Operator odgrywał kluczową rolę m.in. przy wdrożeniu nadwozi wymiennych w latach 70. czy rozpowszechnieniu kodów kreskowych na paletach w ostatniej dekadzie XX wieku. Cel tych działań zawsze jest taki sam: zapewnienie najsprawniejszej obsługi logistycznej przy maksymalnej kontroli na każdym etapie łańcucha dostaw.

Zamów artykuły sponsorowane na serwisie InfoMoto.pl w kilka minut, poprzez platformę Link Buildingu np.:

Przeczytaj również: BETFAN: „łódzkie metro” zdąży na 2023 rok Dachser Polska pro bono dla poznańskich szpitali CEO Dachser: „Nasz kompas wskazuje nam właściwy kierunek działań” Dachser uruchamia cotygodniowy czarter do USA

Blisko cztery lata temu Dachser uruchomił centralną jednostkę organizacyjną w Kempten, odpowiadającą za koordynację działań badawczo-rozwojowych firmy. Do zadań zespołu R&D należy m.in. ocena nowych technologii i trendów, inicjowanie oraz wspieranie projektów innowacyjnych, a w niektórych przypadkach bezpośredni nadzór nad nimi.  Działania te idą w parze ze strategicznym programem badań fokusowych, w ramach którego operator angażuje swój zespół ponad 30 tys. pracowników na całym świecie w celu poszukiwania nowych koncepcji i zarządzania innowacjami dla sieci Dachser. Firmowy dział R&D ściśle współpracuje w tym zakresie z Instytutem Przepływu Materiałów i Logistyki Fraunhofera - największej organizacji badań stosowanych w Europie. W ten sposób operator wzbogaca swój potencjał w obszarze R&D o kluczowe kompetencje, zapewniając  sobie elastyczny dostęp do specjalistów. W laboratorium Fraunhofer IML pracuje obecnie ponad 500 naukowców i ekspertów z różnych dziedzin. Kluczowe przedmioty ich badań to przepływ materiałów i AutoID (automatyczna identyfikacja), zarządzanie przedsiębiorstwem oraz łańcuchem dostaw, a także logistyka transportu.

Informacyjne synergie

Obecnie działania badawczo-rozwojowe Dachser koncentrują się m.in. na zagadnieniu łączności. Głównym celem badań jest zintegrowanie informacji uzyskiwanych z całego łańcucha dostaw oraz zapewnienie jeszcze sprawniejszej wymiany danych. Dotyczy to w szczególności integracji danych z głównych, autorskich systemów Dachser do zarządzania transportem (Domino) i magazynem (Mikado) z publicznymi źródłami danych np. dotyczących pogody czy ruchu ulicznego. Prowadzone działania zdążyły się już przełożyć na zaoferowanie konkretnych rozwiązań. Od początku 2019 r. Dachser oprócz klasycznych usług elektronicznej wymiany danych (EDI), oferuje także usługi sieciowe API (Application Programming Interface), umożliwiające klientom jeszcze lepszą komunikację z operatorem w czasie zbliżonym do rzeczywistego. Ponadto w ostatnim czasie Dachser uruchomił całkowicie nową „platformę łączności” pod nazwą Dachser LLP Control Tower, która pozwala na oferowanie klientom usług 4PL jako Wiodący Operator Logistyczny (LLP).

Pełne wykorzystanie możliwości

Eksperci z Dachser Enterprise Lab pracują także nad możliwością wykorzystania w praktyce Internetu rzeczy (IoT), czyli koncepcji polegającej na idei podłączenia niemal wszystkich urządzeń do sieci internetowej. Obejmuje to wykorzystanie smartfonów i aplikacji, a także innowacyjnych czujników, które umożliwiałyby udostępnianie lokalizacji czy innych danych związanych ze statusem przesyłek. Jedną z kluczowych technologii w kontekście Internetu rzeczy jest LPWAN. Jest to rodzaj rozległej sieci bezprzewodowej, umożliwiającej komunikację na duże odległości przy niskim poborze energii. To zatem idealne rozwiązanie do zastosowania w logistyce. Dachser Enterprise Lab współpracuje w tym zakresie z dwoma innymi laboratoriami Fraunhofer IML: Deutsche Telekom Enterprise Labs oraz Europejskim Stowarzyszeniem Palet (Epal), które intensywnie pracują już z technologią NB-IoT, będącą nowym, obiecującym standardem komunikacji mobilnej typu LPWAN działającym w sieci LTE.

Nauka o danych kluczem do przyszłości Kolejny ważny temat z zakresu badań i rozwoju w Dachser Enterprise Lab obejmuje ogólny termin „Data Science”. Eksperci w kilku zespołach pracują nad wykorzystaniem wszystkich rodzajów informacji uzyskiwanych z łańcuchów dostaw w celu usprawniania procesów i usług. Wiążą się z tym takie zagadnienia, jak np. analityka predykcyjna (metoda prognozowania), służąca poprawie planowania ilościowego i wydajnościowego, czy też wykorzystanie rozpoznawania obrazów i tekstu m.in. na potrzeby śledzenia lokalizacji. Podstawową technologią do zastosowania w tym obszarze jest machine learning (uczenie maszynowe), które wykorzystuje zaawansowane, samouczące się systemy do doskonalenia prowadzonych działań na podstawie analizy danych. Dzięki temu łańcuchy dostaw będą mogły być obsługiwane tak efektywnie, jak to tylko możliwe.