| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Merjenje in upravljanje trajnostnega delovanja pri zunanjih izvajalcih logističnih storitev v realnem času
Jerko Oršič, 2023, doktorska disertacija

Opis: Zaradi novih trendov digitalne logistike, smo nadgradili obstoječe prakse za spremljanje in upravljanje aktivnosti logističnih podjetij z razvojem modela, ki omogoča sprotno izboljševanje trajnostnega izvajanja logističnih dogodkov v realnem času. Zahteve digitalne logistike se osredotočajo na hitrost, učinkovitost in izvajanje logističnih storitev v realnem času s poudarkom na optimizaciji delovanja ter zmanjšanju trajnostnih obremenitev. Kompleksnost teh zahtev se kaže predvsem pri vodilnem poslovnem modelu e-trgovine, pri dostavah na dom s prisotnostjo prejemnika. Takšno poslovanje je potrebno obvladovati v omejenih dogovorjenih časovnih okvirih, po možnosti še isti dan, kar predstavlja enega najdražjih in trajnostno najbolj obremenjenih področij logistike. Predvidevanje, kdaj bo določena dostava možna, je odvisno tudi od prometnih, vremenskih in drugih okoliščin, ki se stalno spreminjajo ter tako predstavljajo velik izziv za uspešno in trajnostno izvedbo dostav. Za podporo reševanju teh izzivov, v doktorski disertaciji predstavljamo model RELSIF, ki je osnovan na treh segmentih, in sicer: napovedi kapacitet možnih dostav v določenem geografskem in časovnem okviru, načrtovanju optimalnih dostav s točno prostorsko ter časovno definiranimi procesi, in nadzorom izvedbe načrtovanih dostav. Prvi segment se osredotoča na predvidevanje možnih dostav na določeno območje tako, da se lahko kupcu v fazi odločanja o nakupu ponudi možne izvedljive dostave v različnih časovnih okvirih. Poleg tega je prikazana trajnostna obremenitev posameznih dostav, kjer smo predvidevali, da se bo kupec odločil za bolj trajnostno dostavo. V naslednjem segmentu modela se z optimizacijo načrtovanja dostav omogočijo skrajšan čas dostave in dolžina dostavnih poti, dostave pa se izvedejo v dogovorjenih časovnih okvirih. To smo dosegli z upoštevanjem podatkov, ki se obravnavajo v realnem času v namene načrtovanja najustreznejšega zaporedja postankov, ob izogibu predvidenim zastojem, z večjo izkoriščenostjo prevoznih kapacitet, kar ima za posledico zmanjšanje trajnostnih obremenitev. Pri tretjem segmentu se stalno spremljajo vsi logistični dogodki, kjer se inteligentno reagira na možna odstopanja pri izvedbi dostav. V vsakem segmentu za razreševanje izzivov je predstavljena uporaba različnih algoritmov, temelječih na umetni inteligenci, z namenom pridobivanja podatkov iz različnih virov, prepoznavanju vzorcev v podatkih in stalnem učenju v povratni zanki. Uspešnost delovanja modela RELSIF temelji na zajemanju logističnih dogodkov v realnem času, upoštevanju različnih območij dostave, razpoložljivih virov, obsegov naročil za dostavo in ostalih zahtevah kupcev. Model je vpet v dejanski svet dogodkov, katere spremlja in se uči iz njih, vključno z vremenskimi razmerami in prometnimi posebnostmi. Poleg tega lahko model na osnovi podatkov, pridobljenih v realnem času, izbira bolj trajnostne rešitve, (pričakovano) tudi s pomočjo ozaveščenih kupcev. Tako smo ustvarili model, ki je sposoben dovolj točno napovedovati realne časovne okvire in hkrati izračunati trajnostne obremenitve posamezne dostave. Omogoča celovito spremljanje ter zmanjšanje vplivov na okolje in družbo, ter monitoring in izboljšave transparentnosti delovanja.
Ključne besede: oskrbovalne verige, logistika zadnje milje, 3PL, trajnost, umetna inteligenca, dogodki v realnem času, masivni podatki
Objavljeno v DKUM: 06.05.2024; Ogledov: 66; Prenosov: 8
.pdf Celotno besedilo (2,85 MB)

2.
Sustainable operations of last mile logistics based on machine learning processes
Jerko Oršič, Borut Jereb, Matevž Obrecht, 2022, izvirni znanstveni članek

Opis: The last-mile logistics is regarded as one of the least efficient, most expensive, and polluting part of the entire supply chain and has a significant impact and consequences on sustainable delivery operations. The leading business model in e-commerce called Attended Home Delivery is the most expensive and demanding when a short delivery window is mutually agreed upon with the customer, decreasing possible optimizing flexibility. On the other hand, last-mile logistics is changing as decisions should be made in real time. This paper is focused on the proposed solution of sustainability opportunities in Attended Home Delivery, where we use a new approach to achieve more sustainable deliveries with machine learning forecasts based on real-time data, different dynamic route planning algorithms, tracking logistics events, fleet capacities and other relevant data. The developed model proposes to influence customers to choose a more sustainable delivery time window with important sustainability benefits based on machine learning to predict accurate time windows with real-time data influence. At the same time, better utilization of vehicles, less congestion, and fewer failures at home delivery are achieved. More sustainable routes are selected in the preplanning process due to predicted traffic or other circumstances. Increasing time slots from 2 to 4 h makes it possible to improve travel distance by about 5.5% and decrease cost by 11% if we assume that only 20% of customers agree to larger time slots.
Ključne besede: supply chain management, real-time, home delivery, business modeling, e-commerce, time window
Objavljeno v DKUM: 19.02.2024; Ogledov: 148; Prenosov: 19
.pdf Celotno besedilo (1,54 MB)
Gradivo ima več datotek! Več...

Iskanje izvedeno v 5.14 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici