编者注：SCM 论文《开发中国集装箱三角测量的数字化解决方案》由冯洁明和 Mauricio Moreno 撰写，由 Özden Tozanlı 博士（[email protected] ）指导。如需有关该研究的更多信息，请联系论文指导老师。
数字技术改变了物流服务行业的竞争态势。马士基等公司已经开始将其传统服务升级为技术支持的运输解决方案。
为了通过更智能、更快捷、更可持续的物流提供更好的客户体验，公司必须通过解决行业问题来提高运营效率，例如高度分散的市场、低透明度、资产利用不足、昂贵的手动流程以及在许多情况下过时的客户界面。
这种新的市场环境要求物流公司将投资高效性能、通信和数据可视性 阿富汗邮件列表 技术作为战略重点。
技术进步使得以前无法数字化管理的企业能够采用工具。具体来说，对于物流行业来说，人工智能 (AI) 和机器学习 (ML) 技术越来越多地被采用来解决不同的业务问题。如今，随着集装箱短缺和行业舱位供应不足的挑战，迫切需要提高集装箱周转率并优化集装箱运输。
数字平台解决方案如何匹配数百万个进口集装箱并将其重新用于中国出口？对于这一过程中的大多数参与者来说，一个有吸引力的解决方案是集装箱三角测量：将集装箱从进口商直接运送到出口商，而无需将空箱运到港口。使用集装箱三角测量（或街道转弯）优化空箱运输的方法有很多种，主要采用混合整数线性规划 (MILP) 和连续规划。本研究项目调查了马士基在中国开发的数字平台中集装箱三角测量自动化和数字化的当前流程和挑战。
自动化和加速更精简、更环保的解决方案
我们将项目分为三个主要阶段：输入、模型和输出。在输入阶段，我们会见了赞助商公司的专家以及来自全球各个市场的从业者。凭借对问题的充分理解和专家的见解，我们从赞助商公司构建并收集了样本数据。进入模型阶段，我们应用了匹配和机器学习聚类算法，然后开发了一个 MILP 模型来运行运输流优化。最后，在输出阶段，我们根据集装箱运输距离量化了财务节约和环境效益。最后，通过结合定量分析和专家建议，我们得出了一些建议。