Szállítmányozás 2024 konferencia

Vásárhelyi Árpád: A digitalizáció szerepe a szállítmányozásban III. rész

Jelen tanulmány célja, hogy áttekintse a digitalizáció szállítmányozásban játszott szerepét, annak eddigi történetét, kihasznált és igénybe nem vett lehetőségeit, illetve jövőbeli várható tendenciáit. Az elemzést folytatásokban közöljük, ezúttal a Big Data jelentőségével a szállítmányozási folyamatokban.

A Big Data az adatok ismeretekké való átkonvertálását jelenti. Az ilyesfajta adatelemzésből rengeteget tanulhatunk: javíthatja például az előrejelzések hatékonyságát és így a logisztikai tervezést. S az alapul szolgáló adatok kéznyújtásnyira vannak: manapság már a közepes nagyságú cégeknél is naponta több milliárd megabit adat gyűlik össze. Ez elsősorban annak köszönhető, hogy az ellátási lánc mentén egyre több információt elektronikusan továbbítanak és dolgoznak fel. Adatok származnak szenzorhálózatokból, RFID-ból (Radio Frequency IDentification – rádiófrekvencia-alapú azonosítás), keresési eredményekből, közösségi oldalakról, az e-kereskedelem tranzakciós adataiból és a sokrétű elektronikus kommunikációból.

Ezen adatok rendszere és a köztük levő összefüggések hagyományos módon nem tárhatók fel, így a logisztikusok komoly kihívással szembesülnek, amikor olyan infrastruktúrát akarnak létrehozni, amely nemcsak tárolni képes az adatokat, de a hagyományos adatokkal együtt elemezni is tudja azt. Már ma is léteznek olyan, szenzorokkal ellátott gépek, amelyek ha Big Data-intelligenciával szerelik fel őket, akkor az általuk begyűjtött adatokat ki is tudják értékelni.

Ugyanakkor komoly gondot okoz, hogy a rendszerezetlen adatok mennyisége egyre csak nő, és a szokásos adatbankok segítségével ez a probléma már nem megoldható. Döntő fontosságú ugyanis, hogy az adatokat rendkívül gyorsan lehessen feldolgozni és elemezni. Ezért kínálnak a szoftvergyártók úgynevezett prediktív analitikus eszközöket, amelyek célja, hogy az adatokból megbízható előrejelzést készítsenek. Például a Big Data segítségével pontosíthatjuk a diszpozíciót: ha egy termék értékesítésével kapcsolatban bizonyos minta látszik kirajzolódni, a terméket mindig megfelelő mennyiségben lehet készleten tartani. (Kümmerlen, 2013.05.27.)

Az egyes vállalatok a jövőben egyre több pénzt és energiát fognak a hatalmas adatmennyiségek elemzésébe fektetni. A Big Data az iparban például sokkal jobb tervezhetőséget, épp ezért jobb, precízebb, hatékonyabb logisztikai ellátási láncot eredményezhet. (Kümmerlen, 2013.05.27.)

A Fraunhofer Institut munkatársai a logisztikában és a termelésben használható adatbányász-alkalmazásokon dolgoznak. Felmérésük szerint az adatmennyiség növekedésével párhuzamosan a cégek 70 százaléka fog komolyabban foglalkozni az adatbányászat felhasználásával, de ma még problémát jelent a nem megfelelő adatminőség, a hiányos tudás, illetve hiányzik a piacról a megfelelő szakértők hada és a szükséges büdzsé is. (Semmann, 2014.03.24.) A hatalmas adatmennyiségek elemzését minden vállalatnál komoly profitnövelő elvárások övezik – s nemcsak a fejlesztők körében, akik programjai különféle algoritmusok segítségével a többféle forrásból származó adatok közti komplex összefüggéseket keresik, hanem az iparban és a kereskedelemben is.

