– Målet er å utvikle «selvlærende» terminaler som hele tiden tar bedre og bedre beslutninger om hvordan gods beveger seg i et logistikknettverk, slik at alle ressurser utnyttes effektivt og miljøvennlig. Logistikknettverket blir da mer dynamisk og dette gir både kostnads- og miljøgevinst for alle involverte aktører, sier Knut Fredrik Ramstad, administrerende direktør i Mixmove.

Full last

Mixmove styrer vareleveranser i et logistikknettverk med mer enn 25 terminaler over hele Europa. Verdien består i sortering og splitting av godset i enkeltpakker ved behov, slik at alle kjøretøy som forlater en terminal kan gjøre det med full last. På verdensbasis i dag kjører minst halvparten av alle godskjøretøy med halv last og mange kjører tomme.

– Mixmoves løsninger gjør allerede i dag at vi minst kan halvere andelen kjøretøy som frakter luft i stedet for at kapasiteten utnyttes maksimalt. Det gir store kostnadsbesparelser men reduserer også klimautslipp med opptil 50%. Den digitale løsningen vi har nå er likevel bare første steg. I framtiden vil beslutninger om gods og transporttjenester tas av selvlærende terminaler, ikke hos speditører som i dag, sier Ramstad.

Maskinlæringsalgoritmer

Det nye prosjektet skal erstatte nåværende manuelle beslutningsregler i terminalene med maskinlæringsalgoritmer basert på stordata-analyse og presis semantisk beskrivelse av tilgjengelige transportdata. Algoritmene skal testes på historisk og nåværende informasjon om alle godsbevegelser, transportressurser og infrastruktur i nettverket.

Algoritmene skal valideres og prøves ut i full skala i Elkems forsyningskjeder og i det eksisterende nettverket på 25 terminaler som benytter programvaren til Mixmove i dag.

Midlene kommer fra Pilot-T, som er et samarbeid mellom Norges forskningsråd og Innovasjon Norge, på oppdrag fra Samferdselsdepartementet.