Βελτιστοποίηση διαδρομής και παράδοση τελευταίου μιλίου — Τεχνητή Νοημοσύνη στην Εφοδιαστική και Εφοδιαστική Αλυσίδα

Κέρδη:

Ικανότητα κατανόησης των εννοιών της δρομολόγησης οχημάτων (VRP), του χρονικού παραθύρου, του περιορισμού χωρητικότητας και του τελευταίου μιλίου και χρήσης τεχνητής νοημοσύνης για τη δημιουργία σεναρίων διαδρομής
Δυνατότητα σύγκρισης της ισορροπίας μεταξύ καυσίμου, απόστασης, χρόνου παράδοσης και ικανοποίησης πελατών σε σενάριο με υποστήριξη τεχνητής νοημοσύνης
Δυνατότητα να υποστηρίζεται ότι η διαδρομή που προτείνεται από την τεχνητή νοημοσύνη υπόκειται στην έγκριση του σχεδιαστή όσον αφορά τα δικαιώματα διακοπής του οδηγού, την κυκλοφορία και την πραγματικότητα της τοποθεσίας

Η έξοδος ενός προϊόντος από την αποθήκη και στα χέρια του πελάτη είναι το πιο ορατό και συχνά το πιο ακριβό βήμα στην αλυσίδα εφοδιασμού. Συγκεκριμένα, το τελευταίο μίλι - το τμήμα από το κέντρο διανομής έως τον τελικό πελάτη - αντιπροσωπεύει το μεγαλύτερο μέρος του συνολικού κόστους μεταφοράς. επειδή αποτελείται από μικρές παραδόσεις διάσπαρτες σε μεμονωμένες διευθύνσεις, στενά χρονικά παράθυρα και κίνηση. Η βελτιστοποίηση διαδρομής — σχεδιασμός των στάσεων που θα επισκεφτούν τα οχήματα και με ποια σειρά — είναι ο πιο ισχυρός μοχλός για τη μείωση αυτού του κόστους και του χρόνου. Αυτό είναι όπου η τεχνητή νοημοσύνη λάμπει πραγματικά: ταυτόχρονα λαμβάνει υπόψη δεκάδες οχήματα, εκατοντάδες στάσεις, χρονικά παράθυρα και χωρητικότητες, δημιουργώντας εύλογα σενάρια διαδρομής σε δευτερόλεπτα - μια δουλειά που θα χρειαζόταν μέρες για να κάνει ένας άνθρωπος με το χέρι. Αλλά η διαδρομή που ακολουθεί η τεχνητή νοημοσύνη είναι μια μαθηματική λύση. Το ταξίδι δεν μπορεί να ξεκινήσει χωρίς ο σχεδιαστής να προσθέσει περιορισμούς όπως δικαιώματα διακοπής οδηγού, πραγματική κίνηση, πληροφορίες πεδίου και προτεραιότητα πελάτη.

Πρόβλημα γλώσσας διαδρομής

Στην καρδιά αυτού του τομέα βρίσκεται το Πρόβλημα Δρομολόγησης Οχημάτων (VRP): το πρόβλημα των οχημάτων που εγκαταλείπουν μια αποθήκη και επιστρέφουν σε όλες τις στάσεις με το ελάχιστο συνολικό κόστος (απόσταση, χρόνος ή καύσιμα). Το VRP έχει αρκετούς κρίσιμους περιορισμούς:

Περιορισμός χωρητικότητας: Ο όγκος/βάρος που μπορεί να μεταφέρει κάθε όχημα είναι περιορισμένος. η διαδρομή δεν μπορεί να υπερβαίνει αυτό. Χρονικό παράθυρο: Το επιτρεπόμενο χρονικό διάστημα κατά το οποίο μια στάση μπορεί να λάβει υπηρεσία. Για παράδειγμα, ένα παντοπωλείο δέχεται προϊόντα μόνο μεταξύ 08:00 και 11:00. Χρόνος εργασίας οδηγού: Νόμιμος μέγιστος χρόνος οδήγησης και υποχρεωτικά διαλείμματα. Προτεραιότητα: Ορισμένες παραδόσεις (ψυχρή αλυσίδα, επείγουσες, VIP πελάτες) πρέπει να προηγούνται από άλλες. Η τεχνητή νοημοσύνη μπορεί να εξισορροπήσει όλους αυτούς τους περιορισμούς ταυτόχρονα — αλλά μόνο αν τους πείτε ακριβώς. Οποιοσδήποτε περιορισμός που δεν αναφέρετε σημαίνει μια ανέφικτη διαδρομή.

