Show 13. juni 2024
October 10, 2021
Halfspace.io
for
Molslinjen
Kategori :
Type :
andet
Molslinjen er et dansk rederiselskab, der driver kommerciel færgefart på Kattegat og i Østersøen (Bornholmslinjen). I det følgende kigger vi på en case udviklet til Aarhus-Odden og Ebeltoft-Odden ruterne, men som vil blive udrullet til samtlige ruter, som selskabet besejler.
Molslinjen har over 7.500 afgange mellem Jylland og Sjælland og fragter mere end 1.400.000 køretøjer og godt 3.300.000 gæster. At kunne kapacitetsplanlægge og dermed forudsige antallet af passagerer, køretøjer samt hvilke typer af køretøjer på baggrund af reservationer/billetsalg i forhold til det realiserede, altså hvem der rent faktisk dukker op til afgang, er naturligvis fuldstændig afgørende for at kunne optimere den samlede drift.
Det gælder i forhold til såvel at sejle til tiden og dermed brændstofforbrug/klimaaftryk (tabt tid vindes ved at sætte farten op), i forhold til billetpriser, i forhold til maksimering af billetsalg (i dag er det godt 15% af afgangene, som er fyldte), i forhold til lastning, bemanding, bespisning og markedsføring.
FRA MANUEL VURDERING TIL AUTOMATISERET FORECAST
Molslinjen ønskede derfor at bevæge sig fra manuelle estimeringsprocesser til en langt større grad af data- og algoritmedrevet automatisering og dermed brug af kunstig intelligens / maskinlæring for at kunne forudsige, hvor mange passagerer og køretøjer, som der forventes at nå frem til hver afgang.
En sådan strategi er en væsentlig krumtap i den fortsatte digitale transformation af Molslinjens aktiviteter og organiseringen af arbejdet, hvor billetbestillingen for længst er blevet digitaliseret, men hvor selve driften fortsat har et stort transformationspotentiale. Her er der virkelig rum for fortsat innovation, og det rum er Molslinjen besluttet på at udfylde som et af de førende rederier.
Til dette formål blev firmaet Halfspace inddraget. Halfspace er gået fra at være førende i den europæiske fodboldverden til live predictions af udfald af sportsbegivenheder til i dag at levere avanceret data analytics og machine learning-løsninger til flere af Danmarks største virksomheder. Halfspace består af ingeniører, matematikere og Ph.d’ere i fysik og computer science samt tech entreprenører.
Halfspaces opdrag var således at udvikle en Forecast Engine, der kunne generere præcise og automatiserede forecasts for samtlige afgange ved brug af kunstig intelligens for de mere end 1.400.000 færgetrafikanter mellem Aarhus-Odden, således at Molslinjen fremover kunne opnå betragtelige gevinster i kapacitetsplanlægningen og dermed optimeringen af færgefarten over Kattegat. En optimering, vil kunne få stor, positiv betydning for Molslinjens forretnings- og driftsmodel fremover.
Efter at have fået overleveret og fordøjet flere års data fra Molslinjen var Halfspace i stand til at opbygge en Forecast engine, som kunne konsolidere al Molslinjens data i et samlet system, der kan forudsige den forventede trafik på alle afgange over Kattegat.
Herfra kan man så kapacitetsplanlægge og optimere såvel bemanding, betjening, bespisning, lastning, billetsalg og markedsføring i realtid og i forhold til det forventede antal passagerer, køretøjer og kategorier, det forventede antal reservationer, der ikke dukker op etc.
Der er tale om fuldt automatiserede algoritmiske forecasts på alle færgeafgange over Kattegat. Forecast Engine regner ud hvor mange der har reserveret en billet til en færgeafgang, der både dukker op og ikke dukker op. Det har stor betydning for optimering af billetsalget, da man så kan sælge de uudnyttede pladser og konstant justere bemanding på skibe, i havne, ift. hvad vi forventer af køretøjer til hver enkelt afgang.
Molslinjen kommer dermed fra en relativt statisk data-analyse til en dynamisk AI-applikation, der fortæller, hvad man kan forvente til hver enkelt afgang. Især overfor de værdifulde business-kunder med pladsgaranti er det væsentligt, at man kan forhåndsreservere mere korrekt.
