Masz newsa? Powiedz nam o tym!

Predictive Analytics, czyli analityka predykcyjna, jest w stanie znacznie pomóc w działalności produkcyjnej, ale także w usprawnieniu łańcucha dostaw. Przynosi już efekty czołowym operatorom logistycznym.

W artykule przeczytasz, do czego służy analityka predykcyjna firmom takim jak Maersk, Amazon, DB Schenker i UPS.

 

Artykuł dostępny tylko dla użytkowników zalogowanych

Predictive Analytics, czyli analityka predykcyjna, jest w stanie znacznie pomóc w działalności produkcyjnej, ale także w usprawnieniu łańcucha dostaw. Przynosi już efekty czołowym operatorom logistycznym.

Firmy logistyczne wdrażają analitykę predykcyjną po to, by usprawnić łańcuchy dostaw, poszczególne procesy i operacje. Jednak nie tylko. Dzięki zebranym i rzetelnie przeanalizowanym danym, logistycy mogą zapobiegać awariom sprzętu, wydłużając jego bezawaryjne funkcjonowanie. 

Duński przewoźnik morski, Maersk Line, który działa w ponad 130 krajach (ma ponad 600 kontenerowców), rocznie transportuje towary o  wartości niemal 700 mld dolarów. Korzysta z analiz predykcyjnych m.in. po to, by uzyskać informacje na temat stopnia wykorzystania poszczególnych statków.  

– Lepsze repozycjonowanie pustych pojemników pozwoli zaoszczędzić miliony dolarów – twierdzi Jan Voetmann z Maersk Analytics.

Problem jest olbrzymi, analiza wykazuje, że w transporcie morskim ciągle spora liczba kontenerów pokonuje nawet połowę swych tras “na pusto”. Koszty transportu pustych pojemników to w przypadku Maersk miliard dolarów rocznie

Maersk wykorzystuje też analizę predykcyjną do przewidywania ewentualnych awarii silników statków. To zapobiega krytycznym sytuacjom. Niejako przy okazji, historyczna analiza prędkości statków na poszczególnych trasach pozwoliła zoptymalizować harmonogramy tak, że zużycie paliwa spadło w ciągu trzech lat o kilkanaście procent.  

Optymalizacja gospodarowania kontenerami to również główny efekt zastosowania analizy predykcyjnej w NileDutch, jednej z kluczowych firm transportowych na rynkach afrykańskich. Z jednej strony znacznie obniżono całkowite koszty zarządzania pustymi kontenerami, z drugiej zmniejszono rozmiar floty kontenerów (przy zachowaniu tej samej skali przewozów).

Algorytm pomaga ustalić liczbę potrzebnych kierowców i ciężarówek

Logistycy Amazona od kilku już lat potrafią przewidzieć, gdzie i kiedy potrzebne będą określone towary. To właśnie rezultat zastosowania gruntownej analizy danych historycznych, dotyczących np. decyzji zakupowych, wejść na strony internetowe konkretnych dostawców itp. Zaawansowany algorytm pozwala wyliczyć jakie będzie zapotrzebowanie na dany produkt w danym miejscu. Amazon wysyła zatem w ten rejon swe produkty zanim jeszcze nastąpi zamówienie. Gdy już dochodzi do zamówienia, czas do jego realizacji jest wyjątkowo krótki.

Innymi słowy, gdy klient Amazona zamawia produkt, może on zostać wysłany z pobliskiego centrum w znacznie krótszym czasie, bo jest dostępny w najbliższym magazynie. Pomaga to również logistykom Amazona w dokładnym przewidywaniu liczby potrzebnych do obsługi środków transportu, a także kierowców, którzy będą niezbędni w danym momencie do realizacji zadania.

Analityka predykcyjna pozwoli na skrócenie tras i da miliony oszczędności

Kolejny przykład analizy predykcyjnej pochodzi z UPS. Typowy dzień tego globalnego operatora logistycznego to obsługa ok. 19 mln paczek (UPS ma 96 tys. pojazdów). Policzono, że wyeliminowanie zaledwie jednej mili z trasy każdego kierowcy dziennie, może dać oszczędności na poziomie ok. 50 mln dolarów.

Analiza predykcyjna pozwoli skrócić dostawy, zwiększając ogólną efektywność. Nowe oprogramowanie UPS Network Planning Tools, które ma być w pełni wdrożone w przyszłym roku w Stanach Zjednoczonych, wykorzystuje dane i analizy w czasie rzeczywistym. Ma przynieść roczne oszczędności sięgające nawet 200 mln dolarów

Z kolei DB Schenker zastosował analizę predykcyjną do planowania procesów i działań optymalizacyjnych (firma stosuje ją już od trzech lat). To oprogramowanie, używane w poszczególnych lokalizacjach magazynowych symuluje codzienne procesy. DB Schenker stworzył także “Industrial Data Space”, aby umożliwić bezpieczną wymianę danych między firmami korzystającymi z analityki predykcyjnej, ale też po to, aby umożliwić konserwację prognostyczną (zapobieganie awariom maszyn i pojazdów).

Fot. Pixabay/soualexandrerocha

Komentarze

comments0 komentarzy
thumbnail
Aby ustawić powiadomienia o komentarzach - przejdź do swojego profilu