Gartner® Market Guide for Vehicle Routing and Scheduling
Download the complimentary 2023 Gartner® Market Guide for Vehicle Routing and Scheduling!
Download the complimentary 2023 Gartner® Market Guide for Vehicle Routing and Scheduling!
Per garantire che tutto funzioni senza intoppi nel magazzino, anche durante i picchi di lavoro, molte aziende, quando pianificano in anticipo i loro processi logistici, fanno affidamento sui dati della loro esperienza soggettiva. Tuttavia, per fare delle previsioni veramente accurate del carico di lavoro futuro, la aziende operanti nel settore della logistica devono trasformare queste esperienze in dati prontamente disponibili e valutabili. Il Gruppo Ehrhardt + Partner (EPG) supporta questo processo con l’analisi predittiva. I componenti di intelligenza artificiale in essa integrati elaborano tutti i dati rilevanti della catena di approvvigionamento, incrementando costantemente la precisione delle previsioni. I processi logistici interconnessi diventano così più redditizi ed efficienti.
Una pianificazione preventiva fondata è essenziale in periodi di forte pressione concorrenziale, di scarsezza di risorse e di consegne just-in-time. Nella quotidianità logistica, le previsioni su fabbisogno di risorse, carico degli ordini, quantità dei trasporti, numero di colli o durata del commissionamento sono ad esempio necessità urgenti. Il concetto di analisi predittiva di EPG aiuta le aziende ad elaborare previsioni concrete per il futuro analizzando i dati storici. Insieme con il suo partner tecnologico IBM, EPG realizza dei modelli nei quali vengono elaborati dati logistici rilevanti dei sistemi del cliente. Nell’effettuare la previsione dei carichi di lavoro futuri si possono tenere in considerazione anche fattori d’influenza esterni come il tempo o le notizie. Ogni giorno che passa la precisione delle previsioni aumenta.
Come funziona l’analisi predittiva nella pratica?
EPG ha ampiamente testato diverse applicazioni di analisi predittiva, come ad esempio la gestione previdente delle risorse presso Ehrhardt + BOMAG Logistics GmbH (EBL) a Boppard. Nel magazzino della EBL si trovano oltre 50.000 parti di ricambio di diverse forme e dimensioni per le macchine da costruzione di BOMAG. Al fine di consentire una pianificazione complessiva, precisa e affidabile di tutte le risorse, l’attuale gestione delle risorse è stata ampliata con una componente predittiva. Con l’ausilio di IBM Watson Studio, EPG ha elaborato un modello di autoapprendimento dei dati degli ordini attuali e storici. Inoltre, i dati fino ad oggi non strutturati, come e-mail e report, sono stati integrati nella previsione come fattori di influenza esterni utilizzando Discovery API. Il modello di dati integrato consente al dipendente addetto alla postazione di controllo di utilizzare la dashboard di analisi predittiva come un assistente intelligente per la pianificazione preventiva delle risorse. Grazie alla costante sincronizzazione dei dati, le previsioni sono sempre più precise.
