Da AI e tecnologie digitali un aiuto per ridurre le attese al carico/scarico merci

Nel trasporto stradale gli imprevisti sono all’ordine del giorno. Pertanto, anche nella gestione degli slot di carico e scarico delle merci, la soluzione al problema dei lunghi tempi di attesa va ricercata nel concetto di gestione dinamica, ovvero di sistemi fluidi, in cui le piattaforme di prenotazione possano dialogare in tempo reale con i sistemi di bordo dei camion, le app degli autisti, i segnali Gps.

A questo tema ha dedicato un approfondimento Rivista Tir – testata del Comitato Centrale dell’Albo degli Autotrasportatori – all’interno dello studio “I tempi nascosti della logistica – Guida operativa alla nuova normativa sulle attese al carico e scarico della merce” presentato nei giorni scorsi.

Alla base c’è l’idea che la soluzione al problema risieda innanzitutto in un aggiornamento automatico dell’Estimated Time of Arrival (Eta) che consenta al sistema non solo di registrare il ritardo, ma anche di proporre uno slittamento dello slot o uno scambio con un altro vettore che si trova già in prossimità dell’hub, con lo scopo di evitare l’effetto imbuto ai cancelli, dove più mezzi attendono contemporaneamente pur avendo appuntamenti diversi. I dati dovrebbero essere accessibili simultaneamente al vettore, al committente e al destinatario della merce. Fondamentale quindi l’adozione di protocolli di comunicazione aperti e l’integrazione tra i gestionali di magazzino e le applicazioni degli autisti che permettono di certificare il momento esatto in cui il veicolo varca il perimetro aziendale (il cosiddetto geofencing).

Una piattaforma condivisa tra attori eliminerebbe le contestazioni su “chi ha fatto aspettare chi”, quindi risolvendo una delle criticità principali che sono sorte con l’entrata in vigore della nuova normativa. Nel dettaglio, l’orario di ingresso al gate, validato da timestamp digitali o geofencing (recinti virtuali Gps), farebbe fede per il calcolo della franchigia, trasformando il dato digitale in un elemento di compliance normativa e di tutela legale e quindi garantendo in ultima battuta l’equità contrattuale tra attori dai poteri sbilanciati.

Un ulteriore passo in avanti verrebbe fatto con l’integrazione dell’Ai, che potrebbe consentire di passare da un approccio reattivo a uno predittivo, volto non a gestire il ritardo, ma a prevenirne la formazione. Un esempio concreto, secondo il report è rappresentato dalle piattaforme di Dynamic Slot Booking, che utilizzano algoritmi di apprendimento automatico per ricalcolare l’ordine di arrivo dei mezzi, incrociando i dati del traffico con lo storico delle performance di ogni specifico vettore.

Grazie a questa visione d’insieme, l’Ai potrebbe suggerire ai gestori dei magazzini come spalmare i carichi, nonché intervenire nell’ottimizzazione dei mix di carico (ad esempio stimando che la gestione di prodotti fragili vada a richiedere il 30% di tempo in più rispetto a uno standard, e quindi assegnando automaticamente uno slot più lungo).

Un’altra applicazione pratica di grande impatto potrebbe inoltre prevedere l’integrazione tra l’AI e i sistemi di visione artificiale ai varchi d’ingresso, allo scopo di riconoscere automaticamente la targa del veicolo e indirizzare l’autista verso il punto di carico corretto tramite app o pannelli a Led, allo stesso tempo eliminando anche le soste per le pratiche burocratiche di check-in, e garantendo che il calcolo del tempo di permanenza sia certificato digitalmente fin dal primo secondo.

Tassello chiave di questo approccio è una adeguata formazione professionale, poiché gli operatori dovranno trasformarsi “da semplici esecutori a interpreti critici dei suggerimenti algoritmici”. La formazione, secondo lo studio, deve prevedere anche l’avvicinamento dei conducenti all’uso consapevole di queste interfacce e delle app di fleet management, fondamentale dato che un algoritmo predittivo è efficace solo se alimentato da informazioni corrette e tempestive.

ISCRIVITI ALLA NEWSLETTER GRATUITA DI SUPPLY CHAIN ITALY