Descartes System Group presenterade nyligen sina förbättringar inom Artificiell Intelligens (AI) och maskininlärning (ML) för deras tjänster inom ruttplanering och ruttoptimering. Genom att lära sig av data från verkligheten kan dessa förbättringar maximera fordonens prestanda samt hjälpa företag att uppnå bästa möjliga optimeringsresultat.  

Descartes, med nordiskt huvudkontor i Malmö, har en lång historia av innovation, som innefattar allt ifrån robotisk processautomatisering för standardisering och automatisering av ruttplaneringsprocesser, till elastisk molnoptimering för stora fordonsparker samt ruttoptimering för tidsbestämda leveranser samma dag. Med de nya förbättringarna inom AI och ML tar Descartes nya kliv i att optimera kundernas prestanda inom såväl ruttoptimering som effektivisering.  

- Dessa AI- och ML-baserade förbättringar är tecken på att vi fortsätter anstränga oss till att förbättra våra Routing-lösningar till att förenkla och automatisera mer, vilket ger större precision och förbättrade driftresultat, säger Sergio Torres, senior vice president på Descartes.  

- AI och ML-förbättringarna är perfekta förlängningar till våra mer avancerade ruttoptimerings- och körfunktioner. Vi har använt AI och ML för att förbättra förmågan att leverera  nästa nivå av fordonens gemensamma prestanda. Detta inom allt från dynamisk schemaläggning av leveranser, till planering och realtidsutförande av rutter, säger Ken Wood, executive vice president på Descartes.  

Förbättringarna inom AI och ML innefattar: 

• Descartes AI Advisor är en intelligent konfigurations- och övervakningsmodul som efterliknar förmågorna hos Descartes ”Route optimization”-experter. Kunden får en rad frågor, där Descartes AI Advisor utifrån svaren automatiskt konfigurerar optimeringsinställningar och parametrar, vilket förenklar och påskyndar konfigurationsprocessen. Olika scenarios som uppkommit i och med konfigurationen jämförs sedan för att avgöra de bästa inställningarna för att optimera rutterna och samtidigt bidra till att nå företagens mål. AI-Advisor kan alltså utvärdera resultaten av system som är i drift, och rekommendera konfigurationsändringar för att hela tiden bibehålla optimal prestanda.  

• Maskininlärningsalgoritmer har tillämpats för att beräkna plats, transits och stopptider. Dessa nyckelfaktorer förbättras kontinuerligt genom att övervaka verkliga resultat från både mobila och IoT-baserade källor i kombination med andra påverkande variabler. Tiotusentals datapunkter och variabler utvärderas alltså kontinuerligt för att göra inlärda justeringar som bidrar till att förbättra ruttplaneringens precision och därmed också skapa mer förutsägbara och effektiva rutter. 

Besök vårt Fleet Innovation Resource Center för mer information.