Aiutare i trasportatori e l’ambiente
Ogni anno, i trasportatori negli Stati Uniti percorrono più di 153 miliardi di chilometri di autostrada (abbastanza da viaggiare intorno all’intero pianeta circa 3,7 milioni di volte). Secondo Convoy, un’azienda di logistica con sede a Seattle, circa 800 miliardi di dollari saranno spesi nei servizi degli autotrasporti nel 2018 per trasportare 10,5 milioni di tonnellate di carichi.
In sostanza, il settore degli autotrasporti è enorme. Ma non è necessariamente un settore efficiente.
Un incredibile 40% dei chilometri percorsi ogni anno è completato a camion vuoto, un costoso spreco di tempo e carburante. Il problema maggiore dell’industria sono le infrastrutture: una rete frammentata di spedizionieri e autotrasportatori, grandi e piccoli, uniti da degli agenti che combinano le due figure. Questo processo si affida spesso a metodi tradizionali come e-mail, rubriche di indirizzi e chiamate telefoniche.
Convoy sta rivoluzionando questo modello utilizzando l’intelligenza artificiale (AI) per renderlo automatico. “Abbiamo creato un marketplace digitale online attraverso la nostra applicazione mobile che i vettori e i conducenti possono utilizzare direttamente per trovare lavoro”, afferma David Tsai, senior manager del marketplace e dell’ingegneria della piattaforma di dati presso Convoy.
L’approccio di Convoy utilizza il machine learning (una tecnica di AI) all’interno del proprio sistema per fornire combinazioni migliori tra spedizionieri e trasportatori, permettendogli di spostare le merci in modo più efficiente e diminuire i costi per entrambe le parti. Anche i grandi spedizionieri che dispongono di sistemi computerizzati locali possono integrare il marketplace online digitale di Convoy all’interno del proprio.
Un altro beneficio di questo sistema è la trasparenza. Con Convoy, i vettori possono visualizzare il prezzo offerto per qualsiasi lavoro e prendere delle decisioni più informate e coerenti con il lavoro di ciascuno. Dall’altro lato, gli spedizionieri possono ottenere dei preventivi istantanei così da poter confrontare diversi vettori.
“Sfruttare l’AI per costruire modelli che facilitano quel tipo di rilevanza è qualcosa su cui noi poniamo un forte accento”.
Casey Olives
Responsabile dei dati
Convoy
“Sfruttare l’AI per costruire modelli che facilitano quel tipo di rilevanza è qualcosa su cui noi poniamo un forte accento”.
Casey Olives
Responsabile dei dati
Convoy
Tramite Amazon SageMaker, i modelli di machine learning di Convoy analizzano milioni di lavori per spedizioni e la disponibilità dei trasportatori, per poi raccomandare le migliori combinazioni dal punto di vista delle tempistiche e dei costi. Ciò ha un impatto su tutti gli aspetti relativi al processo, dall’instradamento e i preventivi inviati agli spedizionieri e i trasportatori, fino al riconoscimento di quali tipi di carico si combinano meglio con ciascun conducente singolo.
“Quando gli utenti accedono alla loro app Convoy, possono visualizzare una lista di offerte e quelle in cima alla lista sono le più rilevanti per loro e il loro business”, afferma Casey Olives, direttore della scienza dei dati presso Convoy. “Sfruttare l’AI per costruire modelli che facilitano quel tipo di rilevanza è qualcosa su cui noi poniamo un forte accento”.
Quindi, se per esempio un vettore ha un lavoro da Seattle a Los Angeles, l’app invierà persino delle raccomandazioni per il viaggio di ritorno. Ridurre i chilometri percorsi con i camion vuoti avvantaggia sia i trasportatori che l’ambiente.
Amazon SageMaker permette a Convoy di accelerare l’innovazione e rivoluzionare il settore. In passato, i data scientist di Convoy avrebbero dovuto creare dei modelli per poi consegnarli agli ingegneri informatici per essere riscritti in codici pronti per la fase di produzione. Con SageMaker, questo passaggio di traduzione è stato rimosso. I data scientist ora hanno la libertà di costruire modelli di machine learning in modo veloce, riducendo il loro affidamento sugli ingegneri informatici.
“Amazon SageMaker ha consentito di iterare in modo decisamente più veloce e passare dallo sviluppo alla distribuzione con una velocità persino maggiore”, afferma Olives. “Ci permette di creare dei passaggi veloci tra i nostri data scientist e gli ingegneri informatici”.
Mentre Convoy continua a collaborare con più spedizionieri e trasportatori, la sua AI può sfruttare più dati provenienti dall’intera rete per il trasporto merci, consentendogli di ottenere delle previsioni sulla domanda. In altre parole, si tratta di un processo dinamico, un processo che potrebbe finalmente rendere efficiente uno dei settori più grandi di tutto il mondo.
“Lavorando con più spedizionieri e vettori, possiamo ottenere una comprensione migliore di quali capacità abbiamo a disposizione e quale sarà la richiesta futura in settori specifici”, afferma Olives. "Essere in grado di avere una visione contestualizzata dell'intera rete ci permetterà di promuovere una maggior efficienza nell'utilizzo del sistema e nei costi correlati, sia per i vettori che per gli spedizionieri."