Trailerstyring på autopilot: H. Daugaard bruger AI til at frigive tusindevis af arbejdstimer

Historisk set har transportbranchen ikke været kendt som digitale pionerer, men det har den internationale logistikvirksomhed H. Daugaard sat sig for at lave om på. På blot fem år har virksomheden digitaliseret en række centrale processer, styrket sin interne datastruktur og skabt et digitalt mindset blandt medarbejderne.

Deres største skridt til dato er et ambitiøst AI projekt, som er igangsat med støtte fra AI Denmark – et hjælpeprogram finansieret af Industriens Fond.

Fra faxmaskiner til softwarerobotter – og så til AI

Da CIO Lars Romsøe kom til H. Daugaard i 2020, var digitalisering ikke et ord, der fyldte meget i virksomheden. Mange processer blev stadig udført manuelt, og i nogle tilfælde tikkede der endda faxer ind fra kunder i Tyskland.

Lars og hans team kortlagde de manuelle rutineopgaver, der slugte mest tid, hvorefter de første skridt blev taget med RPA. I dag kører omkring 300 robotopgaver i døgnet, som håndterer alt fra fragtbreve til rapportering og dataindtastning.

Erfaringerne har været et vigtigt springbræt mod brugen af AI. De har gjort virksomheden mere bevidst om sine egne processer og styrket evnen til at se, hvordan teknologi kan bruges til at fjerne rutineprægede opgaver og frigive tid til mere værdiskabende arbejde.

Da generativ AI begyndte sin fremmarch, blev det derfor hurtigt klart, at mere komplekse opgaver ville kunne automatiseres.

Opgaven der skulle automatiseres

En af de mere komplekse opgaver er, når en speditør skal vælge den bedste trailer til en transportopgave. Her kommer en række parametre i spil, der kan være med til at afgøre valget, som i sidste ende kan koste både tid, penge og unødig CO2 udledning.

Historisk er denne proces foregået i manuelle Excel ark, hvor virksomhedens trailere fremgår af en lang liste med datapunkter som start- og slutdestinationer, og med data fra et telematiksystem der monitorerer en masse data, herunder GPS lokationer, på køretøjerne.

Her skulle speditøren løbe listen igennem, og selv tage stilling til hvilken trailer der var det bedste valg til opgaven. Med 300 trailere i konstant bevægelse på tværs af Europa er det et stort puslespil, hvor brikkerne bevæger sig rundt samtidig.

Derfor besluttede H. Daugaard at tage næste skridt. De ville se, om kunstig intelligens kunne frigive de timer, der hver dag gik med at finde den rigtige trailer. Målet var at bygge en AI model, som på baggrund af det tilgængelige data, kunne udvælge det bedste fartøj til transporten, så en speditør blot ville få vist den nummerplade, der skulle tage opgaven.

Udklip fra den nye AI platform

Det forventede resultat

Hos H. Daugaard håndterer man omkring 70.000 af disse ordrer om året. Lars Romsøe beskriver, hvordan tidsforbruget kan variere ret markant fra sag til sag, men at det ikke er urealistisk med en snittid på ca. 4-5 minutter pr. ordre.

Hvis den opgave automatiseres vil man frigive i omegnen af 4.700 - 5.800 arbejdstimer om året, der i stedet kan bruges på kundeservice, kvalitetssikring og udvikling. Det kan i sidste ende hjælpe virksomheden med at vækste uden at øge omkostningerne, og kan samtidig øge kvaliteten, fordi systemet minimerer risikoen for fejl og sikrer ensartede beslutninger.

Fondsstøtte og eksterne samarbejdspartnere

Så hvor starter man henne? I vores interview giver Lars Romsøe udtryk for, at H. Daugaard altså ikke er en organisation, der hverken erfaring, viden eller kompetencer til at give sig i kast med udvikling af AI modeller. En helt forståelig situation, som vi hos AI for Alle oplever ofte, når vi snakker med ledende medarbejdere i SMV segmentet.

For H. Daugaard startede udviklingen derfor, da man fik øje på AI Danmark. Et hjælpeprogram, som er finansieret af Industriens Fond og støttet af en række institutioner herunder Teknologisk Institut, Alexandra Instituttet og Dansk Industri.

Hvordan virker sådan et projekt?

Til de godkendte ansøgere stilles en mængde af konsulenttimer til rådighed. Hos H. Daugaard fik man 150 konsulenttimer hos Alexandra Instituttet, som kunne bruges på tværs af projektets forskellige faser. Herunder på at afdække den arbejdsproces der skulle automatiseres, dialog og rådgivning til at strukturere virksomhedens datasæt, og i sidste ende til at bygge en prototype af AI modellen.

I sådanne udviklingsprojekter, vil der ofte være overraskelser, som ender med at skubbe til den planlagte proces, og i sidste ende til tidsplanen. Det samme gør sig gældende i dette projekt, hvor det f.eks. viste sig, at man var nødt til at rense datasættet mere end forventet, og at det krævede en ret praksisnær oplæring af udviklerne, for at få detaljerne i opgaven ind under huden.

