Dansk startups algoritmer optimerer driften af container-terminaler

Illustration: MAGNIFIER / Bigstock
Shipping-industrien er både kompleks og gammeldags - og derfor et ideelt mål for en AI-løsning, mener dansk startup.

Når containere hver dag fragtes fra den ene verdensdel til den anden, er det med et væld af papirarbejde og manuelle processer til følge. Selvom shippingindustrien er begyndt på digitalisering, er den på en gang ekstrem kompleks og gammeldags - og dermed også et godt marked at udvikle AI-systemer til, vurderer den danske startup Portchain.

»Der er en masse delprocesser, som ikke fungerer optimalt,« fortæller CCO og medstifter Thor Thorup, der tidligere har arbejdet med digital transformation af shipping-industrien hos McKinsey.

»Du har lastbiler, der venter i kø i timer for at hente deres containere. Du har containere, der bliver stablet forkert, så du skal hente dem fra bunden, når de skal om bord på et skib. Vi har mødt folk, der siger, at de måler papirarbejdet, der skal til for at cleare et skib, i centimeter. Og da stakken blev reduceret fra 45 centimeter til 5 centimeter, var det en sejr.«

Portchain har taget fat på et enkelt område, hvor selskabet ser mulighed for at levere værdi: intelligente systemer til at planlægge driften af containerterminaler og optimere containerrederiers skeduler.

»I de fleste terminaler er der potentiale for at øge kapaciteten med 10 procent eller mere - bare ved at planlægge bedre,« forklarer Thor Thorup og fortsætter:

»Hvis du kan få 10 procent mere igennem, så er det 10 procent mere i omsætning og typisk endnu mere på bundlinjen, fordi de sidste marginalomkostninger vil falde.«

Konstante forstyrrelser

Den korte forklaring på det store potentiale er, at planlægningsopgaven er meget vanskelig.

Thor Thorup er medstifter og Cheif Commercial Officer hos Portchain. Thor har tidligere arbejdet med digitalisering inden for shippingindustrien hos McKinsey, og er uddannet ingeniør fra DTU. Illustration: Portchain

»I shipping sker der hele tiden forstyrrelser, og ting forløber ikke, som man forventer, det ville gøre.« forklarer Michael Lindahl, der er Head of Analytics i Portchain.

»Halvdelen af alle skibe er minimum 12 timer forsinket, og forsinkelser ét sted påvirker hele netværket. Det vil sige, at du hele tiden laver dine planer om.«

Hvis du driver en havn eller en containerterminal, skal du hele tiden tage stilling til ændringer i indkomne og udkomne skibe og containere. Og på baggrund af den information skal du udnytte et helt økosystem af ressourcer - kaj-plads, kraner, mandskab og så videre - optimalt.

I dag lægges det puslespil manuelt af personale i de enkelte terminaler, forklarer Michael Lindahl, der har en ph.d. i operationsanalyse fra DTU.

»Vores software går ud på at fortælle dem, der skal planlægge det her arbejde, hvordan de kan allokere ressourcerne optimalt. Hvis der kommer et ekstra skib ind, ville de skulle sidde og lægge planer om, kun for at finde ud af, at det ikke kan lade sig gøre. Med vores værktøj kan man hurtigt se, om det kan lade sig gøre eller ej.«

Den gode plan

For at udvikle systemet har Portchain først og fremmest måttet komme frem til, hvad der konstituerer en god plan - og hvordan den måles, forklarer Michael Lindahl.

»Vi startede med at lave en prototype for at undersøge, hvad det er for beslutninger, vi skal lave, og hvilke KPI'er kan man bruge til at beskrive forskellen mellem en god plan og en dårlig plan. Det kan være den med de laveste omkostninger, men det kan også være noget med god service, som vi så også skal kunne sætte tal på.«

Michael Lindahl er Head of Analytics i Portchain. Michael har en ph.d. i operationsanalyse fra DTU og har tidligere arbejdet med at optimere af vindmølleparker hos Ørsted og personaleplanlægning i Københavns Lufthavn. Illustration: Portchain

Dertil kommer de regler og begrænsninger, som algoritmen skal overholde i jagten på den optimale plan.

»Det kan være kajens længde og dybde, kranens rækkevidde og noget så banalt som, at to skibe ikke kan ligge på den samme plads. Alt andet bliver håndtag, som algoritmen kan trække i og forsøge at forbedre resultatet.«

I første omgang forsøgte Portchain at se, hvor langt de kunne komme alene med den viden, de allerede havde om opgaven. Herefter gik de ind i en iterativ proces med kunden for at finde de detaljer, der ikke er åbenbare udefra, og få feedback på planerne, som algoritmen foreslår.

»Vi arbejder meget agilt, og vi bruger tid med brugerne hver uge stort set,« forklarer Thor Thorup.

»Vi sidder sammen med dem, forstår, hvordan de arbejder, mapper deres processer. skubber features ud, og får kontinuerligt feedback. Jeg tror, det ville være meget svært at lave det her efter en vandfaldsmodel.«

Fra tommelfingerregler til algoritmer

Muligheden for at være tæt på slutbrugeren har været en af nøglerne til succesen, vurderer Michael Lindahl.

