Merjenje in upravljanje trajnostnega delovanja pri zunanjih izvajalcih logističnih storitev v realnem časuOršič, Jerko (Avtor) Obrecht, Matevž (Mentor) Jereb, Borut (Komentor) oskrbovalne verigelogistika zadnje milje3PLtrajnostumetna inteligencadogodki v realnem časumasivni podatkiZaradi novih trendov digitalne logistike, smo nadgradili obstoječe prakse za spremljanje in upravljanje aktivnosti logističnih podjetij z razvojem modela, ki omogoča sprotno izboljševanje trajnostnega izvajanja logističnih dogodkov v realnem času. Zahteve digitalne logistike se osredotočajo na hitrost, učinkovitost in izvajanje logističnih storitev v realnem času s poudarkom na optimizaciji delovanja ter zmanjšanju trajnostnih obremenitev. Kompleksnost teh zahtev se kaže predvsem pri vodilnem poslovnem modelu e-trgovine, pri dostavah na dom s prisotnostjo prejemnika. Takšno poslovanje je potrebno obvladovati v omejenih dogovorjenih časovnih okvirih, po možnosti še isti dan, kar predstavlja enega najdražjih in trajnostno najbolj obremenjenih področij logistike. Predvidevanje, kdaj bo določena dostava možna, je odvisno tudi od prometnih, vremenskih in drugih okoliščin, ki se stalno spreminjajo ter tako predstavljajo velik izziv za uspešno in trajnostno izvedbo dostav. Za podporo reševanju teh izzivov, v doktorski disertaciji predstavljamo model RELSIF, ki je osnovan na treh segmentih, in sicer: napovedi kapacitet možnih dostav v določenem geografskem in časovnem okviru, načrtovanju optimalnih dostav s točno prostorsko ter časovno definiranimi procesi, in nadzorom izvedbe načrtovanih dostav. Prvi segment se osredotoča na predvidevanje možnih dostav na določeno območje tako, da se lahko kupcu v fazi odločanja o nakupu ponudi možne izvedljive dostave v različnih časovnih okvirih. Poleg tega je prikazana trajnostna obremenitev posameznih dostav, kjer smo predvidevali, da se bo kupec odločil za bolj trajnostno dostavo. V naslednjem segmentu modela se z optimizacijo načrtovanja dostav omogočijo skrajšan čas dostave in dolžina dostavnih poti, dostave pa se izvedejo v dogovorjenih časovnih okvirih. To smo dosegli z upoštevanjem podatkov, ki se obravnavajo v realnem času v namene načrtovanja najustreznejšega zaporedja postankov, ob izogibu predvidenim zastojem, z večjo izkoriščenostjo prevoznih kapacitet, kar ima za posledico zmanjšanje trajnostnih obremenitev. Pri tretjem segmentu se stalno spremljajo vsi logistični dogodki, kjer se inteligentno reagira na možna odstopanja pri izvedbi dostav. V vsakem segmentu za razreševanje izzivov je predstavljena uporaba različnih algoritmov, temelječih na umetni inteligenci, z namenom pridobivanja podatkov iz različnih virov, prepoznavanju vzorcev v podatkih in stalnem učenju v povratni zanki. Uspešnost delovanja modela RELSIF temelji na zajemanju logističnih dogodkov v realnem času, upoštevanju različnih območij dostave, razpoložljivih virov, obsegov naročil za dostavo in ostalih zahtevah kupcev. Model je vpet v dejanski svet dogodkov, katere spremlja in se uči iz njih, vključno z vremenskimi razmerami in prometnimi posebnostmi. Poleg tega lahko model na osnovi podatkov, pridobljenih v realnem času, izbira bolj trajnostne rešitve, (pričakovano) tudi s pomočjo ozaveščenih kupcev. Tako smo ustvarili model, ki je sposoben dovolj točno napovedovati realne časovne okvire in hkrati izračunati trajnostne obremenitve posamezne dostave. Omogoča celovito spremljanje ter zmanjšanje vplivov na okolje in družbo, ter monitoring in izboljšave transparentnosti delovanja.[J. Oršič]20232023-11-17 11:09:35Doktorska disertacija86362sl