Tekoälyn ja koneoppimisen mahdollisuudet logistiikassa
Huttunen, Joni (2025)
Huttunen, Joni
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025111027538
https://urn.fi/URN:NBN:fi:amk-2025111027538
Tiivistelmä
Tämän opinnäytetyön tarkoituksena oli tutkia tekoälyn ja koneoppimisen mahdollisuuksia logistiikan eri osa-alueilla sekä kehittää kaksi sovellusesimerkkiä, jotka havainnollistavat näiden teknologioiden käytännön soveltamista. Työn teoreettinen osuus tarkastelee tekoälyn roolia reittien optimoinnissa, kuljetusten suunnittelussa, kalustonhallinnassa, riskienhallinnassa ja asiakaspalvelussa. Lisäksi työ käsittelee kestävän kehityksen näkökulmia, datan hallintaa sekä tekoälyn tuomia mahdollisuuksia tulevaisuuden logistiikkaratkaisuissa.
Ensimmäinen sovellusesimerkki on älykäs reittisuunnittelusovellus, joka hyödyntää OpenRouteService-rajapintaa reittien laskentaan ja React Leaflet -kirjastoa niiden visualisointiin. Käyttäjä voi hakea eri reittivaihtoehtoja – nopeimman, taloudellisimman ja sääolosuhteet huomioivan – ja vertailla niitä kartalla. Sovellus toimii demonstraationa siitä, miten avoimen rajapinnan avulla voidaan rakentaa kustannustehokas työkalu kuljetusten ja logistiikan suunnitteluun.
Toinen sovellusesimerkki on asiakaspalvelun chatbot, joka havainnollistaa tekoälyn kaltaisen vuorovaikutuksen hyödyntämistä logistiikka-alan asiakaspalvelussa. Sovellus on rakennettu Reactilla, ja se hyödyntää sääntöpohjaista keskustelulogiikkaa. Chatbot kykenee tunnistamaan kuljetuspyynnön, ehdottamaan aikataulua, pyytämään vahvistuksen tilauksesta ja keräämään asiakkaan yhteystiedot vaiheittain. Tavoitteena oli näyttää, kuinka pienikin yritys voi toteuttaa yksinkertaisen mutta toimivan automaattisen asiakaspalvelijan ilman monimutkaisia tekoälymalleja tai pilvipalveluinfrastruktuuria.
Työn tulokset osoittavat, että tekoälyn ja koneoppimisen menetelmät tarjoavat merkittäviä mahdollisuuksia logistiikan tehokkuuden, kustannusten hallinnan ja asiakaskokemuksen parantamiseen. Erityisesti datan reaaliaikainen hyödyntäminen, automaattinen päätöksenteko ja vuorovaikutteiset järjestelmät tukevat logistiikkayritysten siirtymistä kohti älykkäitä ja kestäviä toimintamalleja.
Ensimmäinen sovellusesimerkki on älykäs reittisuunnittelusovellus, joka hyödyntää OpenRouteService-rajapintaa reittien laskentaan ja React Leaflet -kirjastoa niiden visualisointiin. Käyttäjä voi hakea eri reittivaihtoehtoja – nopeimman, taloudellisimman ja sääolosuhteet huomioivan – ja vertailla niitä kartalla. Sovellus toimii demonstraationa siitä, miten avoimen rajapinnan avulla voidaan rakentaa kustannustehokas työkalu kuljetusten ja logistiikan suunnitteluun.
Toinen sovellusesimerkki on asiakaspalvelun chatbot, joka havainnollistaa tekoälyn kaltaisen vuorovaikutuksen hyödyntämistä logistiikka-alan asiakaspalvelussa. Sovellus on rakennettu Reactilla, ja se hyödyntää sääntöpohjaista keskustelulogiikkaa. Chatbot kykenee tunnistamaan kuljetuspyynnön, ehdottamaan aikataulua, pyytämään vahvistuksen tilauksesta ja keräämään asiakkaan yhteystiedot vaiheittain. Tavoitteena oli näyttää, kuinka pienikin yritys voi toteuttaa yksinkertaisen mutta toimivan automaattisen asiakaspalvelijan ilman monimutkaisia tekoälymalleja tai pilvipalveluinfrastruktuuria.
Työn tulokset osoittavat, että tekoälyn ja koneoppimisen menetelmät tarjoavat merkittäviä mahdollisuuksia logistiikan tehokkuuden, kustannusten hallinnan ja asiakaskokemuksen parantamiseen. Erityisesti datan reaaliaikainen hyödyntäminen, automaattinen päätöksenteko ja vuorovaikutteiset järjestelmät tukevat logistiikkayritysten siirtymistä kohti älykkäitä ja kestäviä toimintamalleja.
