Softwareupdate bietet freie Tourenoptimierung und Warenstrom-Analysen mit neuronalen Netzwerken.
Foto: Jens P. Raak/Pixabay
Die Neuheiten von lbase 7.4 nutzen Technologien in Richtung Künstliche Intelligenz
Der Logistiksoftware-Anbieter lbase, ein Geschäftsbereich von Axians ICT Austria, präsentiert zwei Lösungen für die Logistik der digitalen Ära: Innovationen zur Tourenoptimierung und für Warenstrom-Analysen mit neuronalen Netzen. Die Funktionen sind Teil des aktuellen Software-Releases lbase 7.4.
Die neue Tourenoptimierung ermöglicht jetzt, Sammelverkehre für Stückgut automatisch zu optimieren. Das System berechnet dabei die bestmöglichen Routen für Voll- oder Teilladungen (FTL bzw. LTL). Auch in Hub-and-Spoke-Netzwerken ist eine automatische Optimierung möglich. Es kommen dazu mehrere mathematische Methoden zum Einsatz, um für die komplexe Kombination aus Linienverkehren, sternförmigen Umschlagsstrukturen und Nahverkehr eine bestmögliche Tourenplanung zu erreichen. Im ersten Einsatz zeigen sich alleine bei der Optimierung von Hub-and-Spoke-Strukturen Einsparpotenziale von mehr als 10 Prozent der Frachtkosten. „Unsere neue Tourenplanung automatisiert komplexe, zeitaufwendige Aufgaben und führt zu idealen Entscheidungen. Touren sind optimal geplant und bestmöglich ausgelastet, es verbessert sich die Liefergenauigkeit sowie -geschwindigkeit und es werden Kosten eingespart. Die Durchgängigkeit und Effizienz unserer Lösung bedeutet einen technologischen Fortschritt, der in der operativen Planung neue Standards setzt“, betont Andreas Schellmann, CEO von lbase.
Auf Basis künstlicher neuronaler Netze ermöglicht lbase nunmehr die Prognose künftiger Warenströme. Bisher nutzten Warenstrom-Analysen primär Ist-Daten, die neue Lösung von lbase verwendet nun Muster aus der Vergangenheit, um mit hoher Genauigkeit das aktuelle und voraussichtliche Sendungsaufkommen zu ermitteln. Historische Sendungsdaten werden hierzu mit Attributen wie Güterklassifikation, Saison, Wochentag, Volumen etc. erfasst. Output-Neuronen repräsentieren dann die erwarteten Lieferungen je Destination. Die prognostizierten Warenströme können dabei in unterschiedlicher Form visualisiert werden, zum Beispiel als Heat-Map oder Chord-Diagramm. „Das neuronale Netz lernt stetig durch neue Informationen, die Prognose wird dadurch immer aussagekräftiger. Unsere neue Lösung steigert deutlich die Effizienz der operativen Sendungs- und Transportplanung, benötigte Kapazitäten lassen sich mit hoher Wahrscheinlichkeit prognostizieren“, erläutert Marcus Eiser
 OpenAI.png&size=390x230&crop=0&trim=1)
