Kaip mašininis mokymasis pagreitina paskutinės mylios ir paskutinio metro pristatymą

Nors didžioji dalis logistikos pramonės pastangų paspartinti pristatymo laiką yra orientuota į maršrutų optimizavimą, pasirodo, kad tai ne ta vieta, kur vairuotojai praleidžia didžiąją laiko dalį.

Tiesą sakant, net 75 % jų darbo dienos skiria ne paskutinei myliai, o paskutiniams 100 metrų naršymui – laukimui prie pakrovimo dokų, automobilių stovėjimo aikštelės paieškoms ir bendravimui su klientais. Chazz Sims, „Wise Systems“ generalinis direktorius , startuolis, įsikūręs Kembridže, Masačusetso valstijoje, sukūręs autonominę maršruto parinkimo ir siuntimo programinę įrangą.

Naudodama duomenis ir mašininio mokymosi įrankius, bendrovė nustatė, kad toks aptarnavimo laikas labai skiriasi priklausomai nuo paros laiko, konkretaus kliento, nagrinėjamų prekių ir pristatymo asmens, pridūrė Simsas. Pavyzdžiui, tam tikros parduotuvės yra užimtos aptarnauti klientus tam tikru paros metu arba gauti prekes iš skirtingų pristatymo sunkvežimių kitose. Pastebėjusi šiuos modelius ir keičiant tvarkaraščius, bendrovė sugebėjo sumažinti pristatymo laiką ir išlaidas.

„Wise Systems“ įrankiai visą dieną automatiškai koreguoja maršrutus, vairuotojus ir tvarkaraščius, reaguodami į kitas perjungimo sąlygas, įskaitant orą, eismą ir atsargines pakrovimo dokus. Analizuodama alaus gamybos įmonės „Anheuser-Busch“, vieno didžiausių startuolio klientų, parko duomenis, „Wise Systems“ sugebėjo sumažinti vėluojančių pristatymų skaičių 85%, o laivyno mylių – 13%.

Verslas, įkurtas 2014 m. pakeltas 7 mln. USD iš „Google“ AI fondo praėjusių metų pabaigoje.

paslėpti