Portfólió menedzsment az energiakereskedelemben
Komplex adatgyűjtő, portfóliókezelő és kereskedő rendszer az energiaszektorban
Big data a logisztikában
Adatalapú üzemanyag- és menetidő-tervezés a szállítmányozásban
A Waberer's flottája folyamatosan termeli a forgalmi adatokat. A Dmlab pilot projektjében ezekből derült ki, mi mozgatja valójában az üzemanyag-fogyasztást és a késéseket, és hogy a drágán megvásárolható európai forgalmi adatok nagy része kiváltható a cég saját adatvagyonával.
- Ügyfél: Waberer's, Magyarország piacvezető logisztikai szolgáltatója
- Iparág: Logisztika, nemzetközi szárazáru-szállítmányozás
- Szolgáltatás: Tanácsadás és validáció: pilot projekt, use-case kidolgozása
- Adatkör: Egy év historikus telematikai adat, öt perces felbontásban, 15 kilométeres szakaszokra bontva
- Vizsgált kérdés: Hogyan optimalizálható az üzemanyag-fogyasztás, és hogyan minimalizálhatók a késedelmes kiszállítások?
Mi mozgatja valójában a fogyasztást és a késést?
A logisztikában nagy hagyománya van a mérésnek: a tachográf 2004 óta kötelező, a szenzorok fejlődésével pedig a sebesség, a megtett út, az indulási és megállási időpontok is egyre pontosabban követhetők, ma már valós időben. A Waberer's az adatvezéreltség magas szintjén áll, elemzései kizárólag saját adatokra épülnek, a BI-projekteknek külön igazgatója van. Gépi tanulással azonban addig nem kísérleteztek. A közös munka két kérdésre kereste a választ: hogyan optimalizálható az üzemanyag-fogyasztás, és hogyan minimalizálhatók a késedelmes kiszállítások.
Megoldások
A pilot projekt célja az volt, hogy a meglévő adatokból mérhető üzleti haszon legyen, ne pedig egy újabb riport. Olyan külső adatköröket kerestünk, amelyek bevonhatók a tervezési rendszerbe és pontosítják a modellt.
Historikus adatok szakaszokra bontva
Egy év telematikai adatát dolgoztuk fel öt perces pontossággal, majd 15 kilométeres szakaszokra bontottuk. A rögzített sebesség és fogyasztás alapján pontosan meghatározható, mennyibe került egy adott fuvar.
A külső tényezők súlyozása
Megvizsgáltuk, mennyit magyaráz a fogyasztásból és a késésből a domborzat, az időjárás és a forgalom. A domborzat és az időjárás hatása bizonyult a legkisebbnek, a meghatározó tényező a forgalom.
Saját adatvagyon a vásárolt adat helyett
Részletes európai forgalmi adatot megvásárolni költséges. A Waberer's több ezer szerelvénye viszont maga is értékes forgalmi adatot termel, amelyre útvonaltervezés és érkezési idő becslése egyaránt építhető.
Hogyan dolgoztunk?
Miért éppen a fogyasztás?
Egy kamionút költsége nagyjából három egyenlő részre bontható: a sofőrre, az üzemanyagra és a járműre. Az üzemanyag tehát a teljes költség harmadát adja, vagyis már néhány százalékos javulás is jelentős összeg egy több ezer szerelvényes flottánál. Ez adta a projekt üzleti alapját.
A folyamat
Első lépésként a historikus adatokat dolgoztuk fel. Ezek egy évre visszamenőleg, öt perc pontossággal mutatták, hol jártak a kamionok. Az adatokat 15 kilométeres szakaszokra bontottuk, és a rögzített sebességből és fogyasztásból szakaszonként meghatároztuk a fuvar költségét.
Ezután azt vizsgáltuk, hogy a külső tényezők közül melyik mozgatja ténylegesen a fogyasztást és a menetidőt, és melyik adat használata hoz üzleti hasznot.
Analitikai megközelítés
A logisztikában minden mindenre hat: a vezetői magatartás befolyásolja a fogyasztást, ez kihat a sebességre, a sebesség pedig vissza a fogyasztásra. Ezeket az összefüggéseket változófüggetlenségi vizsgálattal, a lineáris kapcsolatok elemzésével és gépi tanulási modellekkel bontottuk szét. Így vált elkülöníthetővé, mennyit magyaráz az útszakasz, mennyit az időjárás, és mennyit maga a vezetés. Az ilyen szétbontásnál a legnagyobb kockázat, hogy a modell a saját adatából tanul vissza valamit, ezért a kiértékelés felépítése itt fontosabb, mint az algoritmusválasztás.
Kutatásból innováció
A projekt közben az is kiderült, hogy a saját adatvagyon nem csak költséget spórol, hanem terméket is megalapozhat. A flotta által gyűjtött forgalmi, közlekedési és útvonaladatokból olyan alkalmazás építhető, amely a sofőröknek ad iránymutatást a vezetésre vonatkozóan, például arra, hogy egy adott szakaszon milyen sebesség a leggazdaságosabb.
Ez a saját adatból induló, önállóan is értékesíthető innováció a pilot projekt egyik legfontosabb hozadéka.
Nem várt hozzáadott érték
A pilot projektből olyan eredmény is született, amely az eredeti kérdéseken túlmutat: a sofőrök értékelése igazságosabbá tehető. Az a kamion ugyanis rosszabb mutatókat hoz, amelyik a londoni körgyűrűn araszol, mint amelyik német autópályán halad. Ha az értékelés kiszűri a külső körülményeket, a sofőrök nem érzik méltánytalannak a rendszert.
A logisztikában nagy a munkaerőhiány és magas az elvándorlás, ezért ez a szempont önmagában is üzleti érték.
Pontosabb költségtervezés és egy saját adatvagyon, ami tovább hasznosítható
A döntéstámogató projekt új szempontokat és összefüggéseket vitt a Waberer's útvonal- és üzemanyagtervezésébe, amelyekkel a költségtervezés pontosabbá tehető. Meghatároztuk, mely külső adatokat érdemes bevonni az optimalizált rendszerbe, és melyekre nem érdemes költeni. Melléktermékként megszületett egy belső adatokra épülő, önállóan is értékesíthető innováció ötlete, valamint egy méltányosabb sofőr-értékelési szempontrendszer.
Egy pilot projekt akkor ér valamit, ha a tanulságai beépülnek a napi működésbe. A logisztikában az útvonaltervezés, a fuvarárazás, az érkezési idő becslése és a sofőrök értékelése ugyanarra az adatra épül. Minél több elem kerül egyetlen adatvezérelt rendszerbe, annál nagyobb az üzleti hatás, és annál értékesebb lesz a cég saját adatvagyona, amelyet más már csak drágán tudna megvásárolni.
Szeretnél hasonló eredményeket? A projekt alapját adó szolgáltatás:
Beszéljünk rólaTovábbi esettanulmányok
Adatvezérelt marketing
Kampányriportok kézi összeállítás helyett automatikusan, valós időben