Συμβουλή: Στη γραμμή εντολών διαδρομής, πληκτρολογήστε τους περιορισμούς έναν προς έναν: χωρητικότητα οχήματος, χρονικό διάστημα κάθε στάσης, απαίτηση διαλείμματος οδηγού, παραδόσεις προτεραιότητας. Ο περιορισμός που λείπει αναγκάζει το AI να παράγει μια διαδρομή που είναι τέλεια στα χαρτιά αλλά μη εφαρμόσιμη στο πεδίο.

Τρία πράγματα για ισορροπία: κόστος, χρόνος, ικανοποίηση

Η βελτιστοποίηση διαδρομής εξισορροπεί ανταγωνιστικούς στόχους, όχι μόνο έναν. Θέλουμε να ελαχιστοποιηθεί το κόστος καυσίμων/απόστασης. Αλλά η συντομότερη διαδρομή μπορεί να σημαίνει την πιο πρόσφατη παράδοση σε ορισμένους πελάτες. Θέλουμε ο χρόνος παράδοσης να είναι σύντομος. Αλλά η γρήγορη πρόσβαση σε κάθε πελάτη απαιτεί περισσότερα οχήματα και κόστος. Θέλουμε η ικανοποίηση των πελατών να είναι υψηλή. Η έγκαιρη άφιξη εντός ενός στενού χρονικού παραθύρου διασφαλίζει αυτό, αλλά περιορίζει τη διαδρομή. Δεν υπάρχει ενιαία "σωστή" λύση σε αυτό το τρίγωνο. Ένα υπόλοιπο επιλέγεται σύμφωνα με την προτεραιότητα της επιχείρησής σας. Η πιο πολύτιμη πτυχή της τεχνητής νοημοσύνης είναι ότι δείχνει αυτή την ισορροπία με σενάρια: «Η φθηνότερη διαδρομή είναι αυτή, η πιο γρήγορη διαδρομή είναι αυτή, η πιο ισορροπημένη διαδρομή είναι αυτή». Η απόφαση λαμβάνεται από εσάς που γνωρίζετε την επιχειρηματική προτεραιότητα.

Βήμα προς βήμα: Μελέτη διαδρομής με AI

Προετοιμάστε δεδομένα διακοπής. Διεύθυνση/περιοχή (ανώνυμος κωδικός), ποσότητα παράδοσης, χρονικό διάστημα, προτεραιότητα.
Εισαγάγετε τον περιορισμό του στόλου σας. Πόσα οχήματα, χωρητικότητα καθενός, αποθήκη εξόδου, κανόνας διακοπής οδηγού.
Προσδιορίστε τον στόχο. Η προτεραιότητα είναι κόστος, χρόνος ή ικανοποίηση; Πείτε το AI ξεκάθαρα.
Δημιουργήστε ένα σενάριο. Ζητήστε τις φθηνότερες / ταχύτερες / πιο σταθερές επιλογές διαδρομής.
Φίλτρο πεδίου. Προσθέστε χειροκίνητα τοπικά στοιχεία, όπως γνωστά οδικά έργα, κυκλοφοριακή συμφόρηση, προβλήματα στάθμευσης κ.λπ.
Έγκριση σχεδιαστή. Ελέγξτε τα δικαιώματα του οδηγού και την πραγματική εφαρμογή. επιβεβαιώστε την τελική διαδρομή.

