بهینه سازی مسیر و تحویل آخرین مایل

سود:

• توانایی درک مفاهیم مسیریابی خودرو (VRP)، پنجره زمانی، محدودیت ظرفیت و آخرین مایل و استفاده از هوش مصنوعی برای تولید سناریوهای مسیر
• امکان مقایسه تعادل بین سوخت، مسافت، زمان تحویل و رضایت مشتری بر اساس سناریو با پشتیبانی هوش مصنوعی
• توانایی حفظ این موضوع که مسیر پیشنهادی توسط هوش مصنوعی منوط به تایید برنامه‌ریز از نظر حقوق شکست راننده، ترافیک و واقعیت‌های سایت است.

بیرون آوردن یک محصول از انبار و در اختیار مشتری، قابل مشاهده ترین و اغلب گران ترین مرحله در زنجیره تامین است. به طور خاص، آخرین مایل - بخش از مرکز توزیع تا مشتری نهایی - بیشترین هزینه کل حمل و نقل را به خود اختصاص می دهد. زیرا شامل تحویل های کوچک پراکنده در آدرس های فردی، پنجره های زمانی باریک و ترافیک است. بهینه‌سازی مسیر - برنامه‌ریزی که وسایل نقلیه را که بازدید می‌کنند و به چه ترتیبی متوقف می‌شوند - قدرتمندترین اهرم برای کاهش این هزینه و زمان است. اینجاست که هوش مصنوعی واقعاً می‌درخشد: به طور همزمان ده‌ها وسیله نقلیه، صدها توقف، پنجره‌های زمانی و ظرفیت‌ها را در نظر می‌گیرد و سناریوهای مسیر قابل قبولی را در چند ثانیه ایجاد می‌کند – کاری که انجام آن به صورت دستی روزها طول می‌کشد. اما مسیر طی شده توسط هوش مصنوعی یک راه حل ریاضی است. سفر را نمی‌توان بدون اضافه کردن محدودیت‌هایی از قبیل حقوق شکست راننده، ترافیک واقعی، اطلاعات میدانی و اولویت مشتری توسط برنامه‌ریز شروع کرد.

زبان مشکل مسیر

در قلب این زمینه، مشکل مسیریابی خودرو (VRP) قرار دارد: مشکل وسایل نقلیه خروج از انبار و بازگشت به تمام توقف ها با حداقل هزینه کل (مسافت، زمان یا سوخت). VRP چندین محدودیت حیاتی دارد:

محدودیت ظرفیت: حجم/وزنی که هر وسیله نقلیه می تواند حمل کند محدود است. مسیر نمی تواند از این فراتر رود. پنجره زمانی: فاصله زمانی مجاز که در طی آن یک توقف می تواند خدمات دریافت کند. به عنوان مثال، یک فروشگاه مواد غذایی فقط بین ساعت 08:00 تا 11:00 کالاها را می پذیرد. زمان کار راننده: حداکثر زمان قانونی رانندگی و استراحت اجباری. اولویت: برخی از تحویل ها (زنجیره سرد، فوری، مشتری VIP) باید قبل از سایرین انجام شود. هوش مصنوعی می‌تواند همه این محدودیت‌ها را به یکباره متعادل کند - اما فقط در صورتی که دقیقاً به آن‌ها بگویید. هر محدودیتی که ذکر نمی کنید به معنای یک مسیر غیرقابل اجرا است.

نکته: در اعلان مسیر، محدودیت ها را یکی یکی تایپ کنید: ظرفیت وسیله نقلیه، پنجره زمانی هر توقف، نیاز به استراحت راننده، تحویل اولویت. محدودیت از دست رفته باعث می شود که هوش مصنوعی مسیری را تولید کند که روی کاغذ بی نقص است اما در میدان عمل نمی کند.

سه چیز برای تعادل: هزینه، زمان، رضایت

بهینه سازی مسیر، اهداف رقیب را متعادل می کند، نه فقط یک. ما می خواهیم هزینه سوخت/مسافت به حداقل برسد. اما کوتاه ترین مسیر ممکن است به معنای آخرین تحویل به برخی از مشتریان باشد. ما می خواهیم زمان تحویل کوتاه باشد. اما رفتن سریع به هر مشتری نیاز به وسایل نقلیه و هزینه های بیشتری دارد. ما می خواهیم رضایت مشتری بالا باشد. رسیدن به موقع در یک پنجره زمانی باریک این امر را تضمین می کند، اما مسیر را محدود می کند. هیچ راه حل "درست" واحدی در این مثلث وجود ندارد. تعادل با توجه به اولویت کسب و کار شما انتخاب می شود. با ارزش ترین جنبه هوش مصنوعی این است که این تعادل را با سناریوها نشان می دهد: "ارزان ترین مسیر این است، سریع ترین مسیر این است، متعادل ترین مسیر این است." تصمیم توسط شما گرفته می شود که اولویت کسب و کار را می دانید.

