5 minutters læsetid 29 jul. 2019
Toldinspektør står og danner sig et overblik over en containerkaj

AI er intelligent automatisering

Forfattere
Gavin Seewooruttun

EY Asia-Pacific Artificial Intelligence and Analytics Consulting Leader

Elevating people through emerging technologies. Methodical and structured approach. Promotes team and individual autonomy. Enthusiastic and success-driven.

EY Global

Multidisciplinary professional services organization

5 minutters læsetid 29 jul. 2019
Relaterede emner Digital Transport

Forandring gennem intelligent automatisering med kunstig intelligens (AI) er nu  udbredt blandt "early adopters" med sigte på fremtiden.

Udsigten til højt tempo, lethed og omkostningsoptimering samtidig med forenkling af komplekse processer og systemer giver AI en afgørende rolle i organisatoriske forandringer. Traditionelle forretningsprocesser og systemer gennemgår et fundamentalt skift med det stigende udbud af nye teknologier. Forandring gennem intelligent automatisering med kunstig intelligens (AI) er nu  udbredt blandt 'early adopters' med øje for fremtiden.

I et stærkt konkurrencepræget, globalt forretningsmiljø - der bevæger sig hurtigere end nogensinde før - skal virksomhederne øge tempo, præcision og produktivitet for at levere det bedst mulige resultat til kunderne. Det gælder ikke alene, hvordan man interagerer med kunderne direkte, men også, hvordan man, når kunderne først er tilknyttet, hurtigt kan imødekomme deres behov.

Ved at bruge AI-machine learning til at behandle, prognosticere og foreslå løsninger på tværs af de enorme mængder data, der nu er tilgængelige, bruger kunderne deres medarbejdere til at skabe værditilvækst ved at tilføje ekspertviden, efterhånden som der træffes beslutninger. I realtid. 

På tværs af en lang række brancher, geografi og problemstillinger er automatisering fortsat en afgørende forretningsparameter i dag og i fremtiden.

Hvorfor, hvordan og hvad

Kunder kender ofte godt de områder i deres virksomheder, der kræver forbedring (hvorfor) og har præstationsmål, de skal opfylde, men den nøjagtige tilgang (hvordan og hvad) kan virke uoverskuelig ... RPA, kognitiv IT, NLP, droner, blockchain, agilitet, machine learning ... udvalget af nye og fremspirende teknologier og teknikker er overvældende.

Du kan læse mere om de tre trin, vi anbefaler, når man skal udvikle intelligent automatisering  her

Ved at bruge AI machine learning til at behandle, prognosticere og foreslå løsninger på tværs af de enorme mængder tilgængelige data, kan kundernes medarbejdere fokusere på at skabe værditilvækst ved at tilføje ekspertviden i takt med at beslutninger træffes. I realtid.

Kunden og udfordringen

Kunden er en fremtidsorienteret virksomhed og en avanceret teknologibruger, der anvender teknologi til at løse nogle af deres største forretningsmæssige problemer.

De driver en af verdens største havne, hvor logistik er en overvældende udfordring. Næsten 100 skibe lægger til og fra hver dag, hver med op til 20.000 20-fods containere, hvilket kræver kæmpe lastbiler, kraner og medarbejdere med forskellige kvalifikationer til at servicere dem. Enhver fejlberegning af et skibs ankomsttid kan risikere at skabe store forsinkelser for havnen. Når tingene går galt, ligger skibe uden et sted at gå til kaj, medarbejdere står uden at kunne løse deres opgave, og der opstår flaskehalse for maskineri.

Vores opgave var at hjælpe kunden med at udvikle en metode til nøjagtigt at forudsige skibenes bevægelser og derfra optimere fordelingen af arbejdskraften og maskinerne.

Det rette scope og samarbejde

For at det kan lykkes at forankre automatiseringen i en organisation, skal den involverede ledelse og medarbejderstab samarbejde om processen.

