Личный кабинет с искусственным интеллектом: опыт «Первой грузовой компании»

В железнодорожной отрасли, несмотря на её консервативность, есть много возможностей использовать большие данные и машинное обучение. «Первая грузовая компания» развивает сервисы с использованием этих технологий. Например, в личном кабинете можно прогнозировать сроки доставки грузов и не только. Что ещё — рассказываем в обзоре.

Личный кабинет с искусственным интеллектом: опыт «Первой грузовой компании»

«Личный кабинет клиента ПГК» работает с 2017 года. Сейчас в нём зарегистрированы больше 1000 компаний. Вот как сервис расширял свою функциональность и какие функции доступны в нём сейчас.

Отследить, где находится вагон

Раньше в «Личном кабинете клиента ПГК» можно было увидеть только местонахождение вагона в конкретный момент времени. Сейчас на карте доступен весь путь следования. Введя номер вагона, отправитель может увидеть, по каким железным дорогам едет его груз и через какие станции. Если клиенту для контроля перевозок интересно количество вагонов на определенном направлении, он может воспользоваться поиском по вагонопотоку.

Заполнив номер вагона, клиент может увидеть, по каким конкретно железным дорогам едет груз, через какие станции проходит и где находится в моменте. Это позволяет увидеть, возникают ли сложности в процессе движения, оперативно решать проблемы. Если клиенту интересно количество вагонов на определенном направлении, он может воспользоваться поиском по вагонопотоку.

Личный кабинет с искусственным интеллектом: опыт «Первой грузовой компании»

Проанализировать свои данные

Любому отправителю грузов доступна мини-аналитика. Например, можно отфильтровать запрос по статусу и виду подвижного состава. Клиент может планировать и отслеживать прибытие вагонов под погрузку и выгрузку, контролировать выполнение заявок, видеть, где вагоны простаивают, и анализировать эти данные. Все цифры на интерактивной карте кликабельны.

Чтобы не перегружать внимание пользователя, вагоны сгруппированы по ближайшим станциям. Если их приблизить, то большие группы «распадаются» на более мелкие — аналогичным образом сайты по поиску жилья показывают объекты на карте. Они тоже кликабельны — во всплывающем окне вагоны распределены по станциям, доступен детальный поиск. Боковое меню поиска помогает анализировать вагонопоток. Здесь видно, сколько в нём единиц подвижного состава, и на каких станциях они находятся.

Так клиенты ПГК видят полную картину, могут точнее планировать поставки и уменьшать риски простоев.

Личный кабинет с искусственным интеллектом: опыт «Первой грузовой компании»

Автоматическое обновление информации

Система заранее, к предполагаемому моменту посещения, обновляет данные личного кабинета без участия пользователя. Например, для «утренних» клиентов сервис автоматически — в 6:00 — загружает в Личный кабинет баланс и дислокацию вагонов. В 9:00, когда рабочий день только начинается, клиент видит свежие данные. Обновление по расписанию происходит несколько раз за день — это удобно при работе в разных часовых поясах.

Даже когда пользователь смотрит данные из кэша, система параллельно проверяет их актуальность и при необходимости обновляет.

Искусственный интеллект и машинное обучение

Используя технологии машинного обучения, ПГК с высокой точностью прогнозирует сроки прибытия вагонов на станции назначения. В конце ноября 2020 года прогнозную ML-модель интегрировали в личный кабинет клиента.

Обычно грузоотправители ориентируются на срок прибытия вагона, указанный в накладной и рассчитанный по нормативам перевозчика. Но он не всегда оказывается точным, так как не учитывает реальное местоположение вагона, ремонты и форс-мажорные ситуации на сети, поэтому клиенты часто обращались за экспертной оценкой к менеджерам ПГК. Теперь искусственный интеллект позволяет максимально точно определить дату и время прибытия вагона с учётом большого числа факторов: например, сезонности отправок, срока предыдущей перевозки по маршруту, возможных простоев на определенных участках.

