"Третий глаз" диспетчера доставок

posted May 11, 2019, 1:11 AM by Alexander Stepanov   [ updated May 18, 2019, 9:02 AM ]
Уверен, что ваши диспетчеры, контролирующие доставки / поставки грузов - опытные и надежные ребята (скорее, девчата). И если что-то не так в заказах, например, странные характеристики грузовых единиц или неправдоподобные адреса точек доставки, то они сразу заметят это и свяжутся с ответственным менеджером для уточнения.

Но ошибки все равно не исключены. И мне кажется, что функции машинного интеллекта для обнаружения аномалий здесь вполне актуальны. Поэтому я внедрил их в свое авторское решение для оптимального управления доставками. Пока это простое по сути самообучение компьютерной программы ("без учителя", т.е. без данных-примеров) на основе кластерного анализа (два кластера - "норма" или "аномалия"), позволяющее обнаружить выбросы веса и объема грузов в строчках заказов доставки. Но также это легко расширить, например, на такой показатель, как удаленность точки доставки от склада - например, известно, что все наши клиенты расположены в черте города, но в список заказов попал клиент из пригорода (чтобы выявить ошибку до отправки спланированного маршрута в навигатор водителя).

Других примеров - огромное количество! Для каждого из вас важно что-то свое. И вместе мы (я и вы) можем это обсудить, и спроектировать решение специально для вашего предприятия. Реализовать подобного рода вещи можно как средствами открытых библиотек исходного программного кода, так и средствами готовых "облачных" сервисов вроде Azure Machine Learning...

Александр А. Степанов