Sztuczna inteligencja w planowaniu transportu

C

07-12-2020

frameLOGIC jako pierwsza na rynku firma IT wprowadza do oferty rozwiązanie do automatycznego planowania zleceń transportowych. Bazując na sztucznej inteligencji, system skraca 5 godzin manualnej pracy dyspozytora do 30 sekundowej kalkulacji.

frameLOGIC jako pierwsza na rynku firma IT wprowadza do oferty rozwiązanie do automatycznego planowania zleceń transportowych. Bazując na sztucznej inteligencji, system skraca 5 godzin manualnej pracy dyspozytora do 30 sekundowej kalkulacji.

 

 

PROMOCJA

PROMOCJA

 

AI Autoplaner umożliwia skrócenie codziennej, wielogodzinnej pracy dyspozytora do kalkulacji trwającej zaledwie kilkadziesiąt sekund. Rozwiązanie samo poszukuje najkorzystniejszego połączenia pojazdu ze zleceniem. Bierze pod uwagę wszystkie pojazdy oraz trasy jednocześnie, sugerując optymalne wykorzystanie dostępnych zasobów. Narzędzie dokonuje predykcji wyniku finansowego dla zaplanowanych tras, zbiorowo oraz indywidualnie, pozwalając na odrzucanie tras o niskiej rentowności. Skuteczność planowania można zweryfikować twardymi danymi, tj. planowanym przychodem, marżą czy przychodem na kilometr.

AI Autoplaner kryje w sobie jeszcze jedną ważna cechę. Wykorzystując zasoby sztucznej inteligencji gromadzi dane historyczne i z czasem możliwe jest coraz sprawniejsze wykonywanie zadań. Doskonałym tego przykładem jest wdrożenie w firmie INTRA S.A., która wykorzystuje TMS frameLOGIC do zarządzania transportem.

– Ustalenie optymalnych tras dla większych flot to czasochłonne zajęcie. Przed wdrożeniem rozwiązań frameLOGIC, planista manualnie parował dostępne zasoby ze zleceniami. Pierwsze pilotaże wykorzystania systemu automatycznego pokazały, że czas i efektywność planowania mogą się znacznie poprawić. Dziś, Autoplaner mocno wspomaga proces planowania, analizując nawet do 30 000 różnych kombinacji. Sam mechanizm planowania przy użyciu Autoplanera jest ostatecznie dużo szybszy w porównaniu do wyników po pierwszych testach. Wdrożenie takiego narzędzia dało nam pozytywne efekty w postaci przyśpieszenia dystrybucji zleceń do kierowców. Obiecująco wygląda również aspekt optymalizacji sumy kilometrów dojazdowych” – komentuje Jakub Mleczak, menedżer projektu w INTRA S.A.

Model analityczny podporządkowywany jest oczekiwaniom danej firmy transportowej, dzięki czemu planowanie może uwzględniać różne priorytety takie jak: najwyższy zysk w ujęciu kwotowym, najwyższa marża w ujęciu procentowym do wartości frachtu lub najkrótszy dystans do pokonania.

Algorytmy w swoich obliczeniach uwzględniają kluczowe parametry dla każdej firmy transportowej oraz takie których samemu człowiekowi jest bardzo trudno uwzględnić podczas planowania, jak np. dystans dojazdu do załadunku, koszty zlecenia, dróg oraz procedur dodatkowych czy kabotaż. Co ważne, AI Autoplaner bierze pod uwagę podjęcie ładunku w wyznaczonym czasie, czyli dojazdu do załadunku z uwzględnieniem czasu trasy, czasu pracy kierowcy oraz czasu wykonania czynności dodatkowych (np. myjnia).

 

 

 

Zobacz także

C

Najnowszy numer

C
TSL Biznes 04/2021
Truck & Van 03/2021

Zapisz się do newslettera

C

Czytaj TSL biznes za darmo! Zapisz się do newslettera.

C