Menu
Ikuti kami di

Studi Kasus – Peramalan ETA Kapal Pedalaman dengan Analisis Prediktif

Daftar Isi

Tentang Proyek

Departemen Logistik di Technical University of Berlin, yang dipimpin oleh Prof. Dr.-Ing. Frank Straube, setiap tahunnya mempersiapkan 120 mahasiswa teknik industri dengan fokus pada logistik untuk tuntutan dunia bisnis. Nilai yang tinggi ditempatkan pada relevansi praktis dari ajaran. Dalam kursus "Analisis Rantai Pasokan" siswa belajar untuk memecahkan masalah dunia nyata dalam konteks Logistik dan Manajemen Rantai Pasokan dengan menggunakan data dan metode analitis dalam studi kasus yang luas. Biasanya perusahaan dipilih sebagai mitra studi kasus, yang memiliki semacam tantangan internal, yang dapat diatasi dengan melakukan inisiatif analitik. Para siswa kemudian mendapatkan waktu enam minggu untuk mengatasi tantangan yang diberikan dalam bentuk proyek kelompok.

Pada semester musim panas 2021, studi kasus dilakukan bekerja sama dengan proyek penelitian SELECT, di mana siswa belajar mengembangkan prediksi waktu kedatangan untuk kapal darat menggunakan data AIS. Dalam proyek penelitian SELECT ("Smarte Entscheidungsassistenz für Logistikketten der Binnenschifffahrt durch ETA-Prognosen") Ketua Logistik di Technische Universität Berlin bersama dengan berbagai perusahaan dari industri perkapalan, termasuk BEHALA, Deutsche Binnenreederei, Duisport, HGK dan modal 3 Logistik, sedang mengembangkan sistem pendukung keputusan cerdas untuk pengiriman darat. Solusi yang dikembangkan dalam proyek ini harus berkontribusi pada peningkatan keandalan dan efisiensi rantai transportasi jalur air pedalaman di masa depan. Salah satu tujuan utamanya, antara lain, adalah untuk mengembangkan prediksi Estimated Times of Arrival (ETA) menggunakan machine learning.

Proyek SELECT didanai dari 2020 hingga 2023 sebagai bagian dari program pendanaan Innovative Port Technologies (IHATEC) dari Kementerian Federal Transportasi dan Infrastruktur Digital Jerman (BMVI).

Dasar Data

FleetMon menyediakan proyek SELECT dengan sejumlah besar data AIS untuk koridor transportasi jalur air pedalaman tertentu seperti Rhine dan Elbe. Prediksi ETA seharusnya tidak hanya mencakup proses perjalanan tetapi juga proses penguncian dan waktu istirahat di sepanjang rantai serta waktu penyelesaian di pelabuhan, yang akhirnya memungkinkan untuk menghitung waktu proses untuk perjalanan kapal yang kompleks.

Berbagai sumber data disediakan bagi siswa untuk mengerjakan tugas tersebut. Dasar untuk studi kasus adalah pesan AIS dari sekitar 150 pelayaran kapal di Rhine, yang disediakan oleh FleetMon. Sumber data lain termasuk ketinggian air, yang sangat penting bagi Rhine.

Tujuan Studi Kasus

Salah satu saluran air terpenting di Eropa adalah Rhine. Beberapa ratus kapal pedalaman melewati jalur air ini setiap hari. Untuk koordinasi proses yang tepat antara perusahaan pelayaran, pelabuhan pedalaman dan pelabuhan laut serta aktor lainnya, informasi yang tepat tentang waktu kedatangan sangat penting. Oleh karena itu, dalam kursus "Analisis Rantai Pasokan", para siswa diberi tugas untuk mengembangkan model prediktif untuk prediksi ETA untuk pelayaran kapal antara daerah Rhine-Main dan pelabuhan ARA. Kemampuan analitis ini selanjutnya harus disediakan untuk pemangku kepentingan terkait dalam bentuk alat pendukung keputusan. Oleh karena itu, tugas lain bagi siswa adalah merancang front-end yang mungkin dalam bentuk mock-up dasbor untuk memberikan informasi ETA.

