DACHSER etablerer kompetansesenter for datavitenskap og maskinlæring

AI-teknologier og -metoder har allerede bevist ytelsen og fordelene de har i ulike prosjekter og applikasjoner hos DACHSER. «Betydningen som kunstig intelligens, maskinlæring og datavitenskap har for transport, logistikk og forsyningskjedestyring vil bare fortsette å vokse i årene som kommer. Derfor er det helt avgjørende for DACHSER å styrke sin kompetanse på dette området ytterligere og utvide evnen til å implementere og drive maskinlæringsapplikasjoner», sier Stefan Hohm, Chief Development Officer (CDO). CC DS&ML (Competence Center Data Science & Machine Learning) skal påta seg denne oppgaven hos DACHSER og fungere som et sentralt kontaktpunkt.

DACHSER produserer store datamengder daglig, og disse danner grunnlaget for utvikling og bruk av de nye AI-teknologiene. «Disse dataene skal vi utnytte enda bedre i fremtiden: de skal hjelpe oss å finne og implementere nye løsninger for en lang rekke brukstilfeller», forteller Florian Zizler, Team Leader Competence Center Data Science & Machine Learning.

Å kunne forutse svingninger i kapasiteten med kunstig intelligens

Én spesifikk prøveapplikasjon for arbeidet til det nyopprettede kompetansesenteret er et AI-produkt som ble utviklet og innført som en del av DACHSER Enterprise Lab. Prognosemodellen bruker maskinlæringsteknikker til å forutsi de innkommende veitransportvolumene for en avdeling opptil 25 uker i forveien. 

«Dataene våre går helt tilbake til 2011. Fokuset er på historiske forsendelsesdata», sier Zizler. «Vi supplerer denne datapoolen med kalenderdata, som helligdager eller skoleferier. Dermed kan modellen kjenne igjen sesongmønstrene som er så viktige i veitransporten. Vi har også integrert en rekke økonomiske indekser for å bli bedre til å forutse trender.» 

Dermed kan DACHSER gi de ansatte i avdelingene verdifull beslutningsstøtte til den sesongbaserte kapasitetsplanleggingen. Det er nettopp på dette området det er viktig å oppnå riktig lastekapasitet i markedet på et tidlig stadium, eller planlegge ressursene på transitterminalen. Dagens forhold virker imidlertid også inn her. «Det var selvfølgelig en utfordring for prognoser som er basert på tidligere verdier, å skulle takle både volatile volumsvingninger og koronapandemien», sier Zizler. Likevel er han og ekspertteamet fortsatt optimister: «Prognosene våre skal snart være tilbake på det sedvanlige høye nivået.»