Predictive Analytics – это термин, который используют все чаще и чаще. Его использование может значительно помочь в производственной деятельности, но не только. Это также важно для цепочки поставок. Он уже приносит результаты ведущим логистическим операторам.
Логистические компании внедряют прогнозный анализ для улучшения цепей поставок, процессов и операций. Но не только. Благодаря собранным и достоверно проанализированным данным, они могут предотвращать сбои оборудования, продлевая его бесперебойную работу.
Датский морской перевозчик Maersk Line работает более чем в 130 странах (имеет более 600 контейнеровозов). Он перевозит товары на сумму почти 700 млрд долларов в год. Он использует прогнозный анализ, в частности, для получения информации о степени использования отдельных судов.
– Лучшее позиционирование порожних контейнеров сэкономит миллионы долларов, – говорит Ян Ветманн (Maersk Analytics). Проблема огромна, анализ показывает, что в морском транспорте большое количество контейнеров по-прежнему преодолевает даже половину своих маршрутов «порожними». В случае Maersk стоимость перевозки порожних контейнеров составляет миллиард долларов в год.
Maersk также использует прогнозный анализ для прогнозирования возможных отказов судовых двигателей. Это предотвращает критические ситуации. Кстати, исторический анализ скорости движения судов по отдельным маршрутам позволил оптимизировать графики движения таким образом, что за три года потребление топлива снизилось на более чем десять процентов.
Оптимизация управления контейнерными перевозками также является основным эффектом использования прогнозного анализа в NileDutch, одной из ключевых транспортных компаний на рынках Африки. С одной стороны, значительно сократились общие затраты на управление порожними контейнерами, с другой стороны, уменьшился размер контейнерного флота (при сохранении прежнего объема перевозок).
Уже несколько лет специалисты по логистике компании Amazon могут предсказывать, где и когда понадобятся определенные товары. Это является результатом применения основательного анализа исторических данных, например, решений о закупках, посещений веб-сайтов конкретных поставщиков и т.д. Расширенный алгоритм позволяет рассчитать, каким будет спрос на данный продукт в данном месте. Поэтому компания Amazon отправляет свою продукцию в этот район еще до размещения заказа.
После размещения заказа время выполнения заказа становится чрезвычайно коротким. Другими словами, когда клиент Amazon заказывает продукт, он может быть отправлен из ближайшего центра в гораздо более короткие сроки, так как он доступен на ближайшем складе. Это также помогает логистам Amazon точно предсказать количество транспортных средств, необходимых для работы, и водителей, которые будут необходимы для выполнения задачи в данный момент.
Исключение одной мили из ежедневного маршрута
Другим примером прогностического анализа служит UPS. Типичным днем этого глобального логистического оператора является обслуживание ок. 19 млн посылок (UPS имеет 96 тыс. транспортных средств). Было подсчитано, что исключение всего одной мили из ежедневного маршрута каждого водителя может привести к экономии в размере ок. 50 млн долларов.
Прогнозирующий анализ позволит сократить сроки поставки и повысить общую эффективность. Новое программное обеспечение UPS Network Planning Tools, которое будет полностью внедрено в следующем году в США, использует данные и анализ в режиме реального времени для достижения ежегодной экономии на уровне даже 200 млн долларов.
DB Schenker, глобальный логистический оператор, использует прогнозный анализ для планирования процессов и мер по оптимизации (компания использует его уже три года). Это программное обеспечение, используемое в отдельных местах складирования, имитирует ежедневные процессы. DB Schenker также разработал «Industrial Data Space» для обеспечения безопасного обмена данными между компаниями, использующими прогнозный анализ, а также для профилактического технического обслуживания (предотвращение отказов машин и транспортных средств).