રૂટ ઑપ્ટિમાઇઝેશન અને લાસ્ટ માઇલ ડિલિવરી

નફો:

• વાહન રૂટીંગ (VRP), સમય વિન્ડો, ક્ષમતાની મર્યાદા અને છેલ્લા માઇલની વિભાવનાઓને સમજવાની ક્ષમતા અને રૂટના દૃશ્યો જનરેટ કરવા માટે કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરવાની ક્ષમતા
• આર્ટિફિશિયલ ઇન્ટેલિજન્સ સપોર્ટ સાથે દૃશ્યના આધારે ઇંધણ, અંતર, ડિલિવરી સમય અને ગ્રાહક સંતોષ વચ્ચેના સંતુલનની તુલના કરવાની ક્ષમતા
• કૃત્રિમ બુદ્ધિમત્તા દ્વારા સૂચવેલ માર્ગ ડ્રાઇવર બ્રેક અધિકારો, ટ્રાફિક અને સાઇટની વાસ્તવિકતાઓના સંદર્ભમાં પ્લાનરની મંજૂરીને આધીન છે તે જાળવવાની ક્ષમતા

વેરહાઉસની બહાર અને ગ્રાહકના હાથમાં ઉત્પાદન મેળવવું એ સપ્લાય ચેઇનમાં સૌથી વધુ દૃશ્યમાન અને ઘણીવાર સૌથી મોંઘું પગલું છે. ખાસ કરીને, છેલ્લું માઇલ—વિતરણ કેન્દ્રથી અંતિમ ગ્રાહક સુધીનો વિભાગ—કુલ પરિવહન ખર્ચના મોટાભાગના હિસાબો; કારણ કે તેમાં વ્યક્તિગત સરનામાં, સાંકડી સમયની વિન્ડો અને ટ્રાફિકમાં પથરાયેલી નાની ડિલિવરીનો સમાવેશ થાય છે. રૂટ ઓપ્ટિમાઈઝેશન — જે પ્લાનિંગ કે જે રોકે છે તે વાહનો મુલાકાત લેશે અને કયા ક્રમમાં — આ ખર્ચ અને સમય ઘટાડવા માટે સૌથી શક્તિશાળી લીવર છે. આ તે છે જ્યાં AI ખરેખર ચમકે છે: તે એકસાથે ડઝનેક વાહનો, સેંકડો સ્ટોપ, સમયની વિંડોઝ અને ક્ષમતાઓને ધ્યાનમાં લે છે, સેકન્ડોમાં બુદ્ધિગમ્ય માર્ગ દૃશ્યો જનરેટ કરે છે - એક એવું કામ જે માણસને મેન્યુઅલી કરવામાં દિવસો લાગે છે. પરંતુ AI દ્વારા લેવાયેલ માર્ગ એક ગાણિતિક ઉકેલ છે; આયોજક દ્વારા ડ્રાઇવર બ્રેક રાઇટ્સ, વાસ્તવિક ટ્રાફિક, ક્ષેત્રની માહિતી અને ગ્રાહકની પ્રાથમિકતા જેવા અવરોધો ઉમેર્યા વિના મુસાફરી શરૂ કરી શકાતી નથી.

માર્ગ સમસ્યાની ભાષા

આ ક્ષેત્રના કેન્દ્રમાં વ્હીકલ રૂટીંગ પ્રોબ્લેમ (વીઆરપી) છે: ઓછામાં ઓછા કુલ ખર્ચ (અંતર, સમય અથવા બળતણ) પર વેરહાઉસ છોડીને તમામ સ્ટોપ પર પાછા ફરવાની સમસ્યા. VRP માં ઘણી નિર્ણાયક મર્યાદાઓ છે:

ક્ષમતાની મર્યાદા: દરેક વાહન વહન કરી શકે તે વોલ્યુમ/વજન મર્યાદિત છે; માર્ગ આનાથી વધુ ન હોઈ શકે. સમય વિન્ડો: માન્ય સમય અંતરાલ કે જે દરમિયાન સ્ટોપ સેવા પ્રાપ્ત કરી શકે છે; ઉદાહરણ તરીકે, કરિયાણાની દુકાન માત્ર 08:00 અને 11:00 વચ્ચે માલ સ્વીકારે છે. ડ્રાઇવરનો કામ કરવાનો સમય: કાનૂની મહત્તમ ડ્રાઇવિંગ સમય અને ફરજિયાત વિરામ. પ્રાધાન્યતા: કેટલીક ડિલિવરી (કોલ્ડ ચેઇન, અર્જન્ટ, VIP ગ્રાહક) અન્ય પહેલા જ જવી જોઈએ. AI આ તમામ અવરોધોને એક જ સમયે સંતુલિત કરી શકે છે — પરંતુ જો તમે તેને બરાબર કહો તો જ. તમે ઉલ્લેખ કરતા નથી તે કોઈપણ અવરોધનો અર્થ એ છે કે એક અશક્ય માર્ગ.