گام به گام: مطالعه مسیر با هوش مصنوعی

1. داده های توقف را آماده کنید. آدرس/منطقه (کد ناشناس)، مقدار تحویل، پنجره زمانی، اولویت.
2. محدودیت ناوگان خود را وارد کنید. تعداد وسایل نقلیه، ظرفیت هر کدام، انبار خروج، قانون شکست راننده.
3. هدف را مشخص کنید. اولویت هزینه، زمان یا رضایت است؟ به هوش مصنوعی به وضوح بگویید.
4. یک سناریو ایجاد کنید. ارزان ترین / سریع ترین / پایدارترین گزینه های مسیر را بخواهید.
5. فیلتر فیلد. حقایق محلی مانند کارهای جاده ای شناخته شده، ازدحام ترافیک، مشکلات پارکینگ و غیره را به صورت دستی اضافه کنید.
6. تایید برنامه ریز بررسی حقوق راننده و کاربرد واقعی؛ تایید مسیر نهایی

احتیاط: محاسبه ترافیک و مسافت هوش مصنوعی بر اساس داده هایی است که تغذیه می شود. اگر اطلاعات ترافیکی در زمان واقعی وجود نداشته باشد، هوش مصنوعی یک "جاده خالی" را در نظر می گیرد و زمان ها را خوش بینانه محاسبه می کند. راننده در میدان کار جاده ای را می داند که هوش مصنوعی نمی داند. به همین دلیل است که بازخورد راننده و برنامه ریز بخشی ضروری از مسیر است.

سه کیف کوچک

مورد 1 - تحویل ناموفق در حال کاهش با پنجره زمان. یک شرکت تحویل بار با آزمایش تحویل در ساعاتی که مشتریان در خانه نبودند، «تحویل ناموفق» مکرر را تجربه می کرد. هر تلاش ناموفق برای بار دوم بود، یعنی هزینه اضافی. برنامه ریز پنجره زمانی مورد نظر هر ایستگاه را جمع آوری کرد و به هوش مصنوعی داد. هوش مصنوعی مسیرها را با توجه به این پنجره ها بازسازی کرد. نرخ تحویل موفقیت آمیز اولین تلاش از 78% به 94% افزایش یافت. هزینه بار دوم به طور قابل توجهی کاهش یافت. ویندوز تثبیت شده با هوش مصنوعی؛ مرد کار جمع آوری پنجره ها را انجام داد.

مورد 2 - انتخاب آگاهانه با سناریوها. یک توزیع کننده مواد غذایی با 6 وسیله نقلیه به 90 ایستگاه خدمات رسانی می کرد. هوش مصنوعی سه سناریو ارائه کرد: ارزانترین مسیر (12 درصد صرفه جویی در مصرف سوخت اما برخی از تحویل ها به بعد از ظهر تغییر می کند)، سریعترین مسیر (تمام تحویل ها قبل از ظهر اما 1 وسیله نقلیه دیگر لازم است)، مسیر متعادل. مدیر می دانست که محصولات زنجیره ای سرد باید قبل از ظهر عرضه شوند، بنابراین او دقیقاً «ارزان ترین» گزینه را انتخاب نکرد، بلکه سناریوی متعادلی را انتخاب کرد که محصولات سرد را در اولویت قرار می داد. AI گزینه های ارائه شده است. دانش اولویت در انسان بود.

مورد 3 - طرحی که حقوق رانندگان را تضعیف نمی کند. یکی از تحلیلگران می خواست کارآمدترین مسیر تولید شده توسط هوش مصنوعی را پیاده سازی کند. با این حال، در این مسیر راننده باید 6 ساعت بدون وقفه رانندگی کند. این هم غیرقانونی بود و هم خطرناک. برنامه ریز محدودیت شکست اجباری را اضافه کرد و مسیر را بازتولید کرد. بازده کمی کاهش یافت، اما این طرح قانونی و ایمن شد. حقوق بشر بر بهینه ریاضی برتری دارد.

چهار قالب قابل کپی

1) سناریوی مسیر اصلی:

نقش شما: دستیار برنامه ریزی توزیع. انبار: [کد مکان].وسایل نقلیه: هر کدام 6 عدد [ظرفیت]. توقف ها به شرح زیر است: کد ناشناس، مبلغ تحویل، پنجره زمانی، اولویت. قانون راننده: 45 دقیقه استراحت اجباری در 4.5 ساعت. وظیفه: یک طرح مسیر متناسب با محدودیت ها را پیشنهاد دهید. ترتیب توقف ها و زمان تخمینی پایان را برای هر وسیله نقلیه بیان کنید. در صورت وجود محدودیت غیرقابل اجرا هشدار دهید.

2) مقایسه سه هدف:

سه سناریو مسیر با داده های توقف و ناوگان یکسان ایجاد کنید: (1) کمترین سوخت/فاصله، (2) زودترین تکمیل، (3) متعادل. مجموع مسافت، زمان تخمینی، تعداد وسایل نقلیه مورد نیاز و ریسک برجسته برای هر کدام. انتخاب روشنی نداشته باشید؛ من انتخاب خواهم کرد.

