A DB Cargo mesterséges intelligencián alapuló alkatrész-igény-előrejelző rendszert vezetett be a DB Cargo Railport Darmstadt telephelyén található 77-es sorozatú dízelmozdonyai számára.
A rendszer a futásteljesítményre, a karbantartási időközökre és a szervizelési körülményekre vonatkozó adatokat a korábbi fogyasztási szokásokkal ötvözi, hogy pontosabbá tegye a keresleti előrejelzéseket.
A DB Cargo mintegy 60 darab 77-es sorozatú dízelmozdonyt üzemeltet nem villamosított vonalakon. A Kanadában gyártott mozdonyokhoz tartalékalkatrészekre van szükség, amelyek szállítási ideje több hétig vagy hónapig is eltarthat, néhány alkatrész esetében pedig ennél is lényegesen hosszabb időre van szükség. A DB Cargo szerint a hagyományos előrejelzési módszerek kevésbé bizonyultak hatékonynak az egyes alkatrészek iránti szabálytalan kereslet miatt.
Egy példa erre a 77-es sorozatú mozdony olajszivattyúja. A korábbi előrejelzési módszer nem jelezte keresletet, míg az AI-modell öt darabot jósolt; a tényleges felhasználás pedig hat darabot tett ki. Mivel a szállítási idő körülbelül 500 nap, az előrejelzés pontossága közvetlenül befolyásolja a mozdonyok rendelkezésre állását.
Az AI-modell mellett a DB Cargo felülvizsgálta meglévő, Excel-alapú tervezőeszközét. A paramétereket szisztematikusan tesztelték, hogy egyensúlyt teremtsenek a várakozási idők és a készletszintek között. Külön paraméterkészleteket határoztak meg a különböző járműtípusokhoz, hogy a tervezést az egyes üzemeltetési profilokhoz igazítsák.
A DB Cargo beszámolója szerint az új módszertant és a frissített tervezőeszközt néhány hónapon belül bevezették, és jelenleg a 77-es sorozatú járműpark pótalkatrészeinek tervezéséhez használják.