Javulhatnak az eladások előrejelzései, időben észrevehetjük a szállítási kockázatokat, és megelőzhetjük a kieséseket, ezzel stabilabbá téve a logisztikai láncot. A városok forgalmi adatai, amelyeket okostelefonok, navigációs eszközök, jegyautomaták és kamerák gyűjtenek, hasznosak lehetnek a közlekedésirányítás számára a balesetek és dugók megelőzésében. Ez minden lehetséges, s mind a kereskedelemben, mind a privát területeken komoly haszna lehet. De nem szabad elfelejteni, hogy a Big Datát komoly kritikával is illetik: az adatlopás és az illetéktelen felhasználás veszélye a társadalom egy részében távolságtartást és félelmet ébreszt. (Kümmerlen, 2013)

A Big Data-állományok létrehozásához elengedhetetlenül szükséges az egyes – szenzorokkal, és/vagy rádiófrekvenciás azonosítással felszerelt – tárgyak összekapcsolása. Az Internet of Things egy olyan technológia megnevezése, amely arra szolgálna, hogy különböző fizikai tárgyakat egy egységes univerzális digitális hálózatában kötne össze. A különböző eszközök rádiófrekvenciás kóddal azonosítják magukat a rendszerben. Ennek feltétele, hogy a tárgyak kommunikációképesek, illetve helymeghatározásra és adattárolásra alkalmasak legyenek. (Fraunhofer-Institut für Materialfluss und Logistik,2014) Ennek segítségével például a gépjárművek egymással, illetve adatközpontokkal képesek kommunikálni, amely „képességet” igen sokrétűen lehetne használni: pozitív hatása lehetne az útvonaltervezésre, a fuvareszközök kihasználtságának javítására, a kiszállítási idők optimalizálására, az esetleges infrastrukturális fennakadások elkerülésének kezelésére, valamint valós idejű kiszállítási adatok elemzésére is. Ezeknek a szenzoroknak az alkalmazása teszi lehetővé a jövőben, hogy a gépjárművek önállóan (emberi beavatkozás nélkül) közlekedhessenek, de ez már jelentősen túlmutat a szállítmányozásban való alkalmazhatóságon. Ugyanakkor fontos megjegyezni, hogy az Internet of Things technológiájának használata nem csupán a közúti forgalomban lehet hasznos, hanem más modalitások esetében is: gondoljunk csak hajók vagy repülők rakománykapacitásának optimalizálására, útvonaltervezésére vagy akár az üzemanyag-felhasználásuk javítására, jelentősen csökkentve így a széndioxid-kibocsátásukat.

A telematika olyan távoli eszközöket fejleszt, amelyek a telekommunikáció és az információs technológia kombinálásával teszik lehetővé az operátorok számára, hogy ellenőrizzék a szállítmányt, a járművet, a sofőrt, a trélereket és bármi egyebet. Néhány ilyen rendszer képes követni a küldemények mozgását és a munkaerő teljesítményét bármely tetszőleges időpontban. Sok piacvezető vállalat használja a telematikát, hogy valós időben biztosítsák a szállítási lánc átláthatóságát, hatékonyabb kockázatkezelési terveket készíthessenek, alátámaszthassák az esetleges kártérítési igényeket, javítsák a belső kommunikációt, fejlesszék az ügyfélszolgálat munkáját, és megelőzzék a szűk keresztmetszeteket. (Accenture, 2014)

A DHL például 2010 óta alkalmaz járműtelematikát az üzemanyag-felhasználás monitorozására és optimalizálására. A cég ezen kívül használ követőrendszereket is az útvonaltervezés javítására és könnyebb áttekintésére, illetve hogy felmérjék, mekkora szükség van alternatív útvonalakra és megkönnyítsék hálózatukban a jövőbeli tervezést. Ez a rendszer mintegy járulékos előnyként lehetővé teszi például a lopott járművek nyomon követését.

A DB Schenker 2012 óta minden cserefelépítményét ellátta olyan GPS-eszközzel, amely információt szolgáltat a felépítmények helyzetéről, ezzel is javítva a gazdaságosságon és környezetbarátabbá téve a fuvarozást. A flottamenedzsmentet szolgáló telematikai megoldásokon kívül a Schenker külön szenzoros szolgáltatásokat kínál ügyfeleinek az értékes vagy magas kockázatú áruk szállításához. (Accenture, 2014)

A tanulmány rövidített formában a NavigátorVilág 2017. január-februári számában jelent meg.