Vi sammensatte en arbejdsgruppe, der omfattede en blanding af EY-folk og medlemmer af kundens ledelse og medarbejderstab på tværs af alle aspekter af driften for at sikre, at vi opnåede forankring og engagement. Dette var et tidsbegrænset projekt, så vi gennemførte en række workshops om design thinking for at fastsætte de præcise områder inden for driften, som skulle automatiseres med AI. 

Dette var en meget interaktiv proces, hvor vi fik mulighed for at indsnævre scope for projektet til tre specifikke hypoteser om, hvordan man mere præcist kunne forudsige skibenes bevægelser, så man bedre kunne fordele maskiner og arbejdskraft i realtid.

Anvendelsen af AI 

Moving AI from the lab to the field is hard and this case study highlights the need to complement AI skills with a deep understanding of the organization’s data and operational context.

Ved at bruge AI-machine learning og nye datakilder hjalp vi med at udvikle tre konkrete løsninger med flere end 20 indbyggede og integrerede AI-modeller med henblik på at forudsige:

  1. Skibsankomster 14 dage frem i tiden
  2. De ressourcer, havnen skal bruge for at opfylde behovene, og
  3. Potentielle flaskehalse for maskiner på kajen.

Vi brugte omfattende historiske databaser til at fodre machine learning-modellen med variabler såsom tidevandsmønstre, skibsstørrelser og tidligere udsving i ankomsttider fra forskellige shippingfirmaer. Ved at sammenkoble disse historiske data med satellitnavigation og skibenes annoncerede ankomsttider, viste skibsbevægelsesmodellen sig at være væsentligt mere nøjagtig end havneoperatørens tidligere system.

Mere præcise ankomsttider gjorde det efterfølgende muligt at planlægge arbejdskraften mere nøjagtigt - hvilket igen fremhævede potentielle øvre grænser for antallet af maskiner på kajen og gav mulighed for at stille konkrete forslag til hurtigere transportruter på kajen, så maskinerne var på rette sted til rette tid.

Enhver anvendelse af teknologi skal kunne løse virkelige problemer for virksomhederne og gøre det på en inkluderende og ansvarlig måde. For denne kunde var AI den rette teknologi til at levere de ønskede resultater, herunder forbedring af medarbejdernes arbejdsmiljø.
Andy Gillard
EY Asia-Pacific Ignition to Cognition Leader

Enhver forbedring af prognosticeringsmodellerne, uanset hvor lille, giver en eksponentiel forbedring i havnedriften.

Hvad er det næste?

Det arbejde, vi udførte, bliver indarbejdet i kundens planer om en mega-havn i fremtiden, hvor intelligent automatisering vil være central i alle processer.

Og i dag ser kunden fortsatte forbedringer i machine learning-modellens forudsigelsesnøjagtighed, idet der konstant tilføjes flere data. Det er et ægte eksempel på AI-automatisering, der bliver mere intelligent med tiden. For flere kundeeksempler på, at intelligent automatisering opnås gennem avancerede dataanalyseteknikker (som AI), kan du læse nogle af vores andre artikler.

Sammendrag

Ved at bruge AI machine learning til at behandle, prognosticere og foreslå løsninger på tværs af de enorme mængder tilgængelige data, kan kundernes medarbejdere fokusere på at skabe værditilvækst ved at tilføje ekspertviden i takt med at beslutninger træffes. I realtid.

På tværs af en lang række brancher, geografi og problemstillinger er automatisering fortsat en afgørende forretningsparameter i dag og i fremtiden.

Om denne artikel

Forfattere
Gavin Seewooruttun

EY Asia-Pacific Artificial Intelligence and Analytics Consulting Leader

Elevating people through emerging technologies. Methodical and structured approach. Promotes team and individual autonomy. Enthusiastic and success-driven.

EY Global

Multidisciplinary professional services organization

Relaterede emner Digital Transport