حمل و نقل بهتر با یادگیری ماشینی

12 آوریل 2023 – توسط دیوید بردلی، Inderscience-اعتبار: دامنه عمومی Pixabay/CC0

تحقیقات در مجله بین المللی حمل و نقل و لجستیک حمل و نقل (IJSTL) از رویکرد یادگیری ماشینی جدید به نام MGGP برای رتبه بندی و اولویت بندی معیارها در ارزیابی عملکرد لجستیک یک کشور با استفاده از شاخص عملکرد لجستیک بانک جهانی (LPI) استفاده کرده است. LPI خود از شش جزء مختلف تشکیل شده است که عملکرد لجستیک بین المللی را اندازه گیری و رتبه بندی می کند. مولفه های مورد بحث عبارتند از: گمرک، زیرساخت، سهولت در تنظیم محموله ها، کیفیت خدمات لجستیک، ردیابی، به موقع بودن.

تیمی از ترکیه که در مقاله‌ای با دسترسی آزاد در IJSTL می‌نویسد، توضیح می‌دهد که چگونه رویکرد MGGP می‌تواند مدل‌های پیش‌بینی خطی یا غیرخطی بسازد. این تیم مجموعه‌ای از داده‌های LPI را از سال 2010 تا 2018 متشکل از 790 رکورد برای آموزش مدل‌های خود و آزمایش پیش‌بینی‌هایی که می‌توانند در مقابل مجموعه داده‌های دیگر غیرآموزشی انجام دهند، استفاده کردند.

بلال بابایگیت و فیزا گوربوز از دانشگاه Erciyes و Berrin Denizhan از دانشگاه ساکاریا نشان دادند که رویکرد MGGP از سایر روش‌ها در پیش‌بینی امتیاز LPI بهتر عمل می‌کند. علاوه بر این، در حالی که ابزارهای قبلی اثرات نسبی هر یک از مؤلفه‌های LPI را بررسی نکرده‌اند، این رویکرد جدید نشان می‌دهد که کدام مؤلفه‌ها مهم‌ترین هستند.

این تیم شش مولفه را در زمینه زیر مورد بحث قرار می دهد:

     گمرک: کارایی ترخیص مرز.

     زیرساخت های لازم برای ترخیص کالا از گمرک و جابجایی کالا.

     محموله های بین المللی با توجه به سادگی ترتیب دادن محموله های با قیمت رقابتی.

     کیفیت خدمات لجستیک که به ارائه دهندگان خدمات لجستیک امکان انجام آن را می دهد.

     ردیابی برای اطمینان از جریان روان کالا از مبدا تا مقصد.

     به موقع بودن، معیاری از برنامه و زمان تحویل مورد انتظار.

این تیم پیشنهاد می‌کند که پیش‌بینی‌های تولید شده توسط MGGP می‌تواند ابزار ارزشمندی برای سیاست‌گذاران و محققان در زمینه لجستیک باشد که وظیفه توسعه برنامه‌های لجستیکی مؤثرتر را دارند. بنابراین، این کار می‌تواند پیامدهای مهمی برای تجارت جهانی و توسعه اقتصادی داشته باشد، زیرا اجازه می‌دهد تصمیم‌گیری آگاهانه‌تر در سیاست‌گذاری و برنامه‌ریزی لجستیک انجام شود. این می تواند منجر به بهبود عملکرد لجستیک در سطح بین المللی و شاید حتی کاهش مصرف انرژی و انتشار گازهای گلخانه ای شود.