Unisys har afsløret 'Unisys Logistics Optimization'™, en ny kvantedrevet løsning designet til at hjælpe organisationer med at løse komplekse logistikoptimeringsudfordringer på få sekunder. I takt med at logistikomkostningerne fortsætter med at stige, forsøger virksomheder omgående at omdefinere forsendelsesprocessen for at forbedre kundeoplevelsen, reducere deres omkostninger og skabe yderligere trinvis omsætning.
Det er her, Unisys Logistics Optimization™ træder ind. Besat med branchespecifik indsigt udnytter løsningen en kombination af kvanteberegning, avanceret analyse og kunstig intelligens (AI) til at drive forretningsresultater.
Virksomheden vil debutere Unisys Logistics Optimization™ under en virtuel lanceringsbegivenhed den 17. oktober, og alle interesserede i at deltage opfordres til at tilmelde sig på forhånd. De, der deltager, vil have mulighed for at se en demonstration af løsningen og høre fra brancheledere.
Unisys Logistics Optimization™ bruger præ-trænede modeller til at generere svar på komplekse forespørgsler på få sekunder. Dette repræsenterer et væsentligt spring fremad, da denne hurtige vending ikke var mulig tidligere. Traditionelle beregningsværktøjer ville kræve årevis at indsamle og lære af operationelle data for at producere lignende resultater. Løsningen giver logistikvirksomheder, såsom luftfragtskibe, en optimal plan for pakning, opbevaring og dirigering af forsendelser på tværs af flere køretøjer mere effektivt og omkostningseffektivt.
Piloten af den nye løsning i jagten på sit næste gennembrud inden for logistikoptimering er Malaysia Aviation Groups (MAG) fragtarm, MAB Kargo Sdn Bhd (MASkargo), som betjener næsten 100 destinationer verden over. I øjeblikket bruger flyselskabets flyveplanlæggere en betydelig mængde tid på manuelt at vælge og tildele hver forsendelse til unit load devices (ULD'er), hvilket resulterer i høje driftsomkostninger. Unisys vil implementere en sikker og pålidelig løsning, der giver MASkargo-flyplanlæggere en grafisk fragtplan, der er skræddersyet til at maksimere deres fragtkapacitet, rentabilitet og evne til at administrere prioriterede forsendelser, der opfylder kundernes forventninger.
"MASkargo søger løbende måder at øge effektiviteten, forbedre kundeoplevelsen og berøringspunkterne," kommenterede Mark Jason Thomas, CEO for MASkargo. "Vores samarbejde med Unisys repræsenterer en del af MASkargos digitaliseringsrejse ved at anvende brugen af kvantecomputere, kunstig intelligens og maskinlæring til at optimere processer, understøtte netværksplanlægning og sikre pålidelig, klar kommunikation af nøjagtig information."
Unisys har en omfattende track record med at servicere og innovere for logistik- og transportvirksomheder i mere end 30 år, hvilket sætter virksomheden i en unik position til at tilbyde et væld af brancheekspertise. I modsætning til andre løsninger på markedet kræver Unisys Logistics Optimization™ ingen yderligere datatræning for at påbegynde implementeringen, og det ændrer ikke eksisterende it-infrastruktur eller drift – giver øjeblikkelig og løbende værdi til kunderne, da dens nøjagtighed selv forbedres over tid gennem dagligt. brug, så den er aldrig forældet.
"At holde logistikomkostninger er missionskritisk, og virksomheder søger løsninger, der vil opfylde det vigtige behov," sagde Chris Arrasmith, senior vicepræsident, Enterprise Computing Solutions hos Unisys. "Vi har bygget ægte operationel fremsyn ved at integrere avancerede analyser, forstærket maskinlæring og det bedste fra klassiske og nye kvantecomputerarkitekturer, hvilket gør os i stand til at skabe værdi i næsten realtid for kunderne."
UnisysLogistics Optimization™ er bygget til luftfragt, jordbehandlere og speditører og er designet til at hjælpe logistikvirksomheder med at optimere på tre måder:
• Kapacitet: Løsningen evaluerer indlæsningsstrategier for virksomheder ved at forudsige og foreskrive scenarier for palle- og ULD-bygninger, hvilket giver mulighed for flere dages forsendelsesafgange. Det hjælper også med at identificere muligheder for yderligere operatørindtægter ved at registrere ubrugt plads.
• Lagerbeholdning: Løsningen kan forudsige og foreskrive lokationer og emballagekrav på lager samt mængder af lager ogfragtfølsomhed. Dette reducerer pakke- og byggetider, minimerer fragtskader eller ødelæggelse, hvilket forhindrer dyre krav.
• Routing: Løsningen evaluerer alle potentielle ruter og inkorporerer dynamiske datasæt, såsom vejr og rejsetider, for at optimere og identificere ideelle udgående og omvendte logistikruter.
