文章

Hapag-Lloyd 是一家领先的航运公司，通过实施机器学习驱动的助手来预测到达和离开时间，从而显著提高了其船舶调度可靠性。该解决方案取代了过时的、基于规则的方法，这些方法难以应对动态的航运条件，如港口拥堵和航线变更。该系统利用 Amazon SageMaker 将内部数据与实时 AIS 数据集成，这些数据通过 AWS Glue 和 Lambda 进行处理。它采用分层多步骤方法，使用专门的 XGBoost 模型（海洋到港口、港口到港口、停泊时间和组合模型），由 SageMaker Pipelines 和 AWS Step Functions 协调，确保持续的性能监控和自动模型更新。混合推理架构将每日批量处理与实时 API 结合，以便立即调整**调度**。这使得预测准确率 (MAE) 提高了 12%，响应时间加快了 80%。这些改进显著提高了 Hapag-Lloyd 的国际调度可靠性排名。