Logistikunternehmen

Routenoptimierung mit AWS SageMaker

Ausgangsbasis

  • Ein Logistikunternehmen bietet Paletten- und Pooling-Dienstleistungen für eine Vielzahl von Branchen an
  • Den Kunden werden für die unterschiedlichen Paletten-Anforderungen passende Lösungen angeboten
  • Die Nachfrage nach kürzeren Lieferungszeiten erfordert optimierte Routen
  • Steigende Kraftstoffpreise und Umweltauflagen erhöhen den Druck auf das Unternehmen
  • Die Komplexität der Lieferketten erfordert intelligente Lösungen

Rolle im Projekt

  • Erstellung einer detaillierten Anforderungsanalyse​
  • Bereitstellung eines fachlichen Lösungskonzeptes ​
  • Technische Konzeption zur Einbindung von Sagemaker
  • Ausarbeitung der produktspezifischen und individuellen Kundenlösung
  • Durch die Integration von Amazon SageMaker konnte schnell und einfach ein Machine-Learning basiertes Modell implementiert werden

Funktionen/Projektergebnis

  • Entwicklung eines eigenen Sagemaker-Modells für Machine Learning
  • Implementierung eines Python-Algorithmus für many-to-many-Routenoptimierung
  • Anbindung der Openroutenservice-API für Geodaten
  • Abspeichern der optimalen Routen und Abgleich von Auftragsrouten mit historischen Routen
  • Einschränkung der Ergebnisse durch zusätzliche Angaben wie Start- und Zielort

Kundennutzen

  • Sehr hohe Kosteneinsparung im zweistelligen Millionenbereich
  • Optimierung der Fahrzeugauslastung und Reduzierung von Emissionen
  • Bessere Planung und höhere Flexibilität
  • Größere Kundenzufriedenheit durch schnellere Lieferzeiten
  • Erweiterung der Details zur Einschränkung der Suchanfragen:
    Teilstrecken < 200 km; Gesamtstrecke < 3.200 km
  • Optimierung über n>1 LKWs
  • Kundennummer anstelle von Belegnummer für Suchalgorithmus
Lars Ritter | Senior Manager