Zyski:
- Umiejętność zrozumienia koncepcji wyznaczania trasy pojazdu (VRP), okna czasowego, ograniczenia przepustowości i ostatniej mili oraz wykorzystania sztucznej inteligencji do generowania scenariuszy tras
- Możliwość porównania równowagi pomiędzy paliwem, dystansem, czasem dostawy i zadowoleniem klienta na podstawie scenariusza ze wsparciem sztucznej inteligencji
- Możliwość zachowania, że trasa sugerowana przez sztuczną inteligencję podlega zatwierdzeniu przez planistę pod kątem praw kierowcy do przerwy, ruchu drogowego i realiów terenowych
Wyprowadzenie produktu z magazynu do rąk klienta jest najbardziej widocznym i często najdroższym etapem łańcucha dostaw. W szczególności ostatnia mila – odcinek od centrum dystrybucyjnego do klienta końcowego – stanowi większość całkowitego kosztu transportu; ponieważ składa się z małych dostaw rozproszonych po poszczególnych adresach, wąskich okien czasowych i ruchu. Optymalizacja tras — planowanie, które przystanki odwiedzą pojazdy i w jakiej kolejności — to najskuteczniejsza dźwignia pozwalająca obniżyć koszty i czas. Tutaj sztuczna inteligencja naprawdę błyszczy: bierze jednocześnie pod uwagę dziesiątki pojazdów, setki przystanków, okien czasowych i przepustowości, generując wiarygodne scenariusze tras w ciągu kilku sekund – a jest to praca, której ręczne wykonanie zajęłoby człowiekowi kilka dni. Jednak droga obrana przez sztuczną inteligencję jest rozwiązaniem matematycznym; Podróży nie można rozpocząć bez dodania przez planistę ograniczeń, takich jak prawa kierowcy do przerwy, rzeczywisty ruch, informacje terenowe i priorytet klienta.
Język problemu trasy
W sercu tej dziedziny leży problem wyznaczania trasy pojazdów (VRP): problem pojazdów opuszczających magazyn i powracających na wszystkie przystanki przy najmniejszym całkowitym koszcie (odległość, czas lub paliwo). VRP ma kilka krytycznych ograniczeń:
Ograniczenie pojemności: Objętość/masa, jaką może przewozić każdy pojazd, jest ograniczona; trasa nie może przekraczać tej wartości. Okno czasowe: dozwolony przedział czasu, w którym przystanek może być obsługiwany; Na przykład sklep spożywczy przyjmuje towary tylko w godzinach 08:00–11:00. Czas pracy kierowcy: Maksymalny prawny czas prowadzenia pojazdu i obowiązkowe przerwy. Priorytet: Niektóre dostawy (łańcuch chłodniczy, pilne, klient VIP) muszą zostać zrealizowane przed innymi. Sztuczna inteligencja może zrównoważyć wszystkie te ograniczenia na raz – ale tylko wtedy, gdy dokładnie je określisz. Każde ograniczenie, o którym nie wspomniałeś, oznacza niewykonalną trasę.
Wskazówka: W wierszu trasy wpisz kolejno ograniczenia: pojemność pojazdu, okno czasowe każdego przystanku, wymagana przerwa kierowcy, dostawy priorytetowe. Brakujące ograniczenie powoduje, że sztuczna inteligencja tworzy trasę, która jest idealna na papierze, ale niewykonalna w terenie.
Trzy rzeczy do zrównoważenia: koszt, czas, satysfakcja
Optymalizacja tras równoważy konkurencyjne cele, a nie tylko jeden. Chcemy zminimalizować koszty paliwa/odległości; Jednak najkrótsza trasa może oznaczać dla niektórych klientów najnowszą dostawę. Zależy nam na tym, aby czas dostawy był krótki; Jednak szybkie dotarcie do każdego klienta wymaga większej liczby pojazdów i kosztów. Zależy nam na tym, aby zadowolenie klientów było wysokie; Przybycie na czas w wąskim oknie czasowym zapewnia to, ale ogranicza trasę. W tym trójkącie nie ma jednego „poprawnego” rozwiązania; Bilans dobierany jest zgodnie z priorytetem Twojej firmy. Najcenniejszym aspektem sztucznej inteligencji jest to, że pokazuje tę równowagę za pomocą scenariuszy: „Najtańsza trasa to ta, najszybsza trasa to ta, najbardziej zrównoważona trasa to ta”. Decyzję podejmujesz Ty, który znasz priorytet biznesowy.
Krok po kroku: badanie trasy za pomocą sztucznej inteligencji
- Przygotuj dane zatrzymania. Adres/region (kod anonimowy), ilość dostawy, okno czasowe, priorytet.
