5 Lästid 6 feb 2020
Kundinspektör som står vid lastade containrar

Hur AI automatiserar på ett intelligent sätt

Författare

Gavin Seewooruttun

EY Asia-Pacific Artificial Intelligence and Analytics Advisory 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

Delaktiga
5 Lästid 6 feb 2020
Relaterade ämnen Digitalisering Transport

Transformering genom att automatisera på ett intelligent sätt med artificiell intelligens (AI) är nu praxis för tidiga användare med ett öga för framtiden.

Löfte om snabbhet, enkelhet och kostnadsoptimering samtidigt som komplexa processer och system förenklas, sätter AI i förarsätet för organisatorisk omvandling. Traditionella affärsprocesser och system genomgår en grundläggande förändring med utökad ny teknik som erbjuds. Transformering genom att automatisera på ett intelligent sätt med artificiell intelligens (AI) är nu praxis för tidiga användare med ett öga för framtiden.

I en mycket konkurrenskraftig, global affärsmiljö - som rör sig snabbare än någonsin tidigare - måste organisationer förbättra sin hastighet, noggrannhet och produktivitet för att leverera bästa resultat till kunderna. Det handlar inte bara om hur man interagerar direkt med kunderna, utan det beror på hur man, när de väl är anknutna, snabbt kan tillgodose deras behov.

Genom att använda AI maskininlärning för att hantera "process, förutsäga och förskriva" över de enorma mängder data som nu finns tillgängliga, använder kunderna sina medarbetare för att tillföra värde genom att leverera när beslut fattas. I faktisk tid.

I ett brett spektrum av branscher, geografier och affärsfrågor är automatisering fortfarande en viktig drivkraft både idag och imorgon.

Varför, hur, och vad

Kunderna är ofta medvetna om de områden i deras verksamhet som kräver förbättring (varför) och har resultatmål att uppnå, men den exakta strategin (hur, och vad) kan vara skrämmande... RPA, kognitiv, NLP, drönare, blockchain, agila metoder, maskininlärning... det finns ett uttömmande utbud av nya och uppkommande tekniker att erbjuda.

Du kan läsa mer om de tre stegen som vi rekommenderar när du utvecklar en intelligent automatiseringsmetod här, men den här artikeln ger dig ett verkligt exempel på hur vi har använt AI för att automatisera på ett intelligent sätt för en klient. 

Genom att använda AI maskininlärning för att hantera "process, förutsäga och förskriva" över de enorma mängder av data som nu finns tillgängliga, använder kunderna sina medarbetare för att tillföra värde genom att leverera när beslut fattas. I faktisk tid.

Kunden och utmaningen

Kunden är en framtidsinriktad organisation och en avancerad användare av teknik, som använder teknik för att lösa några av sina största affärsfrågor.

De driver en av världens största hamnar, där logistik utgör en mycket stor utmaning. Nästan 100 fartyg rör sig in och ut varje dag, var och en fraktar upp till 20 000 containrar på 20 fot, vilket kräver stora lastbilar, kranar och arbetare med olika färdigheter för att kunna serva dem. Varje felberäkning i fartygets ankomsttid har potential att skapa betydande förseningar för hamnen. När saker går fel lämnas fartyg utan någonstans att docka, arbetare väntar utan jobb att göra, och maskiner blir stillastående.

Uppgiften var att hjälpa kunden att utveckla en strategi för att exakt förutsäga fartygens rörelse och att på så vis bättre kunna fördela människor och maskiner.

Rätt omfattning med samverkande team

För att automatisering ska genomföras på ett framgångsrikt sätt i en organisation måste ledningen och de involverade teamen vara en del av processen.

Vi samlade en arbetsgrupp som inkluderade en blandning av EY-medarbetare, kundens chefer och medarbetare från hela deras operativa verksamhet för att säkerställa att vi uppnådde inköp och engagemang. Detta var ett tidsbegränsat projekt, därför genomförde vi en serie av designtänkande workshops för att bekräfta de exakta områdena inom de operativa processerna som skulle automatiseras med AI. 

