15.04.2019  |  Lager & distribution

DSV bygger stort lager på Sjælland og bruger machine learning mod forsinkelser

Det danske transportfirma DSV bygger et logistikcenter på 150.000 m2 nær hovedkvarteret i Hedehusene på Sjælland. Det skal fungere som en smutvej til resten af Skandinavien. Og så bruger firmaet machine learning som redskab til at undgå forsinkelser.

Transport- og logistikvirksomheden DSV er i gang med at bygge fire kæmpe lagerbygninger blot et par hundrede meter fra firmaets hovedkvarter i Hedehusene på Sjælland. Logistikcenteret på i alt 150.000 m2 skal være DSV’s vej til det Skandinaviske marked.

Læs også: DSV og Panalpina er blevet enige

Annonce: (Artiklen fortsætter efter annoncen)

”Dette bliver virkelig stort, og vi gør alt, hvad vi kan for at bygge og designe lagrene smarte fra begyndelsen. Fordi vi bygger en helt ny facilitet, og vi får meget plads, har vi en unik mulighed for at skræddersy 3PL-løsninger og designe lagerplads for at opfylde specifikke behov. Og det kan vi gøre ved at bruge den nyeste tilgængelige teknologi inden for de forskellige logistiksegmenter”, siger Nikolaj Meyland-Smith, direktør for Solutions Warehouses i Danmark.

Placeringen af det nye logistikcenter skyldes en solid infrastruktur og korte afstande til havn, lufthavn og jernbaneterminal, der skal hjælpe med at sikre effektive forsyningskæder. Planen er, at den første af de fire nye bygninger er klar til brug i starten af 2020.

Udgående logistik til Skandinavien skal sikres gennem DSV’s eget netværk med omkring 500 lastbiler på regelmæssige ruter fra Danmark til Sverige, Norge og Finland.

Machine learning–teknologi skal spore forsinkelser
Der er mange transportvirksomheder, der indsamler data om pakker, lastbiler, varebiler med mere, men det er ikke altid kunderne for glæde af informationen.

Det vil DSV prøve at ændre på ved at benytte machine learning. Teknologien skal ud fra en mængde data, for eksempel via GPS-trackere på lastbiler, lære at genkende mønstre, så for eksempel forsinkelser kan forudses. Det skriver Ingeniøren.

”Vores udfordring var, at vi gerne ville forudse forsinkelser for helt at kunne undgå, at forsinkelserne sker. Så derfor har vi udviklet et projekt for en kunde, hvor vi benytter data fra en GPS på en trailer samt en række historiske data. Med en simpel ’machine learning-model’, som vi fodrer med data direkte fra en GPS, kan vi få at vide, hvornår forsinkelser ventes at opstå”, siger Thomas Prinds Meyer, Project Manager hos Business Innovations & Systems hos DSV, til Ingeniøren.

Machine learning–teknologien kan ifølge DSV forudse forsinkelser op til 12 timer før, det er en realitet. Og den oplysning kan bruges til at informere kunden.

Læs også: DSV tester rengøringsrobot på pharma-lager

”I den forbindelse indså vi, at vi ikke nødvendigvis behøvede at udvikle et smart program eller en frontend, men blot kunne nøjes med at sende en mail til slutbrugeren. De havde i forvejen mange programmer, de skulle forholde sig til, så mailprogrammet Outlook viste sig at være den bedste løsning”, fortæller Thomas Prinds Meyer til Ingeniøren.

- SDN


Mere fra SCM.dk – forum for ledelse af forsyningskæden

SCM.dk – forum for ledelse af forsyningskæden

www.scm.dk

SCM.dk – forum for ledelse af forsyningskæden – er Danmarks eneste erhvervsmedie og community med dedikeret fokus på optimering af forsyningskæden. Medlemmer på SCM.dk kan bidrage aktivt med indhold og erfaring og betragtes som en indsigtsfuld vidensressource i udviklingen af SCM.dk. Vi udkommer dagligt på SCM.dk, ugentligt med nyhedsbreve samt ni gange om året med magasinet SCM+LOGIST…

Se virksomhedsprofil  

  SCM.dk anvender cookies, som vi bruger til at huske dine indstillinger og statistik m.m. Når du fortsætter med at bruge websitet accepterer vores nye cookie- og persondatapolitik. Læs mere