Firma DB Cargo wdrożyła oparty na sztucznej inteligencji system prognozowania zapotrzebowania na części zamienne do swoich lokomotyw spalinowych serii 77 w DB Cargo Railport Darmstadt.
System łączy dane dotyczące przebiegu, terminów przeglądów i sytuacji w warsztacie z dotychczasowymi wzorcami zużycia, aby poprawić prognozy zapotrzebowania.
DB Cargo eksploatuje około 60 lokomotyw spalinowych serii 77 na trasach niezelektryfikowanych. Lokomotywy te, wyprodukowane w Kanadzie, wymagają części zamiennych, których dostawa może trwać kilka tygodni lub miesięcy, a w przypadku niektórych komponentów nawet znacznie dłużej. Według DB Cargo tradycyjne metody prognozowania okazały się mniej skuteczne ze względu na nieregularny popyt na niektóre części.
Przykładem może być pompa olejowa do lokomotywy serii 77. Poprzednia metoda prognozowania nie wskazywała na żadne zapotrzebowanie, podczas gdy model oparty na sztucznej inteligencji przewidywał zapotrzebowanie na pięć sztuk; rzeczywiste zużycie wyniosło sześć. Biorąc pod uwagę czas realizacji zamówienia wynoszący około 500 dni, dokładność prognozy ma bezpośredni wpływ na dostępność lokomotyw.
Oprócz modelu sztucznej inteligencji firma DB Cargo zmodernizowała swoje dotychczasowe narzędzie do planowania oparte na programie Excel. Parametry zostały poddane systematycznym testom w celu znalezienia równowagi między czasem oczekiwania a poziomem zapasów. Dla różnych typów pojazdów zdefiniowano oddzielne zestawy parametrów, aby dostosować planowanie do konkretnych profilów operacyjnych.
DB Cargo informuje, że nowa metodologia oraz zaktualizowane narzędzie do planowania zostały wdrożone w ciągu kilku miesięcy i są obecnie wykorzystywane do planowania zapasów części zamiennych dla floty lokomotyw serii 77.
