Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Våra e-tjänster för ansökningar, projekt och bedömningar stänger torsdagen den 25 april kl 16:30 för systemuppdateringar. De beräknas öppna igen senast fredagen den 26 april kl 8:00.

Analytisk metod för tidsallokering av lastbilstransporter med hjälp av maskininlärning

Diarienummer
Koordinator LUP TECHNOLOGIES AB
Bidrag från Vinnova 500 000 kronor
Projektets löptid maj 2016 - oktober 2016
Status Avslutat

Syfte och mål

Det övergripande syftet med projektet var att underlätta det transportköpande företagets arbetsrutiner samtidigt som gagna hela transportkedjans produktivitet genom ökad informationsdelning och bättre utnyttjande av logistikkedjans resurser. Det skulle uppfyllas med målet att utveckla ett verktyg för transportköpande företag, i form av en maskininlärande tidsallokering för ankommande- och avgående leveranser med lastbil. Detta har lett till en fungerande prototyp som använder sig utav maskininlärande tidsallokering som testas mot kund.

Resultat och förväntade effekter

Prototypen förutser lastbilars ankomster givet tidigare ankomster med hjälp utav maskininlärning och skulle ge företagen möjligheterna att bättre kunna resursplanera sin verksamhet. Den ger ett bättre resultat än statiska metoder på att förutse ankomsttiderna för lastbilar. Testerna visar att lärandekurvan för prototypens precision ökar med mängden data. Dock får man ha i åtanke att prototypen bara har testats mot ett dataset och man kan inte dra för exakta slutsatser utan att verifiera resultaten mot andra dataset.

Upplägg och genomförande

Arbetet delades upp i tre steg; behov/kravspecifikation, utveckling och testning som var definierat enligt följande: 1.Etablera kontakt med kunder och projektpartner och insamla all nödvändig information och definiera projektets omfattning. 2.Utveckla och färdigställa den maskininlärande tidsallokeringen och attrahera kundintresse för genomförande av vidare tester. 3.Testa prototypen för den maskininlärande tidsallokeringen på ett företag och analysera resultat utifrån hypoteser.

Externa länkar

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 8 maj 2017

Diarienummer 2016-01485

Statistik för sidan