- Wprowadź ograniczenia floty. Liczba pojazdów, pojemność każdego z nich, zajezdnia wyjściowa, zasada łamania przepisów przez kierowcę.
- Określ cel. Czy priorytetem jest koszt, czas czy satysfakcja? Powiedz AI wyraźnie.
- Stwórz scenariusz. Zapytaj o najtańszą / najszybszą / najbardziej stabilną opcję trasy.
- Filtr pola. Ręcznie dodaj lokalne fakty, takie jak znane roboty drogowe, natężenie ruchu, problemy z parkowaniem itp.
- Zatwierdzenie planisty. Sprawdź uprawnienia kierowcy i faktyczne zastosowanie; potwierdź ostateczną trasę.
Uwaga: obliczenia ruchu i odległości AI opierają się na dostarczanych danych. Jeśli w czasie rzeczywistym nie ma danych o ruchu drogowym, sztuczna inteligencja zakłada „pustą drogę” i optymistycznie oblicza czasy. Kierowca w terenie zna prace drogowe, których nie zna sztuczna inteligencja. Dlatego też opinie kierowców i planistów są nieodzowną częścią trasy.
trzy mini etui
Przypadek 1 — Nieudane dostarczenie zmniejsza się wraz z oknem czasowym. Firma kurierska doświadczała powtarzających się „nieudanych dostaw”, próbując dostaw w godzinach, gdy klientów nie było w domu; Każda nieudana próba była drugą próbą, co oznaczało dodatkowe koszty. Planista zebrał preferowane okno czasowe każdego przystanku i przekazał je sztucznej inteligencji. AI zrekonstruowała trasy według tych okien. Zwiększono odsetek pomyślnych dostaw przy pierwszej próbie z 78% do 94%; Za drugim razem koszt znacznie spadł. Okna stabilizowane AI; mężczyzna zajął się zbieraniem okien.
Przypadek 2 — Świadomy wybór ze scenariuszami. Dystrybutor żywności obsługiwał 90 przystanków 6 pojazdami. Sztuczna inteligencja podała trzy scenariusze: najtańsza trasa (12% oszczędności na paliwie, ale niektóre dostawy przesunięte na popołudnie), najszybsza trasa (wszystkie dostawy przed południem, ale wymagany jest 1 pojazd więcej), trasa zrównoważona. Menedżer wiedział, że produkty z łańcucha chłodniczego muszą zostać wysłane przed południem, więc nie wybrał dokładnie „najtańszej” opcji, ale zrównoważony scenariusz, w którym priorytetem były produkty zimne. Opcje oferowane przez sztuczną inteligencję; Priorytetowa wiedza dotyczyła ludzi.
Przypadek 3 — Plan, który nie łamie praw kierowców. Jeden z analityków chciał wdrożyć najbardziej wydajną trasę wygenerowaną przez sztuczną inteligencję; trasa wymagała jednak od kierowcy jazdy przez 6 godzin bez przerwy. Było to zarówno nielegalne, jak i niebezpieczne. Planista dodał ograniczenie dotyczące obowiązkowych przerw i zlecił odtworzenie trasy; Plony nieznacznie spadły, ale plan stał się legalny i bezpieczny. Prawa człowieka przewyższają optymalne matematyczne.
Cztery szablony do kopiowania
1) Podstawowy scenariusz trasy:
Twoja rola: asystent planowania dystrybucji. Magazyn: [kod lokalizacji]. Pojazdy: 6 szt., [pojemność]. Poniżej znajdują się przystanki: kod anonimowy, kwota dostawy, okno czasowe, priorytet. Zasada kierowcy: obowiązkowa przerwa 45 minut w ciągu 4,5 godziny. Zadanie: zaproponuj plan trasy spełniający ograniczenia; Podaj kolejność przystanków i szacunkowy czas zakończenia każdego pojazdu. Ostrzegaj, jeśli istnieje niemające zastosowania ograniczenie.
2) Porównanie trzech celów:
Wygeneruj trzy scenariusze tras z tymi samymi danymi dotyczącymi przystanków i floty: (1) najniższe paliwo/odległość, (2) najwcześniejsze zakończenie, (3) zrównoważone. Całkowita odległość, szacowany czas, liczba wymaganych pojazdów i pozostałe ryzyko dla każdego z nich. Nie dokonuj jasnego wyboru; wybiorę.
3) Priorytet i ograniczenie łańcucha chłodniczego:
Poniższe przystanki [kody] zawierają produkty łańcucha chłodniczego i muszą zostać dostarczone najpóźniej do godziny 12:00. Zbuduj trasę w sposób nienaruszający tego ograniczenia; Jeśli naruszenie jest nieuniknione, wyraźnie określ, na którym przystanku i dlaczego.
