DB Cargo已在达姆施塔特铁路货运站（DB Cargo Railport Darmstadt）为其77型柴油机车 引入了一套基于人工智能的备件 预测系统。
该系统将里程数据、 保养周期和维修车间信息与历史消耗模式相结合， 以提升需求预测的准确性。
DB Cargo 在非电气化路线上运营着约 60 台 77 型柴油 机车。这些机车产自加拿大，其备件 的交付周期可能长达数周或数月，部分 零部件的交付时间甚至更长。据 DB Cargo 称，由于某些零部件的需求 不稳定，传统的 需求预测方法效果欠佳。
以77型机车的油泵为例。 之前的预测方法未显示任何需求，而人工智能 模型预测为5台；实际消耗量达到6台。鉴于交货周期 约为500天，预测准确性直接影响机车的可用性。
除了人工智能模型外，DB Cargo还对 其现有的基于Excel的规划工具进行了修订。对各项参数进行了系统测试， 以在等待时间与库存水平之间取得平衡。针对不同车辆类型， 分别定义了独立的参数集，以便根据具体的运营 特点调整规划方案。
DB Cargo 表示，新方法 和更新后的规划工具已在数月内完成部署，目前 已应用于 77 型机队的备件规划工作。
