AI-Tool für effektives Predictive Order Management
Effektivere Logistik, weniger Lieferfahrzeuge in der Stadt und dadurch weniger Emissionen. Das bringt der neue, von uns entwickelte Algorithmus für das Predictive Order Management. Mit unserem Tool werden die Bestellmengen für 14 Tage im Voraus berechnet, damit wir die Fahrer- und Fahrzeugkapazitäten besser einplanen können. Erfahren Sie aus erster Hand, was hinter dieser Technologie steckt und wann wir ihr im Alltag begegnen können.
Predictive Order Management auf die Stunde genau
Unser Order Predicting Tool ist ein Algorithmus der künstlichen Intelligenz (auch Machine-Learning oder AI-Algorithmus), der aus historischen Daten sowie weiteren Angaben die Bestellmengen der einzelnen Firmenkunden, Filialen, Restaurants, Shops und sonstiger Ausgabestellen vorhersagt. Unser Ziel ist Predictive Order Management auf die Stunde genau und zwei Wochen im Voraus.
Während dieser Artikel Ende Mai, Anfang Juni verfasst wird, findet bereits in mehreren Filialen das Pilotprojekt statt. Das Modell kann aktuell die Bestellmengen für den jeweiligen Tag vorhersehen, kann sie jedoch noch nicht in Zeitfenster unterteilen. Die Entwicklung dieses Features läuft gerade auf Hochtouren und wird innerhalb der nächsten Wochen ins Pilotprojekt integriert.
Aktuelle Fehlerquote: unter 10 %
Momentan testen wird das in Reihe vierte Modell für Predictive Order Management. Die Fehlerquote liegt bei rund 10 % und in den sehr stark ausgelasteten Filialen unserer Firmenkunden sogar nur bei 6 %.
Mathematisch ist diese Lösung sehr interessant, da Daten wie Wochentag, Monat, Partner, Stadt usw. eine Kombination aus Tabellen- und Zeitreihen sind. Zur Berechnung ziehen wir moderne Machine-Learning-Algorithmen basierend auf sog. Decision Trees heran, inklusive neuester und verbesserter XGBoost, ADAboost usw. Diese Algorithmen werden schließlich in der Software-Bibliothek Scikit-Learn implementiert.
Pilotversion im Juni, Vollversion im Sommer
Für den Juni 2023 ist der Pilotbetrieb in mehreren Filialen geplant. Für eine exakte Prediction sind mindestens 10 Bestellung pro Tag erforderlich, damit wir genaue, aussagekräftige Daten erhalten. Für Filialen mit weniger Bestellungen kommt die Order Prediction für die kommenden 2 Wochen auf der Grundlage historischer Daten zum Einsatz.
In der Pilotphase werden wir die Entwicklung der Prediction für konkrete Zeitfenster abschließen. Im Sommer 2023 möchten wir die Vollversion des Modells einsetzen, die zusätzlich um das Feedback aus dem Pilotbetrieb verbessert wird.
Möchten Sie wissen, welche weiteren Tools uns dabei helfen, unserer Zeit und der Konkurrenz immer einen Schritt voraus zu sein? Hier erfahren Sie alles über unsere Logistik-Plattform GAIA