Detta var ett mycket interaktivt tillvägagångssätt där vi kunde begränsa projektets omfattning till tre specifika hypoteser kring mer exakt förutsägelse av fartygsrörelse in och ut ur hamnen, fördela maskiner i realtid, och bättre planera människors resurser.

Tillämpning av AI 

Att flytta AI från labbet till fältet är svårt, och denna fallstudie belyser behovet av att komplettera AI-färdigheter med en djup förståelse av organisationens data och operativa sammanhang.

Med användning av AI maskininlärning och nya datakällor hjälpte vi till att utveckla tre live lösningar med mer än 20 AI modeller byggda och integrerade för att förutsäga:

  1. ankomst av fartyg som var ute i 14 dagar
  2. resurser som hamnen skulle behöva för att möta efterfrågan
  3. potentiella maskinstillestånd

Vi använde omfattande historiska databaser för att informera maskininlärningsmodellen med variabler som tidvattenmönster, fartygsstorlekar och tidigare variationer i ankomsttider från olika leveranslinjer. Genom att integrera denna historiska information med satellitnavigering och varje fartygs redovisade ankomsttid, visade sig fartygets rörelsemodell vara mer exakt än hamnoperatörens tidigare system.

Mer exakta ankomsttider möjliggjorde senare en mer exakt planering av arbetskraften, vilket i sin tur på ett bättre sätt framhöll potentiella stillestånd, och möjliggjorde realtidsförslag för snabbare körvägar genom området, så att maskiner var där de behövde vara vid rätt tidpunkt.

Uppnådda resultat

Tillsammans ökade dessa tre automatiserade AI lösningar hamnens effektivitet avsevärt med betydande kostnadsbesparingar som resultat. Den automatiska AI lösningen för endast fartygstrafiken ökade noggrannheten med 3 % (utöver kundens riktmärken), vilket innebar besparingar på ungefär 10,2 miljoner dollar på kort sikt.

Förutom denna makropåverkan för kunden, har dessa förutsägelser inneburit att arbetare i hamnen nu har mer förutsägbar arbetstid, med lite ställtid under ett skift samt minskad övertid på grund av oväntade fartygsförseningar.

Användning av teknik måste lösa reella problem för företag, och göra det på ett inkluderande och ansvarsfullt sätt. För denna kund var AI rätt teknik för att leverera de erforderliga resultaten, inklusive att förbättra sina anställdas arbetsmiljö.
Andy Gillard
EY Asien och Stillahavsområdet, Ignitions- och Kognitionsledare

Varje liten förbättring av de förutsägbara modellerna, oavsett hur små de än är, förbättrar driften av hamnen avsevärt.

Och sedan?

Det arbete som vi utförde införlivas i kundens planer för en gigantisk hamn i framtiden, där intelligent automatisering kommer att vara kärnan i all verksamhet.

Och idag ser kunden kontinuerligt förbättringar i maskininlärningsmodellens säkra förutsägbarhet med ytterligare data som läggs till hela tiden. Det är ett verkligt exempel på AI-automatisering som blir mer intelligent med tiden. För ytterligare kundexempel på intelligent automatisering som uppnås genom avancerad dataanalysteknik (som AI), läs några av våra andra artiklar.

Summering

Genom att använda AI maskininlärning för att hantera "process, förutsäga och förskriva" över de enorma mängder av data som nu finns tillgängliga, använder kunderna sina medarbetare för att tillföra värde genom att leverera när beslut fattas. I faktisk tid.

I ett brett spektrum av branscher, geografier och affärsfrågor är automatisering fortfarande en viktig drivkraft både idag och imorgon.

Om artikeln

Författare

Gavin Seewooruttun

EY Asia-Pacific Artificial Intelligence and Analytics Advisory 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

Delaktiga
Relaterade ämnen Digitalisering Transport