ટીપ: રૂટ પ્રોમ્પ્ટમાં, એક પછી એક અવરોધો ટાઈપ કરો: વાહનની ક્ષમતા, દરેક સ્ટોપની સમય વિન્ડો, ડ્રાઈવરની વિરામની આવશ્યકતા, અગ્રતા વિતરણ. ખૂટતી મર્યાદાને કારણે AI એક એવો રૂટ બનાવે છે જે કાગળ પર સંપૂર્ણ હોય પરંતુ ક્ષેત્રમાં કામ ન કરી શકાય.

સંતુલિત કરવા માટે ત્રણ વસ્તુઓ: ખર્ચ, સમય, સંતોષ

રૂટ ઑપ્ટિમાઇઝેશન સ્પર્ધાત્મક લક્ષ્યોને સંતુલિત કરે છે, માત્ર એક જ નહીં. અમે ઇંધણ/અંતરનો ખર્ચ ઓછો કરવા ઇચ્છીએ છીએ; પરંતુ ટૂંકા માર્ગનો અર્થ કેટલાક ગ્રાહકોને નવીનતમ ડિલિવરી હોઈ શકે છે. અમે ઇચ્છીએ છીએ કે ડિલિવરીનો સમય ઓછો હોય; પરંતુ દરેક ગ્રાહક સુધી ઝડપથી જવા માટે વધુ વાહનો અને ખર્ચની જરૂર પડે છે. અમે ઇચ્છીએ છીએ કે ગ્રાહક સંતોષ વધારે હોય; સાંકડી સમય વિંડોમાં સમયસર પહોંચવું આની ખાતરી કરે છે, પરંતુ માર્ગને પ્રતિબંધિત કરે છે. આ ત્રિકોણમાં કોઈ એક "સાચો" ઉકેલ નથી; તમારા વ્યવસાયની પ્રાથમિકતા અનુસાર સંતુલન પસંદ કરવામાં આવે છે. AI નું સૌથી મૂલ્યવાન પાસું એ છે કે તે આ સંતુલનને દૃશ્યો સાથે દર્શાવે છે: "સૌથી સસ્તો માર્ગ આ છે, સૌથી ઝડપી માર્ગ આ છે, સૌથી સંતુલિત માર્ગ આ છે." નિર્ણય તમારા દ્વારા લેવામાં આવે છે જેઓ વ્યવસાયની પ્રાથમિકતા જાણે છે.

પગલું દ્વારા પગલું: AI સાથે રૂટ અભ્યાસ

1. સ્ટોપ ડેટા તૈયાર કરો. સરનામું/પ્રદેશ (અનામી કોડ), વિતરણ જથ્થો, સમય વિન્ડો, અગ્રતા.
2. તમારા કાફલાની મર્યાદા દાખલ કરો. કેટલા વાહનો, દરેકની ક્ષમતા, એક્ઝિટ ડેપો, ડ્રાઈવર બ્રેક નિયમ.
3. લક્ષ્ય સ્પષ્ટ કરો. અગ્રતા ખર્ચ, સમય કે સંતોષ છે? AI ને સ્પષ્ટપણે કહો.
4. એક દૃશ્ય બનાવો. સૌથી સસ્તો / ઝડપી / સૌથી સ્થિર રૂટ વિકલ્પો માટે પૂછો.
5. ફીલ્ડ ફિલ્ટર. મેન્યુઅલી સ્થાનિક તથ્યો ઉમેરો જેમ કે જાણીતા રોડવર્ક, ટ્રાફિકની ભીડ, પાર્કિંગની સમસ્યાઓ વગેરે.
6. પ્લાનરની મંજૂરી. ડ્રાઇવર અધિકારો અને વાસ્તવિક લાગુપાત્રતા તપાસો; અંતિમ માર્ગની પુષ્ટિ કરો.