EN FORECAST MOTOR I TRE DELE, DER LEVERER FORUDSIGELSER I REALTID
Forecast Engine er et værktøj, der er bygget op omkring tre forskellige motorer, der favner hele Molslinjens organisation:
Den første motor består af en indledende forecast af en given færgeafgang i fremtiden. Denne del er bygget på baggrund af mere end 40 parametre, herunder bl.a. næsten 1.500 dages data om færgeruten, årstider, afgangstidspunkter, ferier, helligdage mm.
Den anden motor i løsningen justerer forecast i den første løbende på baggrund af realtidsdata fra indkomne reservationer foretaget via både website og app og analoge telefonbestillinger. Denne motor opfanger kundernes reservationsadfærd, således at eventuelle uforudsete ændringer i denne adfærd fører til justeringer i forecast.
I den sidste motor benyttes al den opsamlede data til at levere en forecast i realtid på en given afgangsdag, som også inkluderer de faktiske ankomsttidspunkter for kunder og endog mønstergenkendelse af uregelmæssigheder i trafik mod både Odden og Aarhus.
EN TEKNISK CUTTING EDGE LØSNING
Applikationens ”centralnervesystem”, den kunstige intelligens, er bygget på Gradient Boosting og statistiske sandsynlighedsfordelinger, hvor især samspillet mellem de to giver grundlaget for forudsigelserne. Gradient Boosted Decision Trees udmærker sig ved deres evne til dynamisk at finde mønstre i data, og er udviklet i et cutting edge DataBricks Apache Spark miljø, som tillader Halfspace at sikre skalerbarheden.
Jesper Skovgaard - Kommerciel Direktør hos Molslinjen:
"Nu har vi taget det første rigtige skridt mod at integrere kunstig intelligens fuldt ud i vores færgedrift, og vi kan se på resultaterne at der er kæmpe forretningsmæssigt potentiale til at udbrede Forecast Engine til resten af vores organisation.
Det sammenholdt med, at vi gør brug af teknologien i den videre udvikling som pt. er igang, kan muligvis bringe os frem til at blive de eneste i verden der gør brug af AI til at optimere lastning af færger."
Med Forecast Engine fra Halfspace har Molslinjen opnået en række markante resultater, der alle viser en tydelig forbedring af driften og dermed forretningen.
Ved at gå fra historisk og erfaringsbetingede estimater omkring forventet kapacitetsudnyttelse på afgangene til en realtids, algoritmebestemt forudsigelse i trafikken, er der opnået en langt større præcision i forudsigelserne, en reduktion i tidsforbruget til mandskabsplanlægning og bedre kapacitetsudnyttelse hvilket er lig med ekstra billetindtægter.
1) Vores Forecast Engine kan nu i 7 ud af 10 tilfælde forudsige bedre, hvor mange køretøjer der ankommer end Molslinjen tidligere var i stand til baseret på de manuelle processer.
2) Især har Forecast Engine forbedret præcisionen i at forudsige ankomsterne af det mest værdifulde segment, nemlig Business-kunderne. Det betyder, at der nu kan optages godt 14% flere Business-kunder per afgang end tidligere!
3) I forhold til billetsalget er der også sket et stort løft i størrelsesordenen over 4.600 flere solgte billetter på udsolgte afgange årligt pga. den bedre kapacitetsudnyttelse ved at kunne sælge ikke-uudnyttede pladser fra det forventede antal udeblevne køretøjer.
4) Da forudsigelserne også er koblet direkte sammen med den forventede bemanding, forventer Molslinjen at spare 60% i tid på mandskabsplanlægning!
5) Endelig har Forecast Engine også hjulpet til flere punktlige afgange, hvilket har mindsket brændstofforbruget, så Molslinjen nu efterlader et mindre klimaaftryk.
Alt i alt er det resultater, der i den grad indikerer, at der er et stort, transformativt potentiale i at benytte automatiseret og prediktiv, kunstig intelligens langt mere indenfor at udnytte hele kapaciteten på såvel færgerne som i organisationen. Denne form for algoritmestyret, fremadskuende optimering har nemlig forretningsforbedrende effekter hele vejen gennem værdikæden. Det kræver selvfølgelig, at man er indstillet på en ny måde at arbejde på, at integrere nye, statistiske kompetencer og stoler på teknologien. Men hér har det altså vist sig, at gevinsten bestemt står mål med indsatsen. Næste skridt bliver derfor også at udvide brugen af Forecast Engine til flere og større dele af forretningen.
Danish Digital Award hylder de bedste digitale projekter
