Чтобы перевезти товары, бизнес в первую очередь обращается к логистическим компаниям. Но спрос на услуги доставки сильно зависит от времени года, погодных условий, периодов распродаж и других факторов. Поэтому логистическим компаниям приходится либо содержать автопарки с чрезмерным количеством транспортных средств, чтобы выдерживать внезапные пиковые нагрузки, либо, напротив, оптимизировать автопарки, что может увеличить для клиентов сроки доставки при любом всплеске спроса.
Поэтому и владельцы логистического бизнеса, и их клиенты заинтересованы в использовании технологий, которые помогли бы оптимизировать издержки, сохранив привычные сроки доставок.
В мире, и в России в том числе, ИИ-алгоритмы уже решают разные задачи — оптимизируют цепочки поставок, составляют лучшие маршруты, прогнозируют загрузку транспорта и рассчитывают сроки доставки.
Разобрали несколько любопытных примеров.
DHL: предскажет задержку рейса
Компания DHL разработала решение, основанное на машинном обучении, чтобы учитывать возможные задержки рейсов в своих доставках с участием авиапочты.
Сервис предсказывает все важные для этого показатели — день недели, время дня и даже название конкретного авиаперевозчика, который прилетит с опозданием. Для обучения модели используются не только исторические данные о рейсах, но и дополнительная информация, например прогноз погоды.
