AWS: il machine learning per rivoluzionare la mobilità

Per Swami Sivasubramanian, Vicepresidente, Amazon Machine Learning di AWS, il machine learning sta guidando una rivoluzione nel mondo dei trasporti e della logistica in quattro aree: previsione della domanda e ottimizzazione dei percorsi, guida autonoma e mappatura, robotica e rilevamento delle anomalie. Appoggiandosi a strumenti di intelligenza artificiale è infatti possibile abbassare i costi, limitare gli sprechi e gestire in maniera più efficace la movimentazione dei magazzini. 

Ma come, nello specifico? Sivasubramanian ha portato 4 esempi concreti di aziende che propongono soluzioni innovative per dare una svolta al settore dei trasporti e della logistica.

Ecco perché il settore dei trasporti e della logistica non può ignorare l'intelligenza artificiale

Il settore dei trasporti sta vivendo un periodo di crisi e solamente il 29% degli amministratori delegati che operano in questo settore è ottimista e punta a incrementare il fatturato nel prossimo anno. Il motivo è da ricercare nella scarsa efficienza degli attuali modelli e nella trasformazione che sta vivendo il settore e i relativi canali di distribuzione. La soluzione? Incrementare l'efficienza grazie alla tecnologia, in particolare intelligenza artificiale e machine learning.

L'esempio più evidente di come l'AI possa migliorare questo tipo di processi è Amazon stessa, che facendo leva sull'innovazione sia all'interno dei centri di smistamento sia nella gestione delle flotte è in grado di effettuare ogni anno miliardi di consegne. Le soluzioni proprietarie di Amazon non sono le uniche sul mercato, e Sivasubramanian ha portato 4 esempi di aziende che stanno portando importanti innovazioni nel settore. 

Sotto il profilo dei trasporti, il vicepresidente di AWS segnala Convoy e TuSimple. La prima mette a disposizione una tecnologia che si appoggia al machine learning per ottimizzare i percorsi dei camion riducendo le tratte nelle quali viaggiano a vuoto, che attualmente rappresentano il 40% dei movimenti. Considerato che questi veicoli complessivamente percorrono qualcosa come 95 miliardi di chilometri ogni anno, il risparmio economico può essere notevole, così come la riduzione di emissioni nocive per l'ambiente. 

Anche TuSimple opera nell'ambito dell'AI applicata ai trasporti, pur con un obiettivo differente: risolvere il problema della carenza dei conducenti (l'industria dei trasporti USA sostiene ne servirebbero almeno altri 100.000 per soddisfare la richiesta). Come? Con camion a guida autonoma. L'AI sviluppata dall'azienda è in grado di distinguere tra i tipi di veicoli che condividono la strada, di determinare la loro velocità e di mantenere i camion di TuSimple centrati in modo sicuro nelle loro corsie con una precisione di +/- 5 centimetri.

Aramex invece ha lavorato sul miglioramento delle operazioni di transito, riuscendo ad incrementare del 74% l'accuratezza delle previsioni dei tempi di transito e allo stesso tempo riducendo del 40% le chiamate di servizio relative alla consegna, mentre Lyft ha sviluppato una soluzione di analisi capace di evidenziare automaticamente le anomalie che possono anticipare problemi più seri e rilevare gli incidenti che richiedono un'ispezione manuale. Questo le ha permesso di evitare l'ispezione manuale dei cruscotti, ottenendo risparmi sensibili sui costi. 

"Le “lezioni” degli ultimi anni sono chiare: essere competitivi nel settore T&L non è mai stato così complesso e importante allo stesso tempo, e la redditività è il risultato di una vera efficienza guidata dalla tecnologia" - conclude Sivasubramanian - "Fortunatamente, le più recenti innovazioni in AI e ML stanno portando a queste aziende un enorme vantaggio, fornendo loro gli strumenti necessari per affrontare le sfide e prosperare".