Точные данные о прибытии вагона помогают экономить, сокращать простои и оптимизировать производственный цикл вагонов.

Подача заявок на перевозку онлайн

С 2020 года партнеры ПГК могут подавать в личном кабинете онлайн-заявки на перевозку. Грузоотправители могут настраивать объём и график погрузки вагонов, указывать требования к их техническим характеристикам. Например, клиенту удобно перевозить пищевые продукты в крытых вагонах большой кубатуры. Сделав такую отметку в личном кабинете, он сможет получить нужный вагон. Заявки можно утверждать с использованием электронной подписи, а ещё — просматривать актуальные статусы исполнения и вносить правки (менять график и объём перевозок).

Расчёт стоимости перевозки

Стоимость доставки товара зависит от множества факторов – тип вагона, вид груза, объем, маршрут. Раньше клиенту нужно было звонить или писать менеджеру ПГК, чтобы узнать во сколько обойдется доставка его товара. На получение ответа могло уйти несколько часов.

С новой опцией личного кабинета пользователи могут получить ценовое предложение за несколько кликов: зайти в раздел «Расчет ставок» и указать нужные параметры. Остальное сделает калькулятор.

1111
8 комментариев

и где тут Искусственный интеллект? :)

9
Ответить

Илья, добрый вечер!

Как и указано в статье, Machine Learning применяется для решения задачи прогнозирования даты прибытия вагонов клиентам. У наших клиентов была «боль» - слабое представление о том, когда вагон прибудет к ним. Когда информации недостаточно, они не могут полноценно планировать свою работу.

Пытаясь решить проблему, мы разработали модель, которая прогнозирует дату прибытия конкретного вагона. Она попадает в категорию регрессии, т.е. прогнозирование значения вещественной величины на основании вектора признаков. В ходе аналитической предпроектной проработки, которая является частью каждого DS-проекта нашей компании, мы выявили перечень ключевых фичей, которые лучше всего определяют время вагона в пути. В ходе проведения экспериментов мы остановились на алгоритмах градиентного бустинга из-за высокой точности прогноза, возможностей интерпретации ответов алгоритма по каждому наблюдению, а также удобства деплоя и поддержки. Интеграция ML-моделей в инфраструктуру ЛКК реализована на базе микросервисной архитектуры, что следует ИТ-стандартам нашей компании.

Скажите, мы ответили на ваш вопрос? Возможно, вы хотите еще что-то уточнить?

Приглашаем также в наш паблик на Хабр, где мы более подробно разбираем наши разработки с точки зрения ИТ. https://habr.com/ru/company/pgk/blog/ 

1
Ответить

Вы точно в курсе, что такое ML? Или так написали, чтобы я потратил время на статью о ЛК, который никогда не открою?

2
Ответить

Кирилл, добрый вечер!

Ответили Илье на аналогичный вопрос выше. Надеемся, что он будет полезен для вас. Если вы хотите еще что-то уточнить, пожалуйста, напишите нам.

Ответить

Случай вспомнился. Не про эту компанию, но про ж/д грузоперевозки. 

Отправляю я как-то груз ЖелДорЭкспедицией с юга России в Сибирь. Проходят день за днем, неделя за неделей, не приходит груз получателю. Звоню ЖелДору, спрашиваю, где груз с номером таким-то. Оператор берет паузу на несколько минут, после чего с чувством выполненного долга сообщает, что груз... В ВАГОНЕ. А где вагон, к сожалению, так и не удалось узнать.
Хотя, к счастью, спустя еще какое-то время груз всё же был доставлен.

1
Ответить

Добрый день! Для того, чтобы не допускать таких ситуаций и сделать процесс грузоперевозок прозрачным, мы постоянно дополняем цифровые сервисы и разрабатываем новые решения. В личном кабинете клиента ПГК есть возможность отслеживать местоположение вагонов и прогнозировать дату прибытия. В демоверсии сервиса вы можете посмотреть, какие еще функции доступны: https://lkk-demo.pgkweb.ru/dashboard/analytics/

Ответить