Logistik TransData
Zurück zur Übersicht Forschungsprojekt

TransData

Dynamische Transportoptimierung durch Antizipation und Echtzeit-Datenanalysen

Projektbeschreibung

Durch die steigenden Anforderungen an die Transportlogistik müssen Kosten reduziert, die Qualität gesichert und Transporte flexibel und zuverlässig durchgeführt werden. Ziel des Projekts war es, CO2-Emissionen zu verringern, die Wettbewerbsfähigkeit von Transportunternehmen zu steigern und die Servicequalität der Transportdienstleistungen zu erhöhen.

Dazu wurde eine große Menge interner Prozess- und Betriebsdaten mit externen Mobilitäts-, Geo- und Wetterdaten miteinander in Beziehung gesetzt und zielgerichtete Prognosen erzeugt. Diese Prognosen wurden zusammen mit über Sensoren gewonnenen Echtzeit-Daten von einem dynamischen Dispositionssystem verarbeitet und bei der Transportoptimierung berücksichtigt.

Das System wurde im Bereich der Entsorgungslogistik bei der BREWELO erfolgreich getestet.

Ergebnisse und Wirkungen

  • Datenverarbeitung & Prognosen Um präzise Prognosen von Auftragseigenschaften und den Füllstand von Altkleidercontainern zu erstellen, verarbeiteten wir Daten aus über 24.000 Datensätzen zur Leerung von Altkleidercontainern. Dabei wurden auch Geo- und Wetterdaten aus der mCloud berücksichtigt.
  • Fahrzeitprognose Zur (uhrzeitabhängigen) Fahrzeitprognose entwickelten wir einen Algorithmus, der Fahrzeiten auf Grundlage gefahrener Touren und Wetterdaten berechnet.
  • Hardware-Entwicklung Um in der Tourenplanung auf unvorhersehbare Ereignisse reagieren zu können, entwickelten wir einen Füllstandsensor für Altkleidercontainer, der Echtzeitdaten über das mobile Internet versendet.
  • App-Implementierung Ferner implementierten wir eine App, um weitere Echtzeitdaten für Standort- und Containerauswertungen mobil erheben zu können.
  • Messbare Effizienzsteigerung Die Berücksichtigung der Prognosen und Echtzeitdaten bei der dynamischen Tourenplanung führten zu einer effizienteren Planung der Fahrstrecken. Die Anzahl der Touren/Fahrzeuge wurde bis zu 20% reduziert. Die Anzahl der zurückgelegten Kilometer verringerte sich je nach Szenario zwischen 10% und 20%.

Ausblick & Weiterentwicklung

  • Im Anschluss des Projekts wrude der Füllstandsensor professionalisiert, weiterentwickelt und vermarktet (z. B. Prüfung des Einsatzes zur Füllstandüberwachung in Wechselbrücken und anderen Behältern).
  • Die im maschinellen Lernverfahren entwickelten Modelle zu Prognosen der Containerfüllstände und eine API, die die Prognosen unmittelbar in eine Dispositionssoftware einfließen lässt, wurden weiterentwickelt.
  • Die entwickelten KI-Lernverfahren wurden in XTL‘s SaaS-Lösung zur dynamischen Tourenoptimierung integriert.
  • Das Startup XTL konnte mit den im TransData-Projekt entwickelten Technologien weitere Marktsegmente erschließen und dadurch ihr Wachstum beschleunigen.

Projektinformationen

Akronym - Langtitel

TransData Dynamische Transportoptimierung durch Antizipation und Echtzeit-Datenanalysen

Verbundkoordinator / Zuwendungsempfänger

XTL Kommunikationssysteme GmbH | Bremen

Projektpartner

  • BREWELO GmbH & Co. KG
    Bremen

Projektlaufzeit

01.7.2017 – 31.3.2020

Gefördert durch

Gefördert durch BMVI