Разработка предикативной модели для снижения простоев и оптимизации перевозок

Цель проекта: разработать цифровые модули и предикативную модель для оптимизации управления перевозками и финансового планирования на ж/д транспорте.

задачи

Наши задачи в рамках проекта:

Реализовать компоненты платформы, состоящей из прикладных, системных и сервисных модулей.
Разработать предикативную модель готовности вагонов к выводу.
Реализовать расчёт потенциальной грузовой базы для непрерывного планирования бюджета компании и проведения исследовательских расчётов оптимального плана.
Создать автоматизированную систему прогнозов для различного уровня пользователей.
Реализовать механизмы интеграции различных модулей/систем платформы.
Реализовать «Пульт управления расчётами логистов».
Обеспечить миграцию данные из действующих систем компании.

технологии

Технологии в проекте:

Бэкенд реализован на .net
Серверная часть развёрнута в Docker и Kubernetes.
База данных
1. GraphQL - хранение прогнозов
2. MS SQL Server — хранение статичных данных

модели

Описание математической модели:

Для прогнозирования даты готовности вагона к выводу используется модель XGBoost — производительный регрессионный алгоритм на основе градиентного бустинга деревьев решений.

Алгоритм DBSCAN

результаты

Итоги реализации:

Разработана модель прогнозирования готовности вагонов к выводу, которая призвана:

Сократить простои вагонов
Обеспечить рост производительности и точность планирования бюджета.
Ускорить процесс планирования перевозок
Сократить операционные расходы благодаря оптимальным маршрутам и сокращению срочных ремонтов.

визуализация