Po wybuchu pandemii COVID-19 na początku 2020 r. sytuacja transportu lotniczego zmieniła się bezprecedensowo. Linie lotnicze odwoływały loty pasażerskie, uziemiając znaczną część floty. Przed pandemią transport lotniczy składał się z ok. 60% samolotów pasażerskich i 40% z towarowych.
W II kwartale 2020 roku proporcja ta wynosiła 10:90. Powyższa tendencja uległa pewnej poprawie, ale w najbliższych latach nie przewiduje się całkowitego odwrócenia sytuacji. Popyt na fracht lotniczy od połowy 2020 r. jest nadal znaczny, a moce przewozowe ograniczone. Pogłębiająca się różnica między możliwościami transportowymi a popytem powoduje wzrost cen frachtu lotniczego, w związku z czym branża ta, jak i cały sektor globalnych łańcuchów dostaw stają przed trudnym wyzwaniem.
Nieustające perturbacje w transporcie towarów drogą morską przy niedoborze mocy przewozowych i brakach kontenerów, nadmierne obciążenie oraz przypadki zamykania głównych portów morskich w Chinach, doprowadziły do jeszcze większego zapotrzebowania na fracht lotniczy. Dynamika rynkowa przyspieszyła, ale wciąż obserwuje się dużą zmienność na tym rynku. Czym jest sztuczna inteligencja we frachcie lotniczym i dlaczego jest potrzebna?
Opisane uwarunkowania biznesowe budzą znaczne wątpliwości w zakresie średnioterminowego planowania mocy przewozowych oraz ogólnej strategii zamówień publicznych realizowanej przez spedytorów lotniczych. Decydujące znaczenie mają sprawne, elastyczne procesy oraz narzędzia do przeprowadzania trafnej oceny, pozwalającej zrównoważyć możliwości biznesowe i związane z nimi zagrożenia. Decyzje oparte na danych mają kluczowe znaczenie w ograniczaniu ryzyka związanego z siecią i planowaniem działań transportowych oraz celniejszego przewidywania przyszłych zmian na rynku logistycznym.
Dane niezbędne do podejmowania decyzji
Istnieje wiele sposobów szerokiego wykorzystania danych do podejmowania decyzji biznesowych. Podstawowym założeniem jest monitorowanie środowiska biznesowego i przechowywanie zebranych informacji celem skorzystania z nich w przyszłości.
Dodatkowo w ramach podejścia opartego na danych oceniany jest wpływ podjętych decyzji, aby można było wyciągać wnioski. W zależności od dostępnych danych, w procesie podejmowania decyzji człowiekowi pomagać mogą odpowiednie narzędzia. W oprogramowaniu wspomagającym proces decyzyjny często stosowane są metody maszynowego uczenia się (przewidywania) i/lub badań operacyjnych (optymalizacji).
Sztuczna Inteligencja dla frachtu lotniczego w DB Schenker
Spółka DB Schenker niedawno uruchomiła nowe narzędzie prognozowania stawek czarterowych frachtu lotniczego dla poszczególnych branż i oceny ryzyka w oparciu o sztuczną inteligencję.
Stefan Pargfrieder, Vice President Digital Products and Strategy w DB Schenker: – Żyjemy w niepewnych czasach, w których trudno jest cokolwiek przewidzieć. W DB Schenker staramy się zaradzić tym problemom, aby wesprzeć naszych klientów w dalszych działaniach pomimo wszelkich wyzwań i zmian na rynku. Pomoże w tym nasze wieloletnie know-how i specjalistyczna wiedza w połączeniu z nowym narzędziem opartym na sztucznej inteligencji.
Narzędzie oblicza prognozowane stawki czarterowe, wykorzystując wewnętrznie opracowany model bazy danych DB Schenker. Porównanie przewidywanych stawek rejsowych z oczekiwanymi stawkami opłat czarterowych i uzyskiwanymi długoterminowymi stawkami frachtu lotniczego pozwala na podejmowanie strategicznych decyzji dotyczących zamówień w zakresie frachtu lotniczego. Narzędzie pomaga oszacować:
• Czy stawki rejsowe pozostaną droższe niż czarterowe?
• Kiedy spodziewany jest punkt zwrotny – stosunkowo szybko czy na końcu okresu planowania?
• Jaki jest poziom wrażliwości założeń dotyczących prognozowanych stawek. Na przykład, w jakim stopniu moce przewozowe muszą wrócić do normy, aby można było się spodziewać się osiągnięcia punktu krytycznego?
Sztuczna inteligencja dla frachtu lotniczego – charakterystyka
Aplikacja ta stanowi jeden z wielu przykładów, jak można przenieść procesy decyzyjne z intuicyjnego doświadczenia ekspertów na decyzje poparte realnymi scenariuszami bazującymi na konkretnych danych.
Nie oznacza to, że technologia zastępuje decyzje człowieka. W rzeczywistości pomaga człowiekowi w podejmowaniu lepszych decyzji na podstawie dokładniejszych informacji. Dzięki temu możliwe jest tworzenie bardziej konkurencyjnych, indywidualnych rozwiązań w zakresie mocy przewozowych dla potrzeb transportowych dostawców usług logistycznych i ich klientów.