Προσοχή: Ο υπολογισμός της κίνησης και της απόστασης του AI βασίζεται στα δεδομένα που τροφοδοτεί. Εάν δεν υπάρχουν δεδομένα κίνησης σε πραγματικό χρόνο, το AI υποθέτει έναν "άδειο δρόμο" και υπολογίζει τους χρόνους αισιόδοξα. Ο οδηγός στο χωράφι γνωρίζει μια οδική εργασία που δεν γνωρίζει το AI. Γι' αυτό η ανατροφοδότηση του οδηγού και του σχεδιαστή είναι αναπόσπαστο μέρος της διαδρομής.

τρεις μίνι θήκες

Περίπτωση 1 — Η αποτυχία παράδοσης μειώνεται με το χρονικό διάστημα. Μια εταιρεία παράδοσης αντιμετώπιζε επαναλαμβανόμενες «αποτυχημένες παραδόσεις» δοκιμάζοντας παραδόσεις κατά τις ώρες που οι πελάτες δεν βρίσκονταν στο σπίτι. Κάθε αποτυχημένη προσπάθεια ήταν μια δεύτερη φορά, που σημαίνει επιπλέον κόστος. Ο σχεδιαστής συγκέντρωσε το προτιμώμενο χρονικό παράθυρο κάθε στάσης και το έδωσε στο AI. Το AI ανακατασκεύασε διαδρομές σύμφωνα με αυτά τα παράθυρα. Το ποσοστό επιτυχούς παράδοσης στην πρώτη προσπάθεια αυξήθηκε από 78% σε 94%. Το κόστος μειώθηκε σημαντικά τη δεύτερη φορά. AI σταθεροποιημένα παράθυρα. ο άνθρωπος έκανε τη δουλειά να μαζέψει τα παράθυρα.

Περίπτωση 2 — Συνειδητή επιλογή με σενάρια. Ένας διανομέας τροφίμων εξυπηρετούσε 90 στάσεις με 6 οχήματα. Η τεχνητή νοημοσύνη έδωσε τρία σενάρια: φθηνότερη διαδρομή (12% εξοικονόμηση καυσίμων αλλά ορισμένες παραδόσεις μεταφέρονται στο απόγευμα), ταχύτερη διαδρομή (όλες οι παραδόσεις πριν το μεσημέρι αλλά απαιτείται 1 ακόμη όχημα), ισορροπημένη διαδρομή. Ο διευθυντής γνώριζε ότι τα προϊόντα κρύας αλυσίδας έπρεπε να κυκλοφορούν πριν από το μεσημέρι, γι' αυτό δεν επέλεξε την ακριβή «φθηνή» επιλογή, αλλά το ισορροπημένο σενάριο που έδινε προτεραιότητα στα κρύα προϊόντα. Η τεχνητή νοημοσύνη προσέφερε επιλογές. Η γνώση προτεραιότητας ήταν στους ανθρώπους.

Περίπτωση 3 — Σχέδιο που δεν συντρίβει τα δικαιώματα των οδηγών. Ένας αναλυτής ήθελε να εφαρμόσει την πιο αποτελεσματική διαδρομή που παρήγαγε η τεχνητή νοημοσύνη. Ωστόσο, η διαδρομή απαιτούσε από τον οδηγό να οδηγεί για 6 ώρες χωρίς διάλειμμα. Αυτό ήταν και παράνομο και επικίνδυνο. Ο σχεδιαστής πρόσθεσε τον υποχρεωτικό περιορισμό διακοπής και έβαλε την αναπαραγωγή της διαδρομής. Η απόδοση μειώθηκε ελαφρά, αλλά το σχέδιο έγινε νόμιμο και ασφαλές. Το ανθρώπινο δικαίωμα υπερισχύει του μαθηματικού βέλτιστου.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Βασικό σενάριο διαδρομής:

Ο ρόλος σας: βοηθός προγραμματισμού διανομής. Αποθήκη: [κωδικός τοποθεσίας]. Οχήματα: 6 το καθένα, [χωρητικότητα]. Οι στάσεις είναι παρακάτω: ανώνυμος κωδικός, ποσό παράδοσης, χρονικό διάστημα, προτεραιότητα. Κανόνας οδηγού: 45 λεπτά υποχρεωτικό διάλειμμα σε 4,5 ώρες. Εργασία: προτείνετε ένα σχέδιο διαδρομής που ταιριάζει στους περιορισμούς. Δώστε τη σειρά των στάσεων και τον εκτιμώμενο χρόνο τερματισμού για κάθε όχημα. Προειδοποιήστε εάν υπάρχει μη εφαρμόσιμος περιορισμός.

