康斯特大学的最新研究——利用机器学习进行运输物流
在一项新的DFG项目中，Yilmaz Uygun教授正在研究如何将人工智能应用于物流领域。（图片来源：康斯特大学）
不同格式、频繁更新、越来越多的数据：管理客户需求是物流中的一项挑战。所谓的“大型语言模型”如何帮助改善这一过程，并使其自主、自学并具有逐渐提升的准确性？这是由德国研究基金会（DFG）资助的一个项目的重点，该项目由不来梅康斯特大学的Yilmaz Uygun教授领导。
物流中的客户需求，例如与单个产品的运输、处理和存储、其包装、交付方式或属性有关。然而，没有关于记录这些信息的通用或行业特定标准。现今使用的是长度差异很大的不同模板，而且更新的时间间隔也越来越短。在处理包含复杂产品详细信息的规格时，也会出现类似的问题，有时这些规格文件包含几千页。
“这对于必须考虑并实施特定要求的供应商或承包商来说是一个日益增加的挑战，”康斯特大学的物流工程、技术和流程教授Yilmaz Uygun说道。通过机器学习的帮助，特别是大型语言模型，例如ChatGPT，可以使用人工智能将文本转换为语音，未来应该能够简化这些流程。然而，在制造业的需求管理领域仍然缺乏自动化解决方案。
这也是Yilmaz Uygun教授最新的研究项目旨在解决的问题。该项目由德国研究基金会（DFG）资助，旨在加快解决请求的过程，改善文档编制，并预测未来所需的调整。该项目将持续两年，在此期间，Uygun教授希望自动化供应商和承运商之间的信息流。
研究联系人：
Yilmaz Uygun教授 | 物流工程、技术和流程教授
yuygun@constructor.university | 电话：+49 421 200-3478
