Wichtige Punkte
- Präzise Prognosen zur geschätzten Ankunftszeit (ETA) sind entscheidend für die Optimierung der Abläufe in der Lieferkette
- Die Beherrschung der ETAs erhöht die Widerstandsfähigkeit, indem proaktive Reaktionen auf potenzielle Störungen ermöglicht werden
- Echtzeitdaten und Analysen verbessern die Genauigkeit der ETA-Berechnungen und unterstützen so eine effiziente Logistik
- Zuverlässige ETAs verbessern die Kundenzufriedenheit und die betriebliche Effizienz, indem sie pünktliche Lieferungen sicherstellen.
Eine ETA, oder geschätzte Ankunftszeit, ist ein Begriff, der in der Lieferkettenbranche häufig verwendet wird und vorhersagt, wann eine Sendung ihren Bestimmungsort erreichen wird. Seit dem Aufkommen von Echtzeit-Transparenzplattformen ist das Erreichen genauer ETAs für Lieferkettenorganisationen zum heiligen Gral geworden, da es eine entscheidende Rolle bei der Steigerung der betrieblichen Effizienz, der Erfüllung von Kundenerwartungen und der Vermeidung von Produktionsstopps oder Ladenausfällen spielt.
Auch wenn die Berechnung der ETAs auf den ersten Blick einfach erscheint, müssen viele Herausforderungen bewältigt werden, um sicherzustellen, dass die Genauigkeit und Zuverlässigkeit hoch genug sind, damit die Nutzer der Lieferkette davon profitieren können. Hier sind meine Gedanken zu den Vorteilen, die ETAs mit sich bringen, zu den damit verbundenen Herausforderungen und dazu, wie sie mit einer Mischung aus KI-Funktionen gelöst werden können.
1. Die Vorteile von ETAs
ETAs bieten viele Vorteile in einer gesamten Lieferkettenorganisation. Es gibt drei Hauptanwendungsfälle, in denen ETAs im Kontext der Lieferkette hilfreich sind.
Erstens helfen ETAs bei der Organisation der Logistikabläufe an Lade- und Lieferstandorten. Hier wird die ETA im täglichen Betrieb eingesetzt, um die Arbeitsbelastung der Logistikteams zu bewältigen und sicherzustellen, dass alle Ladungen/Lieferungen reibungslos verlaufen. Es wird beispielsweise häufig in Einzelhandelslagern und Geschäften eingesetzt, in denen die Verfügbarkeit von Docks und Gabelstaplerfahrern gewährleistet sein muss, um die Verweilzeiten so gering wie möglich zu halten (d. h. die Gesamtzeit, die ein Lkw auf der Baustelle verbringt).
Zweitens helfen ETAs bei der Verwaltung des Inventars. In der Fertigungsindustrie (z. B. Automobilindustrie, Petrochemie, Konsumgüter) werden die ETAs von den Materialplanern geprüft, um sicherzustellen, dass wichtige Lieferungen pünktlich in den Fabriken ankommen. Dadurch wird sichergestellt, dass jederzeit der richtige Lagerbestand verfügbar ist. Im Falle eines Versorgungsengpasses helfen ETAs den Transportmanagern dann, rechtzeitig zu antizipieren und entsprechend zu reagieren, indem sie beispielsweise Lieferungen beschleunigen oder ein alternatives Transportmittel buchen.
Schließlich tragen ETAs dazu bei, die Kundenzufriedenheit zu verbessern, wenn sie mit den Kundenservice-Teams oder direkt mit den Endkunden geteilt werden. Es handelt sich um eine Information, die ihnen mitteilt, wann die Lieferung ihres Kaufs erfolgen wird. Das beste Beispiel sind Paketzustellungen in der B2C-Welt, für die ETAs üblich sind. ETAs bieten in der B2B-Welt den gleichen Wert, sowohl für Paket- als auch für alle anderen ausgehenden Lieferungen (z. B. Container, fertige Fahrzeuge, LKW-Ladungen usw.)
2. Die Herausforderungen bei der Bereitstellung von ETAs...
Die Erhöhung der ETA-Zuverlässigkeit ist ein faszinierendes Thema. Theoretisch gibt es eine unendliche Anzahl realer Variablen, die sich auf eine ETA auswirken können. Zu den Variablen, die sich auf den Straßenverkehr auswirken, gehören beispielsweise Fahrzeugtyp, Verkehr, Verkehrsregeln, das Logistiknetz der Spediteure oder sogar die Grenzübergangszeiten.
Was kann also getan werden? Es erfordert einen dreistufigen Ansatz.
Zunächst muss herausgefunden werden, welche Variablen am wichtigsten sind, indem die von einem Carrier-Netzwerk gesammelten Daten analysiert werden. Unterschiede in den potenziellen Auswirkungen, die Variablen für die einzelnen Verkehrsträger haben, können beobachtet werden. So sind beispielsweise Lkw-Ladungen stark von Fahrervorschriften und LKW-Tauschgeschäften betroffen, wohingegen Seetransporte von sich ändernden Schiffsplänen und dem Risiko von Containerüberschlägen in Umschlagshäfen betroffen sind. Wenn es um Paketsendungen geht, ist in der Regel der Betrieb innerhalb von Drehkreuzen der größte Faktor für die ETA-Variabilität.