2) Σύγκριση τριών στόχων:

Δημιουργήστε τρία σενάρια διαδρομής με τα ίδια δεδομένα στάσης και στόλου: (1) χαμηλότερο καύσιμο/απόσταση, (2) νωρίτερη ολοκλήρωση, (3) ισορροπημένο. Συνολική απόσταση, εκτιμώμενος χρόνος, αριθμός απαιτούμενων οχημάτων και εκκρεμής κίνδυνος για το καθένα. Μην κάνετε μια σαφή επιλογή. θα διαλέξω.

3) Προτεραιότητα και περιορισμός ψυχρής αλυσίδας:

Οι παρακάτω στάσεις [κωδικοί] περιέχουν προϊόντα κρύας αλυσίδας και πρέπει να παραδοθούν το αργότερο μέχρι τις 12:00. Κατασκευάστε τη διαδρομή με τρόπο που να μην παραβιάζει αυτόν τον περιορισμό. Εάν η παραβίαση είναι αναπόφευκτη, αναφέρετε ξεκάθαρα σε ποια στάση και γιατί.

4) Κείμενο πληροφοριών προγράμματος οδήγησης:

Γράψτε μια σύντομη, σαφή περίληψη που θα μεταφέρει την ακόλουθη διαδρομή στον οδηγό: σειρά στάσεων, εκτιμώμενοι χρόνοι άφιξης, στάση ανάπαυσης και προφυλάξεις (στενός δρόμος, παράθυρο χρόνου). Διατηρήστε το απλό και ευανάγνωστο. Σημειώστε ότι ο οδηγός θα επιβεβαιώσει τις πραγματικές συνθήκες κυκλοφορίας/δρόμου.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Βρείτε τη συντομότερη διαδρομή.

Πόσα οχήματα, τι χωρητικότητα, τι χρονικό παράθυρο, ποια προτεραιότητα είναι ασαφές. Το αποτέλεσμα δεν ισχύει.

Ισχυρή προτροπή:

Ο ρόλος σας: βοηθός προγραμματισμού διανομής. 4 οχήματα (1.200 κιλά το καθένα), αφήνοντας μια ενιαία αποθήκη. 60 στάσεις: κωδικός, βάρος, χρονικό παράθυρο, προστέθηκε προτεραιότητα. Τα κρύα αντικείμενα πρέπει να φύγουν πριν τις 12:00. Ο οδηγός πρέπει να κάνει διάλειμμα στις 4,5 ώρες. Δώστε 2 σενάρια: χαμηλότερη απόσταση και πιο σταθερή. Παραβιάσεις περιορισμών επισήμανσης. Η επιλογή είναι δική μου.

