Cerca Aziende di:
News
21 Gen 2020
Il ''machine learning'' nella logistica per migliorare la supply chain
Gli esperti di AsstrA spiegano come sfruttare al meglio il ML per l'analisi dei dati.
Entro il 2025, la quantità di dati nel mondo crescerà 10 volte rispetto al 2015. Questi dati sono stati annunciati dalla società di ricerca e consulenza internazionale IDC (International Data Company) nel rapporto "Data Age 2025".
Nel settore della logistica, la tendenza non è diversa da quella globale. La quantità di informazioni raddoppia ogni due anni. Secondo gli analisti, già nel 2020 la quantità di dati sarà di 44 zettabyte. Per esempio: un disco rigido da 1 zettabyte contiene video ad alta risoluzione 4K, con una durata totale di oltre 63 milioni di anni…
Per l'analisi e l'interpretazione di grandi volumi di dati, vengono in soccorso gli algoritmi di “machine learning” (ML). ML fa previsioni basandosi sulle informazioni ricevute e sulle tendenze identificate. Per ulteriori informazioni sull’apprendimento automatico e sulla sua applicazione nel settore dei trasporti e della logistica, chiediamo a Vitaly Verbilovich, responsabile della ricerca e sviluppo nel gruppo internazionale di società AsstrA.
Vitaliy, come si usa l'apprendimento automatico nella logistica?
L'apprendimento automatico è utilizzato in tutte le aree del trasporto e della logistica.
- Logistica di magazzino. L’occhio artificiale monitora le merci rimanenti nei magazzini, controlla i lavoratori, garantisce la sicurezza nei luoghi.
- Spedizione. Sulla base delle informazioni raccolte sul trasporto, vengono pianificati e costruiti percorsi, vengono previste alte stagioni.
- Vendite. Le previsioni dei volumi di vendita, i cambiamenti nella politica dei prezzi della società di trasporto e logistica vengono costruiti tenendo conto anche degli indicatori storici delle vendite di servizi.
- Sicurezza. I modelli di scoring (scoring - un sistema di valutazione dell’oggetto basato su metodi statistici numerici) aiutano a identificare i contraenti negligenti o potenzialmente problematici anche prima dell'inizio della collaborazione, sulla base di informazioni sui rapporti con i fornitori.
Quali informazioni vengono elaborate utilizzando algoritmi ML e quali bisognerebbe lasciare agli analisti?
Nell'analisi, il compito primario è la posta di un obbiettivo e la formulazione della richiesta per la selezione delle informazioni necessarie. Qui non si può fare a meno dell'intervento umano: un analista con esperienza e conoscenze in una specifica area di business. Successivamente, entrano in gioco gli algoritmi di apprendimento automatico, che gestiscono in modo più efficiente i compiti di raccolta, elaborazione e analisi primaria delle informazioni. L'analista è libero da compiti di routine e da quelli che richiedono tempo e si concentra sugli aspetti concettuali del lavoro.
In che modo AsstrA utilizza gli algoritmi di apprendimento automatico?
Il gruppo di società AsstrA-Associated Traffic AG utilizza algoritmi dell’apprendimento automatico per risolvere tre categorie di compiti:
Grazie alle informazioni elaborate, vengono prese decisioni valutate indirizzate verso l'efficienza delle catene di distribuzione.
