Alteryx > 实例探究 > 使用 Alteryx 改进容器供应链流程:案例研究

使用 Alteryx 改进容器供应链流程:案例研究

Alteryx Logo
技术
  • 分析与建模 - 机器学习
  • 分析与建模 - 预测分析
适用行业
  • 水泥
  • 运输
适用功能
  • 物流运输
用例
  • 智能包装
  • 车辆到基础设施 (V2I)
服务
  • 数据科学服务
关于客户
澳大利亚墨尔本州政府与全球咨询公司 GHD 的机器学习 (ML) 团队签约,通过收集和理解来自行业、政府和运输软件服务提供商的大型数据集来改进集装箱供应链流程。
挑战
每五年,澳大利亚墨尔本港(PoM)就需要跟踪所有进出的集装箱。了解货运流向对于确保正确的基础设施、工业用地、规划控制和政策设置到位以支持高效的供应链至关重要。 PoM 利用超过 57 个独立组来跟踪 60 多种不同格式的数据。此过程通常需要数百小时的手动时间和资源,而且从历史上看,预测率低于 30%。此外,直到最近他们才能够成功完成比赛分析。
解决方案
2019 年,Nikita Atkins 和 GHD 的机器学习团队开发了预测建模流程并支持商品和集装箱调查。他们使用 Alteryx 收集 2019 年 9 月至 10 月(超过 250,000 次集装箱运输)的数据,对其进行标准化、合并,并对所提供的 1 亿条记录进行重复数据删除,并在数据可供使用之前纳入 200 多个业务规则。他们能够将 190 万条记录的最终数据集与 PoM 进行比较,发现使用 Alteryx 进行数据清理后的匹配率为 99.9965%。他们使用 Alteryx Intelligence Suite 构建了 10 个预测模型并比较了它们的有效性。他们缩小了选择范围,并能够估计集装箱的位置,包括其始发地和目的地、所装商品、每个集装箱的容量水平,并深入了解集装箱的回程终点和时间表。
运营影响
  • The insights developed by GHD using Alteryx Intelligence Suite have provided the local and state government with a better understanding of where containers are going and where commodities are being purchased. This has significantly improved decision-making in transport infrastructure and network planning. As a result, the delivery of a faster, focused, and more productive supply chain has been enabled. The process has also significantly reduced the time and resources previously required for data tracking and analysis, making it a more efficient and effective system.
数量效益
  • 160 hours of data cleansing reduced to 30 seconds
  • 99.965% data accuracy match achieved
  • 77% increase in predictive capability

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。