સાવધાન: AI ની ટ્રાફિક અને અંતરની ગણતરી તેને આપવામાં આવેલ ડેટા પર આધારિત છે. જો ત્યાં કોઈ રીઅલ-ટાઇમ ટ્રાફિક ડેટા નથી, તો AI "ખાલી રસ્તો" ધારે છે અને આશાવાદી રીતે સમયની ગણતરી કરે છે. ફિલ્ડમાં ડ્રાઇવર રોડવર્ક જાણે છે જે AI નથી કરતું. એટલા માટે ડ્રાઇવર અને પ્લાનર પ્રતિસાદ એ રૂટનો અનિવાર્ય ભાગ છે.

ત્રણ નાના કેસો

કેસ 1 — સમય વિન્ડો સાથે ઘટતી ડિલિવરી નિષ્ફળ. એક ડિલિવરી કંપની જ્યારે ગ્રાહકો ઘરે ન હોય ત્યારે કલાકો દરમિયાન ડિલિવરી અજમાવીને વારંવાર "નિષ્ફળ ડિલિવરી" અનુભવી રહી હતી; દરેક નિષ્ફળ પ્રયાસ બીજી વખત હતો, એટલે કે વધારાનો ખર્ચ. આયોજકે દરેક સ્ટોપની પસંદગીની સમય વિન્ડો એકત્રિત કરી અને તેને AI ને આપી. AI એ આ વિન્ડો અનુસાર રૂટ્સનું પુનઃનિર્માણ કર્યું. પ્રથમ પ્રયાસ સફળ વિતરણ દર 78% થી વધીને 94% થયો; બીજી વખત ખર્ચમાં નોંધપાત્ર ઘટાડો થયો. AI સ્થિર વિન્ડો; માણસે બારીઓ ભેગી કરવાનું કામ કર્યું.

કેસ 2 - દૃશ્યો સાથે સભાન પસંદગી. એક ખાદ્ય વિતરક 6 વાહનો સાથે 90 સ્ટોપ પર સેવા આપી રહ્યો હતો. AI એ ત્રણ દૃશ્યો આપ્યા: સૌથી સસ્તો માર્ગ (ઇંધણ પર 12% બચત પરંતુ કેટલીક ડિલિવરી બપોરે શિફ્ટ થાય છે), સૌથી ઝડપી રૂટ (બપોર પહેલા તમામ ડિલિવરી પરંતુ 1 વધુ વાહન જરૂરી), સંતુલિત માર્ગ. મેનેજર જાણતા હતા કે કોલ્ડ ચેઇન પ્રોડક્ટ્સ બપોર પહેલા જવાની હતી, તેથી તેણે ચોક્કસ "સસ્તો" વિકલ્પ પસંદ કર્યો નહીં, પરંતુ કોલ્ડ પ્રોડક્ટ્સને પ્રાધાન્ય આપતું સંતુલિત દૃશ્ય પસંદ કર્યું. AI વિકલ્પો ઓફર કરે છે; અગ્રતા જ્ઞાન મનુષ્યોમાં હતું.

કેસ 3 - એવી યોજના કે જે ડ્રાઇવરના અધિકારોને કચડી ન નાખે. એક વિશ્લેષક એઆઈ દ્વારા ઉત્પાદિત સૌથી કાર્યક્ષમ માર્ગને અમલમાં મૂકવા માંગતો હતો; જો કે, આ રૂટ માટે ડ્રાઇવરને બ્રેક વિના 6 કલાક સુધી વાહન ચલાવવાની જરૂર હતી. આ બંને ગેરકાયદેસર અને જોખમી હતું. આયોજકે ફરજિયાત વિરામ અવરોધ ઉમેર્યો અને માર્ગ પુનઃઉત્પાદિત કર્યો; ઉપજમાં થોડો ઘટાડો થયો, પરંતુ યોજના કાયદેસર અને સલામત બની. માનવ અધિકાર ગાણિતિક શ્રેષ્ઠ છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) મૂળભૂત માર્ગ દૃશ્ય:

તમારી ભૂમિકા: વિતરણ આયોજન સહાયક. વેરહાઉસ: [સ્થાન કોડ].વાહનો: દરેક 6, [ક્ષમતા]. સ્ટોપ્સ નીચે છે: અનામી કોડ, વિતરણ રકમ, સમય વિન્ડો, પ્રાથમિકતા. ડ્રાઈવર નિયમ: 4.5 કલાકમાં 45 મિનિટ ફરજિયાત બ્રેક. કાર્ય: રૂટ પ્લાન સૂચવો જે અવરોધોને બંધબેસે છે; દરેક વાહન માટે સ્ટોપનો ઓર્ડર અને અંદાજિત સમાપ્તિ સમય આપો. જો કોઈ અયોગ્ય અવરોધ હોય તો ચેતવણી આપો.

