Lägre bränslekostnader med en AI-stödd vagnparks- och ruttplattform för en regional logistikoperatör

Utmaningen

Kunden kör gränsöverskridande styckegods- och helbilstrafik längs den adriatiska korridoren med en vagnpark på cirka 620 fordon. Trafikledarna planerade rutter i kalkylblad matade av tre inkompatibla telematikleverantörer; bränsleförbrukningen varierade kraftigt mellan depåerna och förseningar upptäcktes först när kunderna ringde. Ledningen ville ha en samlad operativ bild, mätbart lägre bränslekostnader och leveranslöften som företaget faktiskt kunde hålla.

Lösningen

Ett Vendenis-team på sex personer — två dataingenjörer, två backendutvecklare, en machine learning-ingenjör och en produktdesigner — levererade plattformen på 16 veckor. Vi samlade de tre telematikflödena i en gemensam ingestion-pipeline, byggde en ruttoptimeringstjänst som tar hänsyn till väntetider vid gränserna, fordonsklass och körtider, och tränade en förseningsprognosmodell på två års historiska transporter. Trafikledarna arbetar nu i en realtidskonsol som föreslår planer och flaggar riskleveranser flera timmar innan de spricker.

Arkitekturen

Plattformen körs som en uppsättning containeriserade tjänster bakom en gemensam API-gateway, driftsatt i kundens befintliga molnmiljö och integrerad med dess transportledningssystem.

• Telematikinsamlingslager som normaliserar cirka 38 miljoner GPS- och CAN-bus-händelser per dygn till ett gemensamt schema
• Ruttoptimeringstjänst som löser fordonsplaneringen per depå under begränsningar för gränsväntetider och vilotider
• Förseningsprognosmodell som tränas om varje vecka och levererar konfidenspoäng per sändning
• Trafikledarkonsol med livekarta, manuella planjusteringar och ett komplett revisionsspår
• Integrationslager som synkroniserar order och statusuppdateringar med det befintliga transportledningssystemet

Resultatet

Sex månader efter driftsättningen ligger bränslekostnaden per kilometer 14 procent under föregående års nivå, och leveransprecisionen har stigit från 81 till 94,6 procent. Trafikledarna hanterar en tredjedel fler sändningar per skift, och förseningsprognosmodellen utlöser nu proaktiva kundaviseringar i stället för ursäktande samtal. I ett uppföljningsuppdrag utökar kunden plattformen till yardhanteringen vid sina lager.