Disse bump på rejsen, er blandt årsagerne til, at prototypen i det indledende projekt, desværre ikke nåede produktionsklar status inden for de normerede fondstimer. H. Daugaard besluttede da, at investere yderligere 75.000 kr. i konsulenttimer for at færdiggøre projektet rigtigt. Det er dette 2. forløb der i dag, halvandet år efter projektets start, er ved at runde af.

Der er udarbejdet en produktionsklar model, og den sidste del af arbejdet ligger nu i den systemtekniske integration med virksomhedens egne systemer.

I interviewet med Lars Romsøe er det helt tydeligt, at det har været en rejse, hvor man er blevet klogere undervejs, og der er da også nogle ting, som man havde valgt at gøre anderledes, hvis projektet skulle startes forfra på ny.

Til gengæld gør han det også klart, at organisationen som helhed har fået en masse erfaringer, som i dag giver dem et andet digitalt modenhedsniveau.

De hårdt optjente erfaringer

Forberedelse er den halve sejr

Hvis H. Daugaard var startet forfra i dag, ville man inden opstarten af, have brugt mere tid på at beskrive projektet i dybden, for at sikre ensretning på tværs af partnerne. Simpelthen sat sig ned, og få ridset alle hegnspælene op, så alle var helt enige om nøgleelementer, som formål, datagrundlag, succeskriterier, delmål, tidsplan og lign. Det giver et stærkere fælles udgangspunkt og minimerer risikoen for misforståelser og forsinkelser senere i processen.

Retningen kommer oppefra

Hvis man skal have succes med implementering af AI projekter, så er det vigtigt at have tjek på de strategiske linjer. Hos H. Daugaard har man en digital strategi på plads, som alle fra direktion til medarbejder er indforstået med og opmærksomme på. Netop dette er et vigtigt aspekt, da en digital strategi er med til at sætte retningen, og samtidig sikre at der er ledelsesmæssig opbakning og overensstemmelse, når de svære beslutninger skal tages. F.eks. hvis et projekt ikke går som forventet, og der skal hentes ydeligere finansiering.

Kom helt tæt på driften

Der er ingen tvivl i stemmen, når Lars fortæller, at han ville have inviteret samarbejdspartneren ud på gulvet fra første dag. I projektets første fase var udviklerne ikke tæt nok på driften til virkelig at forstå detaljerne i processen, og det skabte unødige spørgsmål og tvivl senere. Det var til gengæld meget effektivt, da udviklerne brugte en arbejdsdag med sidemandsoplæring hos speditørerne, med mulighed for at stille spørgsmål undervejs.

Data, data og data

Når man skal bygge sin egen AI model, så er datamængde og datakvalitet helt afgørende faktorer. Virkeligheden er ofte, at datasæt har brug for en grad af rensning, for at nå en kvalitet hvor en AI model kan trænes succesfuldt på materialet. Derudover kan det også kræve, at der laves nye procedurer for indtastning af data, så de fremtidige datasæt holder samme kvalitet.

Afsæt nok ressourcer

En anden vigtig læring er vigtigheden af at afsætte interne ressourcer. Selvom eksterne midler som fondsstøtte er en stor hjælp, kræver et AI projekt engagement og ejerskab i hverdagen. Udover den daglige prioritering, så vil der formentlig komme overraskelser, som kræver at organisationen tilpasser sig, eller hvor arbejdsgange bliver påvirket. Ifølge Lars har projektet krævet nogle hundrede arbejdstimer internt hos H. Daugaard. Det skal man huske at have for øje, når man kigger på effektiviseringsmuligheder i sin organisation.

Næste skridt hos H. Daugaard

Den kommende tid hos H. Daugaard handler selvfølgelig om at få den produktionsklare AI model integreret i virksomhedens driftsplatform. Det betyder dog ikke, at arbejdet står stille andre steder. Projektet med AI Denmark har ikke skræmt Lars og teamet fra arbejdet med AI, og der foregår allerede en række projekter, hvor AI agenter benyttes til at løse andre repetitive opgaver.

Faktisk er det blevet en fast del af afdelingsledernes ansvar, at komme med forslag til effektiviseringer i deres respektive afdelinger, hvorefter projekterne administreres og følges centralt af digitaliseringschefen, som er forankret i Lars’ ressortområde. For H. Daugaard er AI rejsen altså først lige begyndt.

Vi vil lade Lars få de sidste inspirerende ord, med videoklippet nedenfor.

Vil du lære mere om AI?

AI udvikler sig hurtigt, og det kan være svært at følge med, men du står ikke alene. Hos Dansk Industri har vi samlet en lang række ressourcer, der gør det lettere at forstå, anvende og implementere AI – uanset om du er i gang, på vej eller bare nysgerrig.

Hvis du har fået blod på tanden efter at læse om H. Daugaards rejse, og gerne vil lære mere om AI, så kan du finde mere materiale på vores AI for Alle univers.

Her finder du desuden:

• Guides og artikler om alt inden for AI
• Konkrete cases fra danske virksomheder
• Gratis værktøjer og vejledninger
• Kurser og events

AI er ikke kun for specialister og teknikere. Det er for alle, der vil være med til at forme fremtiden, og bruge teknologien klogt og ansvarligt.