Implementasi Studi Kasus

Kelompok siswa mengikuti proses CRISP-DM (Cross Industry Standard Process for Data Mining), yang merupakan model prosedur terstandarisasi dan terstruktur untuk melakukan Inisiatif Analitik. Pertama, Masalah Bisnis diidentifikasi. Kedua, para siswa kemudian memperoleh data yang lebih relevan, seperti data cuaca atau hari libur untuk daerah tertentu. Selanjutnya, data tersebut dianalisis secara menyeluruh untuk mendapatkan lebih banyak wawasan tentang karakteristik rute sampel. Untuk tujuan ini, bahasa pemrograman R digunakan, yang merupakan lingkungan perangkat lunak bebas untuk komputasi statistik dan grafik. Mengikuti pendekatan eksplorasi, para siswa menyisir data untuk mencari variabel, yang dapat digunakan untuk memprediksi durasi perjalanan. Apakah kapal menjadi lebih lambat pada akhir pekan karena pelaut amatir menyumbat kunci? Apakah kondisi cuaca berdampak signifikan pada jalannya perjalanan? Ini dan banyak lagi pertanyaan dieksplorasi dalam langkah ini.

Ketika merencanakan durasi perjalanan dan draught kapal, misalnya, diperiksa bahwa tergantung pada jenis kapal (kapal tangki atau kapal kontainer), draught tidak atau tidak berdampak pada durasi perjalanan. Oleh karena itu, kapal tank tidak dipengaruhi oleh tingkat draught sama sekali. Kapal kargo di sisi lain, menunjukkan durasi perjalanan yang lebih lama ketika tingkat draught mereka meningkat. Namun, karena kumpulan datanya agak kecil, hasil ini harus dilihat dengan hati-hati.

Kelompok lain menggunakan data AIS terperinci untuk mengidentifikasi titik mana pun, di mana kapal di rute tertentu biasanya beristirahat. Dapat diamati bahwa ada lebih banyak tempat yang kurang populer di mana istirahat dapat diambil. Ini memungkinkan kesimpulan lebih lanjut tentang karakteristik rute yang akan ditarik.

Wawasan ini dan banyak lagi akibatnya digunakan untuk membuat algoritma peramalan dengan menggunakan beberapa metode termasuk regresi linier dan pohon penambah gradien ekstrem. Ini menghasilkan model prediksi yang dapat digunakan, yang diuji terhadap garis dasar (durasi perjalanan rata-rata, serta ETA yang diprediksi oleh nakhoda). Hasilnya mengesankan – mengingat kelompok siswa hanya memiliki waktu terbatas untuk analisis mereka.

Sebagai langkah terakhir, dasbor (mock-up) dirancang sebagai bukti konsep tentang bagaimana solusi yang dikembangkan dapat digunakan oleh pemangku kepentingan industri perkapalan dan pelabuhan. Dasbor dirancang agar sesuai dengan kebutuhan pengguna dengan memberi mereka dukungan keputusan untuk proses penanganan kargo yang relevan.

Setelah enam minggu berlalu, semua kelompok siswa mempresentasikan hasil mereka di depan anggota proyek SELECT. Studi kasus adalah manfaat besar bagi siswa, tetapi juga untuk proyek penelitian. Para siswa di satu sisi mampu menganalisis data dunia nyata dengan melihat masalah bisnis yang sebenarnya. Mereka memiliki kesempatan untuk memperdalam keterampilan mereka dalam analisis data dan pemodelan prediktif dan untuk mendapatkan wawasan praktis tentang pekerjaan seorang analis data. Anggota proyek SELECT, di sisi lain, menerima beberapa ide baru tentang bagaimana prototipe TI yang ada yang sedang dikembangkan dalam proyek dapat lebih ditingkatkan, misalnya dengan menambahkan sumber data lebih lanjut. Selama pengawasan studi kasus, menjadi jelas, bahwa Data AIS adalah sumber data penting untuk menganalisis dan mengoptimalkan proses logistik dalam rantai pasokan yang melibatkan transportasi kapal darat.

Blog

Daftar Isi

Bagikan Proyek Ini