Conform raportului „Data Era 2025” al companiei de cercetare si consultanta, pana in 2025, cantitatea de date din lume va fi de 10 ori mai mare decat in 2015.
Tendintele industriei logistice oglindesc pe cele ale economiei globale. Cantitatea de informatii logistice se dubleaza la fiecare doi ani. Potrivit analistilor, in 2020 volumul total de date va fi de 44 de zettabytes. Pentru referinta, un hard disk de 1 zettabyte detine mai mult de 63 de milioane de ani in videoclip 4K de inalta rezolutie.
Pentru a analiza si interpreta volume atat de mari de date, algoritmii de invatare automata vin in salvare. Machine learning ajuta la crearea de prognoze pe baza informatiilor disponibile si a tendintelor identificate in acestea.
Vitalij Verbilovich, seful Diviziei de Cercetare si Dezvoltare la AsstrA a explicat ca machine learning este utilizata in toate domeniile transportului si logisticii. Aceasta este folosita in logistica depozitului, astfel incat viziunea computerului recunoaste prezenta marfurilor in depozite, monitorizeaza lucratorii si ofera securitate in instalatii. Machine learning este folosita, de asemenea, in expeditii, iar pe baza informatiilor colectate despre transport, se pot construi planuri si rute si se pot prevedea fluxuri sezoniere. Un alt domeniu de utilizare este cel al vanzarilor, astfel incat previziunile privind volumul vanzarilor pot fi realizate tinand cont de modificarile preturilor de la furnizorii de transport si logistica si indicatorii istorici de vanzari. Nu in ultimul rand se foloseste in domeniul securitatii, astfel incat modele de punctaj – sisteme de punctaj bazate pe metode statistice si informatii despre relatiile cu furnizorii – ajuta la identificarea contractorilor fara scrupule sau potential problematice, chiar inainte de inceperea cooperarii.
Vitalij Verbilovich a mai explicat ca, in analiza, prima prioritate este stabilirea unei sarcini si formularea unei solicitari pentru selectarea informatiilor necesare. Aceasta nu este fara interventia umana – experienta si cunostintele despre o anumita industrie sunt necesare. In continuare, intra in joc algoritmi de invatare automata. Acesti algoritmi fac fata mai eficient colectarii, procesarii si analizei primare a informatiilor. Analistii sunt eliberati de sarcini banale, care consuma timp si se pot concentra asupra aspectelor mai conceptuale ale postului.
Grupul corporativ AsstrA-Associated Traffic AG utilizeaza algoritmi de invatare automata pentru a rezolva trei tipuri de sarcini: digitalizarea fluxului de lucru prin constructia bazelor de date relevante, cu prelucrarea ulterioara a informatiilor; previziunea si semnalizarea fortei majore posibile pe rutele de transport. AsstrA este partener cu Shippeo pentru a creste transparenta lantului de aprovizionare. Algoritmii sai permit transparenta in timp real a lantului de aprovizionare si, de asemenea, ajuta la prezicerea si avertizarea eventualelor probleme in curs; analiza predictiva a indicatorilor din perioadele anterioare si evaluarile riscurilor si oportunitatilor viitoare.
Datorita informatiilor procesate, se pot lua decizii mai bune pentru cresterea eficientei lanturilor de aprovizionare.