στόχος

κόστος καυσίμου

Ταχύτητα παράδοσης

ικανοποίηση του πελάτη

μικρότερη απόσταση

χαμηλότερο

Μεταβλητή

Κάποιες καθυστερημένες παραδόσεις

Η ταχύτερη ολοκλήρωση

ψηλά

καλύτερο

Υψηλό αλλά ακριβό

πιστός στο παράθυρο του χρόνου

μεσαίο

υψηλότερο

ισορροπημένη

μέτρια-χαμηλή

καλό

Συνήθη λάθη

Λείπουν οι περιορισμοί. Εάν δεν δοθούν οι κανόνες χρόνου, χωρητικότητας και διαλείμματος, η διαδρομή θα είναι καλή στα χαρτιά αλλά μη εφαρμόσιμη στο πεδίο.
Υποθέτοντας ότι η κυκλοφορία είναι "άδειος δρόμος". Εάν δεν υπάρχουν δεδομένα σε πραγματικό χρόνο, οι χρόνοι είναι αισιόδοξοι. Απαιτείται επαλήθευση προγράμματος οδήγησης.
Εστίαση σε έναν μόνο στόχο. Μόνο η φθηνότερη διαδρομή μπορεί να θυματοποιήσει την αλυσίδα ψύξης ή τον πελάτη VIP.
Συντριβή των δικαιωμάτων των οδηγών. Η «παραγωγική» διαδρομή χωρίς διακοπές ή να απαιτεί υπερωρίες είναι παράνομη και επικίνδυνη.
Παράβλεψη αποτυχημένης παράδοσης. Εάν δεν τηρηθεί το χρονικό παράθυρο, οι δεύτερες εκτελέσεις θα διογκώσουν το κρυφό κόστος.

Συμβουλή: Κάντε έναν 5λεπτο «έλεγχο» με τους οδηγούς πριν ξεκινήσετε τη διαδρομή: υπάρχουν οδοστρώματα που γνωρίζουν, προβλήματα στάθμευσης, δύσκολοι πελάτες; Αυτή η ανατροφοδότηση προσθέτει πραγματικότητες στη διαδρομή που το AI δεν μπορεί να δει με τα δεδομένα και αυξάνει σημαντικά την επιτυχία παράδοσης.

Συνοπτικά

Το τελευταίο μίλι είναι ακριβό και η βελτιστοποίηση διαδρομής είναι ο πιο ισχυρός μοχλός για τη μείωση του. Το AI εξισορροπεί όλους τους περιορισμούς του VRP (χωρητικότητα, χρονικό παράθυρο, προτεραιότητα, διάλειμμα) ταυτόχρονα και παράγει σενάρια στο τρίγωνο κόστους-χρόνου-ικανοποίησης. Αλλά αυτή είναι μια μαθηματική λύση: δεν μπορεί να εφαρμοστεί χωρίς την προσθήκη πραγματικής κυκλοφορίας, δικαιωμάτων οδηγού και γνώσεων πεδίου. Παρέχετε πλήρεις περιορισμούς, συγκρίνετε σενάρια, λάβετε επιβεβαίωση οδηγού. Η τελική διαδρομή καθορίζεται με την έγκριση του σχεδιαστή.

Εργασία εφαρμογής

Ρυθμίστε μια λίστα ημερήσιας παράδοσης από τη δική σας διανομή (ή υποθετική): 20-30 στάσεις, προσθέστε ποσότητα, χρονικό διάστημα και προτεραιότητα σε καθεμία. Προσδιορίστε 2-3 οχήματα και τις ικανότητές τους. Ζητήστε από την τεχνητή νοημοσύνη για σενάρια με το πρότυπο «συγκρίσεις τριών στόχων». Προσθέστε τον κανόνα διακοπής του οδηγού και έναν περιορισμό ψυχρής αλυσίδας. Σημειώστε το σενάριο που επιλέξατε και την αιτιολόγησή του, καθώς και τα σημεία που θα επιβεβαιώσετε από το πεδίο, σε 5 στοιχεία.

λίστα ελέγχου

[ ] Έχω εκπληρώσει όλους τους περιορισμούς (χωρητικότητα, χρονικό διάστημα, διάλειμμα, προτεραιότητα);
[ ] Έχω συγκρίνει σενάρια κόστους/χρόνου/ικανοποίησης;
[ ] Έχω προσθέσει τον περιορισμό που προστατεύει την αλυσίδα ψύξης και τις παραδόσεις προτεραιότητας;
[ ] Έχω τηρήσει τα δικαιώματα του οδηγού και τις νόμιμες περιόδους διακοπής;
[ ] Έλαβα επιβεβαίωση οδηγού/επίπεδου πριν ξεκινήσω τη διαδρομή;