»Vi har siddet ved siden af planlæggere i terminaler og holdt øje med, hvad de vælger i forskellige situationer. For at finde ud af, hvad der grundlæggende gør, at de tager de beslutninger, de tager,« siger han og fortsætter:

»Mange af dem, der planlægger arbejdet, har tommelfingerregler. Vi prøver at finde frem til de underliggende mekanismer. Målet er jo at så, at vi kan forstå problemet bedre, end de selv gør.«

Der er edge cases, som algoritmen ikke kommer til at tage højde for, fortæller Michael Lindahl. Som når den ansatte i terminalen tager højde for en specifik kundes ønsker.

»Men hvis vi kan løse al det møjsommelige arbejde med at lave det overordnede puslespil, som 90 procent af arbejdet går ud på, så kan de bruge endnu mere tid på at finjustere planen og levere bedre service.«

Inddragelse og træning

Portchain har haft en UI-designer til at gøre modellens forslag forståelige, fortæller Thor Thorup.

»Det er ikke en black box. Du har et interface, der forklarer, hvad der rent faktisk sker - der er ikke bare et resultat, der spyttes ud.«

Opbakningen fra slutbrugeren har hele tiden været positiv, mener Thor Thorup. Men det er ikke noget, der bare opstår, understreger han.

»Du skal have planlæggerne med fra starten, og de skal have den rigtige træning. Og så sidder vi med dem under go live, så de føler, de har styr på det. Vi har surveys og tracker konstant, om de får den værdi ud af løsningen, som vi forventer.«

Samtidig kan transparens omkring den operationelle planlægning være med til at forkorte afstanden mellem management og operations, påpeger Thor Thorup.

»Det kan være svært for management at forstå, hvorfor man gør, som man gør, fordi der er mange små beslutninger, som bliver taget hele tiden. Med det her system er det bare meget lettere for dem at følge med.«

Med funding fra blandt andet den danske maritime fond, Innovationsfonden, Horizon 2020-programmet og en privat investeringsrunde har Portchain på to et halvt år udviklet AI-løsningen og sikret kunder, der ifølge Thor Thorup er blandt de store spillere i industrien.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (4)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Michael Deichmann

Jeg skal ikke afvise at det kan være intern folklore, men A.P.Møller Mærsks containerforretning har aldrig kørt traditionelt papirbaseret. Internt. IT blev brugt fra dag 1.
I mange år var interfacet til omverdnen papirbaseret, men det var en kæmpe gevinst da diverse toldvæsner rundt om i verden kunne modtage lastdokumenter via EDI - for 30-35 år siden. Samme gælder kunder og modtagere. Mærsk sender oplysninger til modtagerlandet ved skibets afgang så Toldvæsnet senest ved ankomst kan meddele hvilke containere de gerne vil se nærmere på. Resten kan udleveres til modtagerne som er adviseret.
Mærsk har også i årtier haft applikationer, der sørger for at lave læsseplaner så containerne står optimalt i skibet.
Alt det sagt - så er der sikkert noget som med lidt AI kan optimeres yderligere, men at antyde at digitalisering af shippingbranchen er i sin vorden, det er nok lige en overdrivelse for at fremme forståelsen :-)

  • 5
  • 0
Ivan Skytte Jørgensen

For årtier tilbage arbejdede jeg bl.a. logistik-optimering på containerterminalen i Århus. Et par år inden jeg blev ansat havde der været et par gutter fra Århus Universitet, som havde kigget på optimering af placeringen af containere på terminalen. Jeg fik at vide at de havde lavet en algoritme som performede circa lige så godt som man gjorde med manuel planlægning. Men endte med at ikke bruge den fordi den ikke var fleksibel nok for ændringer. Man fortsatte med at bruge wetware, hvilket på det tidspunkt nok var det rigtige valg. Wetwaren bestod af de to gutter som sad i gaten. Når en lastbil kom med en container, så vidste de hvor det var bedst at placere den ud fra mange kriterier, så som:
- hold den væk fra område X fordi der plejer at komme et skib med Y antal containere hver tirsdag og vi skal bruge pladsen der.
- Hold den sammen de andre containere som skal med skib X med destination Y
- Den er tung og bør være i bunden af skibet, så stil den så den kan blive samlet op først.
- Man skal ikke stakke 4 styk 4096-containere for så kan containertrucks ikke nå.
- Hensyn til farlig gods.
- Kølecontainere skal have strøm.
osv.

Der er ret mange interessant optimeringsproblemer i shippngbranchen, og nogle af dem har O(exp) kompleksitet, så tommelfingerregler er i praksis det bedste man kan bruge. Men jeg tror at en AI-løsning vil være bedre til at holde styr på 3000 containere på en terminal end et par gutter i gaten.

  • 1
  • 0
Log ind eller Opret konto for at kommentere
IT Company Rank
maximize minimize