Společnost DB Cargo zavedla systém pro předpovídání potřeby náhradních dílů založený na umělé inteligenci pro své dieselové lokomotivy řady 77 v DB Cargo Railport Darmstadt.
Systém propojuje údaje o ujetých kilometrech, intervalech údržby a podmínkách v servisu s dosavadními vzorci spotřeby, aby zlepšil předpovědi poptávky.
Společnost DB Cargo provozuje přibližně 60 dieselových lokomotiv řady 77 na neelektrifikovaných tratích. Tyto lokomotivy, vyrobené v Kanadě, vyžadují náhradní díly, jejichž dodací lhůty mohou činit několik týdnů či měsíců, přičemž u některých komponentů je čekací doba výrazně delší. Podle společnosti DB Cargo byly tradiční metody prognózování méně účinné kvůli nepravidelné poptávce po určitých dílech.
Jedním z příkladů je olejové čerpadlo pro lokomotivy řady 77. Předchozí metoda prognózování neukazovala žádnou poptávku, zatímco model umělé inteligence předpovídal pět kusů; skutečná spotřeba dosáhla šesti kusů. Vzhledem k dodacím lhůtám v délce přibližně 500 dnů má přesnost prognózy přímý vliv na provozuschopnost lokomotiv.
Souběžně s vývojem modelu umělé inteligence společnost DB Cargo přepracovala svůj stávající plánovací nástroj založený na Excelu. Parametry byly systematicky testovány, aby se dosáhlo rovnováhy mezi čekacími dobami a stavem zásob. Pro různé typy vozidel byly definovány samostatné sady parametrů, aby bylo možné přizpůsobit plánování konkrétním provozním profilům.
Společnost DB Cargo uvádí, že nová metodika a aktualizovaný plánovací nástroj byly zavedeny během několika měsíců a nyní se používají při plánování náhradních dílů pro vozový park řady 77.