4) Tekst informacji dla kierowcy:
Napisz krótkie, jasne podsumowanie, które przekaże kierowcy następującą trasę: kolejność przystanków, szacowany czas przyjazdu, przystanek na odpoczynek i ostrzeżenia (wąska ulica, okno czasowe). Zachowaj prostotę i czytelność. Pamiętaj, że kierowca potwierdzi rzeczywiste warunki na drodze.
Słaba zachęta/silna zachęta
Słaba zachęta:
Znajdź najkrótszą trasę.
Ile pojazdów, jaka pojemność, jakie okno czasowe i jaki priorytet – nie jest jasne. Wynik nie ma zastosowania.
Potężny monit:
Twoja rola: asystent planowania dystrybucji. 4 pojazdy (po 1200 kg każdy) wyjeżdżające z jednego magazynu. 60 przystanków: kod, waga, okno czasowe, dodany priorytet. Zimne produkty należy wyrzucić przed godziną 12:00. Kierowca musi mieć przerwę trwającą 4,5 godziny. Podaj 2 scenariusze: najniższa odległość i najbardziej stabilny; Oznacz naruszenia ograniczeń. Wybór należy do mnie.
cel
koszt paliwa
Szybkość dostawy
zadowolenie klienta
najkrótsza odległość
najniższy
Zmienna
Niektóre spóźnione dostawy
Najszybsze zakończenie
wysoki
najlepiej
Wysoka, ale droga
wierny okienu czasowemu
średni
średni
najwyższy
zrównoważony
średnio-niski
dobrze
dobrze
Typowe błędy
- Brak ograniczeń. Jeśli nie zostanie podane okno czasowe, pojemność i zasady dotyczące przerw, trasa będzie dobra na papierze, ale niewykonalna w terenie.
- Zakładając, że ruch to „pusta droga”. Jeśli nie ma danych w czasie rzeczywistym, czasy są optymistyczne; Wymagana weryfikacja kierowcy.
- Skupienie się na jednym celu. Tylko najtańsza trasa może stać się ofiarą łańcucha chłodniczego lub klienta VIP.
- Łamanie praw kierowców. „Produktywna” trasa bez przerw i wymagających nadgodzin jest nielegalna i niebezpieczna.
- Ignorowanie nieudanej dostawy. Jeśli okno czasowe nie zostanie spełnione, drugie serie zawyżą ukryty koszt.
Wskazówka: przed wyruszeniem w trasę przeprowadź 5-minutową „kontrolę w terenie” z kierowcami: czy wiedzą o robotach drogowych, problemach z parkowaniem, trudnych klientach? Ta informacja zwrotna dodaje rzeczywistości do trasy, której sztuczna inteligencja nie może zobaczyć na podstawie danych, i znacznie zwiększa skuteczność dostawy.
Podsumowując
Ostatnia mila jest kosztowna, a optymalizacja tras jest najskuteczniejszym narzędziem pozwalającym ją zmniejszyć. AI równoważy jednocześnie wszystkie ograniczenia VRP (wydajność, okno czasowe, priorytet, przerwa) i tworzy scenariusze w trójkącie koszt-czas-satysfakcja. Jest to jednak rozwiązanie matematyczne: nie można go wdrożyć bez dodania rzeczywistego ruchu, praw kierowców i wiedzy terenowej. Podaj pełne ograniczenia, porównaj scenariusze, uzyskaj potwierdzenie sterownika; Ostateczna trasa jest wyznaczana za zgodą planisty.
Zadanie aplikacji
Ustaw dzienną listę dostaw z własnej dystrybucji (lub hipotetycznej): 20-30 przystanków, dodaj ilość, przedział czasowy i priorytet dla każdego; Zidentyfikuj 2-3 pojazdy i ich możliwości. Poproś sztuczną inteligencję o scenariusze za pomocą szablonu „porównania trzech celów”. Dodaj regułę przerwania sterownika i ograniczenie łańcucha chłodniczego. W 5 pozycjach zapisz wybrany scenariusz i jego uzasadnienie oraz punkty, które potwierdzisz z pola.
lista kontrolna
- [ ] Czy spełniłem wszystkie ograniczenia (wydajność, okno czasowe, przerwa, priorytet)?
- [ ] Czy porównałem scenariusze kosztów/czasu/satysfakcji?
- [ ] Czy dodałem ograniczenie chroniące łańcuch chłodniczy i dostawy priorytetowe?
- [ ] Czy przestrzegałem praw kierowcy i ustawowych okresów przerw?
- [ ] Czy przed wyruszeniem w trasę otrzymałem potwierdzenie kierowcy/pola?