使用丰富版跟踪数据的好处
| 产品功能 | 好处 |
|---|---|
通过利用机器学习对各种因素之间的关系进行建模，提供船舶的ETA / ETD 预测。 |
借助和易孚海运预测可视化解决方案的预测模型，预测到达时间 ETA 的准确度，对应船公司的EDI的数据源，平均提高 20-30%。 协助客户安排在地的陆路运输供应商，能更准确的因应海运时间作出最后一里的运输接驳。 |
利用先进的地理围栏定义和近乎实时的船舶物联网技术(AIS)，在每次旅程中自动检测 ATD 和 ATA 事件 |
为客户提供实时到港离港时间通知，以了解货物运送里程。 |
整合跨承运人的船舶船期更新（ETA / ETD变更），集装箱事件和航线/船舶变更，并将信息标准化为直观的数据模型。 |
减少开发难度。应用方案后，可以集中 IT资源和人手进行应用程序开发 。 |
*From May 2022 data study
专有的机器学习ETA/ETD预测模型
|
|
|
利用多年的历史 AIS 数据，分析覆盖全球上千个港口的上百万条船舶航行信息。 |
开发结合承运人公布的船舶时刻表、港口码头信息的算法，自动检测每次航程的 ATA 事件 |
结合多个机器学习模型，使用近乎实时的船舶物联网技术来预测未来几周内的船舶路线和到达时间。 |
地理围栏
我们通过对历史 AIS 信号的机器学习以及具有数十年经验的海洋专家为全球不同的码头运营商执行地理围栏，以确保我们的预测模型准确无误。 |
||
丰富跟踪数据的步骤
海运可见性的挑战更多是关于数据质量
服务提供商提供的数据存在时间戳错误、数据完全丢失以及关键里程碑和事件延迟等常见问题。不正确的信息会导致错误的决策，增加物流成本，使客户难以高效运营。
认识数字孪生
和易孚 开发了一个数字孪生平台，将船舶物联网数据与时间表、集装箱和装运数据相结合，通过创建集成人工智能、物联网和空间网络图的物理对象的数字副本来提供实时船舶状态。
使用 AI 对现实世界的实体进行完整建模 |
||
|
Vessel Twins |
16,000多艘船只的活船运动，大约30 多万次更新（每月） |
|
Schedule Twins |
来自 27 家海运公司的船舶和点对点（3000 Services）船期表 |
|
Container Twins |
跟踪300,000 集装箱（每天） |
|
Typhoon Twins |
7百万+ 天气数据更新（每月） |
|
Terminal Twins |
监控800多个端口、1,400 多个终端 |
通过利用关联，数字孪生平台从多个来源建立了一个互联的海洋世界，以执行持续的数据整合和校正，从而实现更完整、更准确的运输和计划更新，并提供高质量的近实时消费信息。
可见性的数据成分
|
|
|
|
|
订仓 |
提货单 |
集装箱追踪 |
船舶时间表 |
|
传统渠道 |
EDI 301 |
EDI 310 |
EDI 315 |
EDI 323 |
装运路线 |
预估 |
预估 |
实际/预估 |
|
船只时间 |
ETA/ETD |
ETA/ETD |
ATA/ATD |
ETA/ETD or ATA/ATD |
船名 |
预估 |
预估 |
实际/预估 |
|
船名航次 |
预估 |
预估 |
实际/预估 |
|
集装箱动态 |
实际 |
来自运营商/NVO 的能见度数据
常见问题 |
||||||
|
||||||
结果 |
||||||
如
|
我们解决数据质量问题的解决方案
|
||||||
|