2) ત્રણ-લક્ષ્ય સરખામણી:

સમાન સ્ટોપ અને ફ્લીટ ડેટા સાથે ત્રણ રૂટ દૃશ્યો જનરેટ કરો: (1) સૌથી ઓછું ઇંધણ/અંતર, (2) સૌથી વહેલું પૂર્ણ, (3) સંતુલિત. કુલ અંતર, અંદાજિત સમય, જરૂરી વાહનોની સંખ્યા અને દરેક માટે બાકી જોખમ. સ્પષ્ટ પસંદગી કરશો નહીં; હું પસંદ કરીશ.

3) પ્રાથમિકતા અને કોલ્ડ ચેઇન અવરોધ:

નીચેના સ્ટોપ્સ [કોડ્સ]માં કોલ્ડ ચેઇન ઉત્પાદનો હોય છે અને તે નવીનતમ સમયે 12:00 સુધીમાં વિતરિત થવી જોઈએ. માર્ગને એવી રીતે બનાવો કે જે આ અવરોધનું ઉલ્લંઘન ન કરે; જો ઉલ્લંઘન અનિવાર્ય હોય, તો સ્પષ્ટપણે જણાવો કે કયા સ્ટોપ પર અને શા માટે.

4) ડ્રાઈવર માહિતી ટેક્સ્ટ:

ટૂંકો, સ્પષ્ટ સારાંશ લખો જે નીચેનો માર્ગ ડ્રાઇવરને જણાવે છે: સ્ટોપનો ક્રમ, અંદાજિત આગમન સમય, આરામ સ્ટોપ અને સાવચેતીઓ (સાંકડી શેરી, સમયની બારી). તેને સરળ અને વાંચી શકાય તેવું રાખો. નોંધ કરો કે ડ્રાઇવર વાસ્તવિક ટ્રાફિક/રસ્તાની સ્થિતિની પુષ્ટિ કરશે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

સૌથી ટૂંકો રસ્તો શોધો.

કેટલા વાહનો, કઈ ક્ષમતા, કઈ ટાઈમ વિન્ડો, કઈ પ્રાથમિકતા અસ્પષ્ટ છે. પરિણામ લાગુ પડતું નથી.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: વિતરણ આયોજન સહાયક. 4 વાહનો (દરેક 1,200 કિગ્રા), એક જ વેરહાઉસ છોડીને. 60 સ્ટોપ્સ: કોડ, વજન, સમય વિન્ડો, પ્રાથમિકતા ઉમેરાઈ. ઠંડી વસ્તુઓ 12:00 પહેલાં જતી રહે. ડ્રાઈવરે 4.5 કલાકે બ્રેક લેવો જોઈએ. 2 દૃશ્યો આપો: સૌથી ઓછું અંતર અને સૌથી સ્થિર; ફ્લેગ પ્રતિબંધ ઉલ્લંઘન. પસંદગી મારી છે.

