutch нейросеть оказалась способной рассчитать оптимизированный план порожних контейнеров на 10-12 недель вперед и смогла определить, как избежать избытка контейнеров, найти наиболее эффективные маршруты для перемещения своего парка. Компания также смогла сократить размер своего автопарка: планирование на основе искусственного интеллекта позволило компании удовлетворить тот же спрос с меньшими активами.
Доступность и требованияДля того чтобы создать и обучить систему оптимизации на искусственном интеллекте компаниям сначала необходимо подготовить данные. Несмотря на наличие исторических данных, для преобразования данных, поступающих из различных источников в один удобный набор был необходим многоступенчатый подход.
После очистки исторические данные были введены в алгоритмы машинного обучения для создания модели прогнозирования спроса, помогающей компаниям определить, сколько активов потребуется в данный момент времени в данном месте.
В обоих примерах компаниям не хватало полного набора данных для построения модели обучения, но это не стало проблемой: модель была дополнительно создана с использованием данных сторонних участников глобальной логистики, таких как портовые власти, партнеры по хранению или партнеры по обмену грузов,. NileDutch использовал комбинацию внутренних и внешних данных для ввода в алгоритм ML:
Затраты на хранение
Затраты на ворота
Затраты на ремонт
Затраты на изменение местоположения
Поставщики
Страны
Порты
Склады
Запас прочности
И другие: стивидорные расходы, затраты на сортировку, внешние порты, рейсы и т.д.
Собрать всю эту информацию и создать удобный план для крупной судоходной компании было бы невыполнимой задачей при использовании ручного ввода в Excel. Для системы искусственного интеллекта это просто вопрос подачи данных и использования результатов – не говоря уже о постоянно обучающемся и совершенствующемся аспекте системы, который связан со сбором большего количества данных по мере ее развертывания и на протяжении многих лет.
Источник
Tradecloude One