3) اولویت و محدودیت زنجیره سرد:

ایستگاه‌های [کد] زیر حاوی محصولات زنجیره سرد هستند و باید حداکثر تا ساعت 12:00 تحویل داده شوند. مسیر را به گونه ای بسازید که این محدودیت را نقض نکند. اگر تخلف اجتناب ناپذیر است، به وضوح در کدام ایستگاه و چرا بیان کنید.

4) متن اطلاعات راننده:

خلاصه‌ای کوتاه و واضح بنویسید که مسیر زیر را به راننده منتقل کند: ترتیب توقف‌ها، زمان‌های تخمینی رسیدن، توقف استراحت و هشدارها (خیابان باریک، پنجره زمانی). آن را ساده و خواندنی نگه دارید. توجه داشته باشید که راننده وضعیت واقعی ترافیک/جاده را تایید خواهد کرد.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

کوتاه ترین مسیر را پیدا کنید

چند وسیله نقلیه، چه ظرفیتی، چه پنجره زمانی، چه اولویتی مشخص نیست. نتیجه قابل اجرا نیست.

اعلان قدرتمند:

نقش شما: دستیار برنامه ریزی توزیع. 4 وسیله نقلیه (هر کدام 1200 کیلوگرم)، خروج از یک انبار. 60 توقف: کد، وزن، پنجره زمانی، اولویت اضافه شده است. وسایل سرد باید قبل از ساعت 12:00 از بین بروند. راننده باید ساعت 4.5 استراحت کند. 2 سناریو ارائه دهید: کمترین فاصله و پایدارترین. نقض محدودیت پرچم انتخاب با من است.

هدف

هزینه سوخت

سرعت تحویل

رضایت مشتری

کوتاه ترین فاصله

پایین ترین

متغیر

برخی از تحویل های دیرهنگام

سریعترین تکمیل

بالا

بهترین

بالا اما گران است

وفادار به پنجره زمان

متوسط

متوسط

بالاترین

متعادل

متوسط-کم

خوب

خوب

اشتباهات رایج

• از دست دادن محدودیت ها اگر پنجره زمانی، ظرفیت و قوانین استراحت داده نشود، مسیر روی کاغذ خوب خواهد بود اما در زمینه غیرقابل اجرا خواهد بود.
• با فرض ترافیک "جاده خالی". اگر داده های بلادرنگ وجود نداشته باشد، زمان ها خوش بینانه است. تأیید راننده مورد نیاز است.
• تمرکز روی یک هدف واحد فقط ارزان ترین مسیر می تواند زنجیره سرد یا مشتری VIP را قربانی کند.
• تضعیف حقوق رانندگان مسیر "مولد" بدون وقفه یا نیاز به اضافه کاری غیرقانونی و خطرناک است.
• نادیده گرفتن تحویل ناموفق اگر پنجره زمانی برآورده نشود، اجرای دوم هزینه پنهان را افزایش می دهد.

نکته: قبل از حرکت در مسیر، یک «بررسی میدانی» ۵ دقیقه‌ای با رانندگان انجام دهید: آیا کارهای جاده‌ای وجود دارد، مشکلات پارکینگ، مشکل مشتریان؟ این بازخورد واقعیت هایی را به مسیری اضافه می کند که هوش مصنوعی با داده ها نمی تواند ببیند و موفقیت تحویل را به طور قابل توجهی افزایش می دهد.

به طور خلاصه

آخرین مایل گران است و بهینه سازی مسیر قدرتمندترین اهرم برای کاهش آن است. هوش مصنوعی تمام محدودیت های VRP (ظرفیت، پنجره زمانی، اولویت، شکست) را به طور همزمان متعادل می کند و سناریوهایی را در مثلث هزینه-زمان رضایت تولید می کند. اما این یک راه حل ریاضی است: بدون افزودن ترافیک واقعی، حقوق راننده و دانش میدانی قابل اجرا نیست. ارائه محدودیت های کامل، مقایسه سناریوها، دریافت تاییدیه راننده. مسیر نهایی با تایید برنامه ریز تعیین می شود.

وظیفه کاربردی

یک لیست تحویل روزانه از توزیع خود (یا فرضی) تنظیم کنید: 20-30 توقف، مقدار، پنجره زمانی و اولویت را به هر یک اضافه کنید. 2-3 وسیله نقلیه و ظرفیت آنها را شناسایی کنید. از هوش مصنوعی سناریوهایی با الگوی "مقایسه سه هدف" بخواهید. قانون شکست راننده و محدودیت زنجیره سرد را اضافه کنید. سناریویی را که انتخاب کردید و توجیه آن و همچنین نکاتی که از محل تایید خواهید کرد را در 5 مورد یادداشت کنید.

چک لیست

• [ ] آیا تمام محدودیت ها (ظرفیت، پنجره زمانی، استراحت، اولویت) را برآورده کرده ام؟
• [ ] آیا سناریوهای هزینه/زمان/رضایت را مقایسه کرده ام؟
• [ ] آیا محدودیتی را اضافه کرده ام که از زنجیره سرد و تحویل اولویت محافظت می کند؟
• [ ] آیا حقوق راننده و دوره های استراحت قانونی را رعایت کرده ام؟
• [ ] آیا قبل از حرکت در مسیر، تأییدیه راننده/محلی را دریافت کردم؟