લક્ષ્ય

બળતણ ખર્ચ

ડિલિવરી ઝડપ

ગ્રાહક સંતોષ

સૌથી ટૂંકું અંતર

સૌથી નીચું

ચલ

કેટલીક મોડી ડિલિવરી

સૌથી ઝડપી પૂર્ણતા

ઉચ્ચ

શ્રેષ્ઠ

ઉચ્ચ પરંતુ ખર્ચાળ

સમય વિન્ડો માટે વફાદાર

મધ્યમ

મધ્યમ

સૌથી વધુ

સંતુલિત

મધ્યમ-નીચું

સારું

સારું

સામાન્ય ભૂલો

• અવરોધો ખૂટે છે. જો સમયની વિન્ડો, ક્ષમતા અને નિયમોને તોડવામાં ન આવે તો, માર્ગ કાગળ પર સારો હશે પરંતુ ક્ષેત્રમાં બિનકાર્યક્ષમ હશે.
• ટ્રાફિકને "ખાલી રસ્તો" માની લઈએ. જો ત્યાં કોઈ રીઅલ-ટાઇમ ડેટા નથી, તો સમય આશાવાદી છે; ડ્રાઈવર વેરિફિકેશન જરૂરી છે.
• એક જ લક્ષ્ય પર ધ્યાન કેન્દ્રિત કરવું. માત્ર સૌથી સસ્તો માર્ગ જ કોલ્ડ ચેઈન અથવા વીઆઈપી ગ્રાહકનો ભોગ બની શકે છે.
• ડ્રાઇવરોના અધિકારોને કચડી નાખે છે. "ઉત્પાદક" માર્ગ વિરામ વિના અથવા ઓવરટાઇમની આવશ્યકતા વિના ગેરકાયદેસર અને જોખમી છે.
• નિષ્ફળ ડિલિવરી અવગણી. જો સમયની વિન્ડો પૂરી ન થાય, તો બીજા રન છુપાયેલા ખર્ચમાં વધારો કરશે.

ટીપ: રૂટ પર નીકળતા પહેલા ડ્રાઇવરો સાથે 5-મિનિટની “ફીલ્ડ ચેક” કરો: શું ત્યાં કોઈ રોડવર્ક છે જેની તેઓ જાણતા હોય છે, પાર્કિંગની સમસ્યાઓ, મુશ્કેલ ગ્રાહકો? આ પ્રતિસાદ એ રૂટમાં વાસ્તવિકતા ઉમેરે છે જે AI ડેટા સાથે જોઈ શકતું નથી અને ડિલિવરીની સફળતામાં નોંધપાત્ર વધારો કરે છે.

સારાંશમાં

છેલ્લો માઇલ ખર્ચાળ છે, અને તેને ઘટાડવા માટે રૂટ ઓપ્ટિમાઇઝેશન સૌથી શક્તિશાળી લીવર છે. AI એક જ સમયે VRP (ક્ષમતા, સમય વિન્ડો, અગ્રતા, વિરામ) ના તમામ અવરોધોને સંતુલિત કરે છે અને ખર્ચ-સમય-સંતોષ ત્રિકોણમાં દૃશ્યો ઉત્પન્ન કરે છે. પરંતુ આ એક ગાણિતિક ઉકેલ છે: વાસ્તવિક ટ્રાફિક, ડ્રાઇવર અધિકારો અને ક્ષેત્ર જ્ઞાન ઉમેર્યા વિના તેનો અમલ કરી શકાતો નથી. સંપૂર્ણ પ્રતિબંધો પ્રદાન કરો, દૃશ્યોની તુલના કરો, ડ્રાઇવરની પુષ્ટિ મેળવો; આયોજકની મંજુરી સાથે અંતિમ માર્ગ નક્કી કરવામાં આવે છે.

એપ્લિકેશન કાર્ય

તમારા પોતાના વિતરણ (અથવા કાલ્પનિક)માંથી દૈનિક ડિલિવરી સૂચિ સેટ કરો: 20-30 સ્ટોપ, જથ્થો ઉમેરો, સમય વિન્ડો અને દરેકમાં અગ્રતા; 2-3 વાહનો અને તેમની ક્ષમતા ઓળખો. AI ને "ત્રણ-લક્ષ્ય સરખામણી" ટેમ્પલેટ સાથેના સંજોગો માટે પૂછો. ડ્રાઈવર બ્રેક નિયમ અને કોલ્ડ ચેઈનની મર્યાદા ઉમેરો. તમે પસંદ કરેલ દૃશ્ય અને તેનું વાજબીપણું, તેમજ તમે ફીલ્ડમાંથી જે પોઈન્ટ કન્ફર્મ કરશો તે 5 વસ્તુઓમાં લખો.

ચેકલિસ્ટ

• [ ] શું મેં તમામ અવરોધો (ક્ષમતા, સમય વિન્ડો, વિરામ, અગ્રતા) પૂર્ણ કર્યા છે?
• [ ] શું મેં ખર્ચ/સમય/સંતોષના દૃશ્યોની સરખામણી કરી છે?
• [ ] શું મેં કોલ્ડ ચેઇન અને પ્રાયોરિટી ડિલિવરીનું રક્ષણ કરતા અવરોધ ઉમેર્યો છે?
• [ ] શું મેં ડ્રાઈવર અધિકારો અને કાનૂની વિરામનો સમયગાળો જોયો છે?
• [ ] શું મને રૂટ પર નીકળતા પહેલા ડ્રાઈવર/ફીલ્ડ કન્ફર્મેશન મળ્યું?