Hoe machine learning last-mile en last-meter leveringen versnelt

Hoewel veel van de inspanningen van de logistieke sector om de levertijden te versnellen gericht zijn op het optimaliseren van routes, blijkt dat chauffeurs daar niet het grootste deel van hun tijd aan besteden.

In feite is maar liefst 75% van hun werkdag gewijd aan het navigeren van niet de laatste mijl, maar de laatste 100 meter - wachten bij laadperrons, zoeken naar parkeerplaatsen en interactie met klanten, zei Chazz Sims, directeur van Wise Systems , een startup gevestigd in Cambridge, Massachusetts, die autonome routerings- en verzendsoftware heeft ontwikkeld.

Met behulp van gegevens en machine-learningtools ontdekte het bedrijf dat dit soort servicetijd sterk varieert, afhankelijk van het tijdstip van de dag, de specifieke klant, de goederen in kwestie en de bezorger, voegde Sims eraan toe. Bepaalde winkels hebben het bijvoorbeeld op bepaalde tijden van de dag druk met het bedienen van klanten, of het ontvangen van goederen van verschillende bestelwagens op andere. Door die patronen te herkennen en planningen te verschuiven, kon het bedrijf de levertijden en -kosten verlagen.

De tools van Wise Systems passen routes, chauffeurs en schema's gedurende de dag automatisch aan als reactie op andere veranderende omstandigheden, waaronder weer, verkeer en back-up laadperrons. Door gegevens van de vloot van brouwerij Anheuser-Busch, een van de grootste klanten van de startup, te analyseren, kon Wise Systems late leveringen met 85% verminderen en vlootmijlen met 13% verminderen.

Het bedrijf, opgericht in 2014, opgevoed $ 7 miljoen uit het AI-fonds van Google eind vorig jaar.

zich verstoppen