Carriera
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:
- Digitalizzazione del flusso documentale attraverso la costruzione di banche dati pertinenti con ulteriore elaborazione delle informazioni.
- Previsioni e informazioni su possibili cause di forza maggiore sul percorso di traffico di trasporti. Al fine di aumentare la trasparenza della catena di distribuzione AsstrA collabora con Shippeo, i cui algoritmi possono aumentare la trasparenza delle catene di distribuzione in tempo reale, nonché prevedere possibili problemi sulla via del traffico e segnalarli.
- Analisi predittiva di schemi di indicatori per periodi precedenti e valutazione di rischi e possibilità futuri.
Grazie alle informazioni elaborate, vengono prese decisioni valutate indirizzate verso l'efficienza delle catene di distribuzione.