مدیریت ناوگان پست با سامانه‌‌ای بومی و مبتنی بر هوش مصنوعی
تاریخ انتشار: ۱۵ خرداد ۱۴۰۲ | کد خبر: ۳۷۹۰۵۲۰۸
مهدی علینقیان، رئیس هیئت مدیره شرکت «لجستیک هوشمند پارس» در گفت‌وگو با خبرنگار گروه ارتباطات و فناوری اطلاعات خبرگزاری علم و فناوری آنا، گفت: این شرکت سال ۱۳۹۹ با هدف ارائه راهکار‌های نرم افزاری هوشمند برای بهبود و بالا بردن بهره‌وری فرآیند‌های لجستیکی راه اندازی شد. نرم افزار ما در بحث هوشمندی مسیر‌های پستی کارایی دارد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
وی با اشاره به اینکه اولین سامانه ایرانی مدیریت یکپارچه ناوگان و بهینه سازی تخصیص و توالی مشتریان هستند، اظهار کرد: اولین محصول هوشمند ما «توزیکو» است. شرکت‌های توزیع و پخش به خصوص برای توزیع مرسولات پستی دیگر با این نرم افزار هوشمند با چالش اینکه هر موزع پستی کدام بسته‌ها را تحویل بدهد و یا چگونگی ترتیب ارسال بسته‌ها مواجه نمی‌شوند. زمان بندی برای ترتیب ارسال بسته‌ها بر روی هزینه‌های توزیع تاثیر به سزایی دارد. همچنین این نرم افزار به کاهش ۲۰ تا ۳۰ درصدی زمان طی مسیر در فرایند توزیع و کاهش ۱۰ تا ۱۵ درصدی ناوگان حمل کمک می‌کند. در واقع هوش مصنوعی چیدمان بهتری نسبت به منطقه بندی ارائه می‌دهد.
این عضو هیئت علمی دانشگاه آزاد اسلامی درباره مزایای نرم افزار هوشمند توزیکو نسبت به سایر رقبا، بیان کرد: این نرم افزار بومی مزیت‌های بسیاری به همراه دارد. اکثر رقبا در داخل ایران از روش‌های قدیمی و رایج درسال ۱۹۶۰ و ۱۹۷۰ برای توزیع محصولات پستی استفاده می‌کنند که خطای ۱۵ تا ۲۰ درصدی و حتی در برخی اوقات تا ۵۰ درصد خطا ایجاد می‌کند. اما ما از روش‌های نوینی بهره می‌گیریم که منجر به بهینه سازی سراسری می‌شود. در واقع، این برنامه امکان بهینه سازی چند مرکز توزیع به صورت همزمان، قابلیت بهینه سازی یکپارچه بیش از ۱۰ هزار مشتری و هزار وسیله را با در نظر گرفتن طرح‌های ترافیک و ترافیک‌های لحظه‌ای دارد.
علینقیان در ادامه خاطرنشان کرد: این محصول مجهز به نقشه بومی است و می‌تواند ترافیک لحظه‌ای را اطلاع رسانی کرده و مسیر چینی را براساس الگوی ترافیک انجام دهد. همچنین نرم افزار بومی توزیکو ناوگان ناهمگن را پوشش می‌دهد، به این صورت که افراد می‌توانند از چندین نوع وسیله نقلیه برای توزیع استفاده کنند و نرم افزار تشخیص می‌دهد استفاده از کدام ناوگان بهتر خواهد بود.
انتهای پیام/
منبع: آنا
کلیدواژه: موزعین پست توزیع ناوگان هوش مصنوعی هوشمندسازی لجستیک بهینه سازی نرم افزار
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت ana.press دریافت کرده‌است، لذا منبع این خبر، وبسایت «آنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۹۰۵۲۰۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی آریتمی قلب را از ۳۰ دقیقه قبل پیش‌بینی می‌کند
به گزارش خبرگزاری علم و فناوری آنا به نقل از نیواطلس، تحقیقات جدید نشان داده است که هوش مصنوعی آموزش‌دیده بر روی داده‌های ساده ضربان قلب می‌تواند یکی از شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی را ۳۰ دقیقه قبل پیش‌بینی کند. با برنامه ریزی برای گنجاندن این مدل در تلفن هوشمند به طوری که بتواند داده‌های یک ساعت هوشمند را تجزیه و تحلیل کند، می‌تواند به عنوان یک سیستم هشدار اولیه عمل کند.
شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی (AF)، به طور قابل توجهی مراجعات بخش اورژانس و خطر بیماری‌های دیگر مانند سکته مغزی و زوال عقل را افزایش می‌دهد. این عارضه زمانی اتفاق می‌افتد که حفره‌های فوقانی قلب یعنی دهلیز‌ها به‌طور غیر طبیعی و نامنظم می‌کوبند و با حفره‌های پایینی یعنی بطن‌ها هماهنگ نیستند و ریتم قلبی نامنظم و اغلب بسیار سریع ایجاد می‌کنند. ضربان قلب طبیعی باید منظم باشد و زمانی که در حال استراحت هستید بین ۶۰ تا ۱۰۰ ضربه در دقیقه باشد. در فیبرلاسیون دهلیزی دو حفره فوقانی قلب یعنی دهلیز‌های قلب، فاقد ضربان مطلوب هستند.
بازگرداندن بیمار از فیبریلاسیون دهلیزی به ریتم منظم سینوسی می‌تواند به مداخلات فشرده‌ای مانند کاردیوورژن، وارد کردن شوک کم انرژی برای بازنشانی سیستم هدایت قلب نیاز داشته باشد. بنابراین، تشخیص این اختلال قبل از وقوع، مداخلات اولیه را امکان پذیر می‌کند که نتایج بیمار را بهبود می‌بخشد.
محققان مرکز سیستم‌های زیست‌پزشکی لوکزامبورگ (LCSB) در دانشگاه لوکزامبورگ مطالعه‌ای را منتشر کرده‌اند که در آن یک مدل یادگیری عمیق برای پیش‌بینی دقیق، ۳۰ دقیقه زودتر از زمانی که فرد دچار فیبریلاسیون دهلیزی می‌شود، آموزش داده شده است.
در حال حاضر، الکتروکاردیوگرافی (ECG) فقط می‌تواند فیبریلاسیون دهلیزی را درست قبل از وقوع آن تشخیص دهد، بنابراین نمی‌توان آن را یک سیستم هشدار اولیه در نظر گرفت.
خورخه گونکالوز، رئیس گروه کنترل سیستم در «ال‌سی‌اس‌بی» و نویسنده مسئول این مطالعه گفت: در مقابل، کار ما از این رویکرد به یک مدل پیش‌بینی آینده‌نگرتر منحرف می‌شود. ما از داده‌های ضربان قلب برای آموزش یک مدل یادگیری عمیق استفاده کردیم که می‌تواند مراحل مختلف ریتم سینوسی و فیبریلاسیون دهلیزی را تشخیص دهد و احتمال خطر ابتلا به یک دوره قریب‌الوقوع را محاسبه کند.
محققان پیش‌بینی می‌کنند که این دستگاه در گوشی‌های هوشمند برای پردازش داده‌های به‌دست‌آمده از یک ساعت هوشمند استفاده شود. هدف درازمدت این است که بیماران بتوانند به طور مداوم ریتم قلب خود را کنترل کنند و به اندازه کافی هشدار دهند تا بتوانند از درمان‌هایی مانند دارو‌های ضد آریتمی خوراکی برای جلوگیری از شروع فیبریلاسیون دهلیزی استفاده کنند. محققان می‌گویند، این فناوری را می‌توان شخصی‌سازی کرد.
گونکالوزگفت: در حرکتی رو به جلو، ما بر روی توسعه مدل‌های شخصی‌سازی شده تمرکز خواهیم کرد. استفاده روزانه از یک ساعت هوشمند ساده دائماً اطلاعات جدیدی در مورد پویایی قلب شخصی ارائه می‌کند و ما را قادر می‌سازد تا مدل خود را به طور مداوم اصلاح کنیم و مجدداً آموزش دهیم تا با هشدار‌های قبلی حتی به عملکرد بهتری دست یابد. در نهایت، این رویکرد می‌تواند منجر به آزمایش‌های بالینی جدید و مداخلات درمانی نوآورانه شود.
انتهای پیام/
تیم فوتسال افغانستان نیمی از راه جام جهانی را طی کرد