應用AI人工智慧幫助環境永續和減少碳排

何以如此重要？

積極的氣候行動和管理環境相關議題是愛立信永續發展策略的核心部分。 本議題是三個主要永續發展重點領域之一，另外兩個議題為負責任經營和數位包容（閱讀更多內容，請點擊此處）。 隨著全球暖化的威脅不斷提升，碳排放的負面影響成為全世界關注的一個緊迫問題。 企業面臨的加快氣候行動和限制全球變暖壓力從未如此普遍，而企業界紛紛承諾在其價值鏈中實現淨零排放的決心。 根據美國環境保護署2019年氣候變化報告，運輸業佔據全球溫室氣體（GHG）排放的百分比達到驚人的29%。對愛立信而言，我們非常嚴肅看待零碳排承諾。 為了正面應對這一威脅，愛立信承諾在2040年實現價值鏈零碳排。愛立信正努力達成首個關鍵里程碑，即在2030年減少供應鏈和產品組合中50%的碳排放量，同時在自身經營活動中實現零碳排。 產品運輸則是降低供應鏈碳排放的關鍵之一。 為了滿足降低二氧化碳排放量的積極目標， ITAI和自動化專家與供應部門一起確定了包括監測、預測和減排在內的產品運輸優化方案，其目標在於透過大膽應用AI讓想像成真。

如何測量和分析運輸過程的二氧化碳當排放量

然而，如何實施該計畫才能真正改變運輸過程和超出公司直接控制的其他業務領域的排放量？ 首先，我們需要通過可衡量數據和透明報告獲得資訊，以充分了解供應鏈碳排放的全貌，此階段稱之為「監測」。

這一階段有助於規劃企業當前的二氧化碳排放場景，包含客戶供應鏈、產品供應鏈、本地運輸和各種流程在內的多種複雜產品運輸流程。 開發這類解決方案的主要難題在於可用數據不足，缺少不同來源的相關數據以及計算二氧化碳排放量的精確邏輯。 借助各種分析技術以及基於燃料、基於距離、基於成本的方法，我們已經能夠計算出與運輸過程相關的碳排放。 在經過多次試錯之後，我們發現基於距離的方法是最適合愛立信進行運輸管理的方法。 我們通過對諸如採購商品量、行駛距離、不同運輸模式和類型的標準排放係數等常見參數進行建模，即可獲得二氧化碳排放量值。 該模型的通用性讓其可以用於大多數類似的運輸服務中。 計算不同運輸方式的二氧化碳排放量的簡化公式如下：

Y=∑（採購貨物的質量（噸或體積）×運輸距離（km）×運輸方式或車輛類型碳排放係數（千克二氧化碳當量/噸或體積/公里））

借助二氧化碳排放量演算法和LowCode基於網路且允許全球使用者同時互動的可視化控制儀表板，我們已經能夠部署基於數據模型的完整監測解決方案，該控制儀表板參考如下：

圖1：愛立信全球二氧化碳排放量儀表板—按單位列出。 注：所有數位均為虛擬數據。

圖2：愛立信全球二氧化碳排放量儀表板—按運輸方式列出。

在測量和監測不同運輸方式二氧化碳當量排放的同時，我們還可以不斷提高數據品質。 透過分析收集到的數據，企業就可以確定哪些領域的數據品質較低，並與數據管理員共同改善數據品質，以及改進營運層面的相應數據採集方法。這種提高數據質量反覆運算的過程，將逐漸幫助業務驅動者做出明智的決策。

將數據轉化為未來洞察能力：預測階段

在獲得數據和基本分析之後，依照邏輯下一步就要通過捕捉重要模式和趨勢對未來業務進行預測，該階段稱為“預測”階段。 由於存在大量的細分貨運流，預測不同運輸路線的運輸量和重量非常複雜。 而運輸服務的不確定性、多樣化流程和非標準化程序，則讓實現運輸資源最佳利用以及分配規劃更具挑戰性。

通過使用回歸、集群、深度學習等機器學習（ML）技術以及歷史和交易數據，我們開發出比人工預測更準確的長期和短期貨運重量預測方法。 運用這種方法不僅可以減少人工預測的需求，還可以幫助物流服務供應商（LSP）獲得更好的交付精確性，既提高費率又降低成本。

該預測不但可以確保運輸能力的可用性，而且大幅度減少準備時間。 利用良好的預測結果，物流服務供應商就能夠發現跨區域和運輸通道貨運的關鍵驅動因素，以及對整個產品運輸鏈的影響。

該解決方案的建模部分由多個在學習速率、最大深度、n\u估計量和子樣本特徵上，具備各種超參數調整功能的提升演算法組成。 由於數據存在波動性和不一致性，任何單一模型均無法輸出結果，因此具有不同超參數的機器學習模型的集合框架應運而生。 該框架的設計思路是，在運行時以動態模式提取最佳模型（對精通技術的人來說，這是通過最低加權平均絕對百分比誤差（WMAPE）實現），並將其用於預測相關的重量/體積。

從預測到行動：減排階段

在測量和分析二氧化碳排放量結果，並得到良好的長期和短期預測之後，就該著手制定減少二氧化碳排放量的計劃及部署方法，該階段也稱為「減排」。

在監測和預測的幫助下，持續的監測過程肯定有助於二氧化碳排放的反覆優化。

• 縮減和改善運輸活動：

  • 車隊優化—提高貨車承載量，減少非必要空運，以及升級車隊。
  • 改進包裝和運輸材料方案，更好地與供應商合作。
• 提高運輸效率：
  • 利用預測避免壓縮交貨時間
  • 使用性能出色的導航
  • 通過預測性分析預防車輛故障並節約能源使用（預測性維護）

簡而言之，根據美國環境保護署2019年氣候變化報告，由於物流運輸業是化石燃料的主要消費者之一，因而也是溫室氣體（GhG）排放總量的主要貢獻者，佔據溫室氣體總排放量的一半。  我們在自身營運過程中，瞭解到可以利用AI優化車輛流、提供更為高效的導航以及推動共享運輸等方式減少運輸車輛的使用。

本篇文章立足於我們對AI潛力的洞察以及工業自動化的持續發展，重點介紹我們的監測、預測和減排三階段策略。

提高二氧化碳排放量的可見性和透明度，以及改善數據品質、營運效率和客戶滿意度之外，還可以透過預測運輸量減少二氧化碳排放量和營運支出。

我們相信，利用這個三階段方法再輔以專業的產業知識，環境永續發展的挑戰就可以得到解決。 我們也深信，只要使用得當，AI能夠加速我們的永續發展努力。

AI已經逐漸成為讓政府、組織和個人有能力制定更有意識的決策以及聯手創造更加健康地球的關鍵。 愛立信正在為這一目標不懈努力，同時也為能夠展示AI如何實現可持續變革而深感自豪。

氣候變化的嚴重程度加上AI的巨大潛力讓我們無法視若無睹，您如何看待呢？