Zweitens beziehen wir zusätzliche relevante Daten für jede dieser Variablen. Da wir ständig neue Variablen analysieren, um ihren Wert im Hinblick auf Genauigkeitsgewinne zu verstehen, hören wir auch nie auf, nach neuen Datenquellen zu suchen, die in der Regel vielfältig sind. Zum Beispiel eine mobile App für Lkw-Fahrer oder die Verwendung von IoT-Geräten.
Schließlich besteht die letzte (aber keineswegs geringe) Herausforderung darin, die gesammelten Daten zur tatsächlichen Berechnung einer ETA zu verwenden. Dafür sind prädiktive KI-Funktionen, die maschinelles Lernen mit statistischen Vorlaufzeitmodellen kombinieren, von entscheidender Bedeutung. Nutzer können von der Stabilität letzterer profitieren, um wiederkehrende Muster wie Fahrpausen oder regelmäßige Verkehrstrends vorherzusagen, aber auch von der Flexibilität von Modellen für maschinelles Lernen, die Prognosen als Reaktion auf unmittelbare Verkehrsänderungen oder andere unerwartete Störungen anpassen können.
Ein solcher kombinierter Ansatz ermöglicht es, ETAs für 100% der Sendungen auf allen Transportarten bereitzustellen und eine Genauigkeit von bis zu 90% bei der Vorhersage von Verzögerungen zu garantieren!
3.... und warum wir darüber hinausgehen müssen!
90% sind nicht 100%, das stimmt. Selbst mit erheblichen Investitionen in diesen Ansatz ist es technisch nicht möglich, 100% zu erreichen, weil das absolute Minimum an erforderlichen Daten nicht verfügbar ist oder weil sich die Datenbedingungen ständig ändern. Die gute Nachricht ist, dass die jüngsten KI-Fortschritte in solchen Fällen dazu beitragen werden, diese blinden Flecken zu schließen.
Erstens ist eine prädiktive KI-Ebene in der Lage, Tracking-Anomalien zu erkennen und Benutzern zu zeigen, was die Berechnung der ETA einer bestimmten Sendung tatsächlich verhindert. Zu den erkannten Anomalien gehören beispielsweise Fehler in den Transportplänen, falsch zugewiesene Lkw oder Containerschiffe für Sendungen oder verlorene Konnektivität mit GPS-Tracking-Geräten.
Zweitens kann eine generative KI-Ebene dabei helfen, fehlende Daten (z. B. verlorene GPS-Positionen) auf der Grundlage von Routenverläufen auszufüllen, minimale Datenanforderungen zu erfüllen und eine zuverlässige ETA zu berechnen, ohne sich auf Eingaben anderer Parteien verlassen zu müssen.
Und falls das vorherige nicht ausreicht, ist ein KI-Agent in der Lage, Anfragen an Spediteure und Dritte zur Erfassung fehlender Daten im Handumdrehen zu übernehmen und zu automatisieren, wodurch menschliche Eingriffe erheblich reduziert werden.
Wir glauben, dass all diese zusätzlichen Ebenen zusammen der Branche helfen werden, eine Genauigkeit von 99% bei der Vorhersage von Verzögerungen zu erreichen!
image.png
4. Fazit
Die Berechnung einer genauen ETA ist nicht einfach. Dies erfordert eine kontinuierliche Konzentration auf die Datenqualität, engagierte Teams von Datenwissenschaftlern und erhebliche Investitionen. Es erfordert auch einen kooperativen Ansatz zwischen Anbieter, Kunde und Interessengruppen. Shippeo hat bei der oben genannten Methodik Pionierarbeit geleistet und in den letzten Jahren in allen Bereichen erhebliche Fortschritte erzielt, wodurch der Wert, den Shippeos ETA für Lieferkettenorganisationen bietet, erheblich gesteigert wurde.
Bei Shippeo haben wir in den letzten zehn Jahren an der Lösung dieser Probleme gearbeitet und bieten nun ETAs für mehr als 90 Millionen Sendungen pro Jahr für Hunderte von Branchenführern auf der ganzen Welt an. Wenn Sie mehr darüber erfahren möchten, wie Shippeo Ihnen helfen kann, Ihre Lieferkettenabläufe mit zuverlässigen ETAs zu optimieren, wenden Sie sich an einen unserer Visibility-Experten hier.
Latest blogs & product releases.
Authors
Frequently Asked Questions
Warum sind genaue ETAs im Lieferkettenmanagement wichtig?
Präzise ETAs optimieren den Betrieb, indem sie es Unternehmen ermöglichen, effektiv zu planen, Verzögerungen zu reduzieren und die Kundenzufriedenheit zu verbessern.
Wie tragen ETAs zur Widerstandsfähigkeit der Lieferkette bei?
Die Beherrschung der ETAs ermöglicht proaktive Reaktionen auf Störungen und hilft Unternehmen, sich schnell an Veränderungen anzupassen und Kontinuität aufrechtzuerhalten.
Welche Rolle spielen Echtzeitdaten für die ETA-Genauigkeit?
Echtzeitdaten und Analysen verbessern die ETA-Genauigkeit, indem sie aktuelle Informationen über den Versandfortschritt und mögliche Verzögerungen liefern.
Wie verbessern zuverlässige ETAs die Kundenzufriedenheit?
Zuverlässige ETAs sorgen für pünktliche Lieferungen, erfüllen die Kundenerwartungen und fördern das Vertrauen in den Lieferkettenprozess.
