Применение математического моделирования при планировании маршрутов доставки товара

В настоящее время вопрос оптимизации транспортной логистики актуален для большинства предприятий. От решения этой задачи зависит формирование цены на товар, причем расходы на доставку товара бывают соизмеримы с его стоимостью. Эффективное планирование маршрутов может существенно уменьшить экономические затраты на транспортировку.

Задача планирования маршрутов доставки продукции для большой клиентской сети является трудоемкой, особенно при наличии дополнительных ограничений:

Чтобы учесть все ограничения, при проектировании маршрутов доставки товаров важно разделять процесс на два уровня:

Тактический уровень включает в себя разработку общих стандартов обслуживания потребителей, распределение клиентов по зонам обслуживания и формирование правил и ограничений для маршрутов, определение размера и состава собственного автопарка или выбор в пользу наемного. Для принятия решений на этом уровне помогают системы транспортного планирования (TRP - Transportation Routing Planning). Они проверяют гипотезы, касающиеся маршрутизации в безрисковой среде для горизонта планирования не меньше недели.

Операционный уровень учитывает параметры и решения стратегического уровня, возможности проезда в городах с учетом организации дорожного движения, наличие пробок на магистральных улицах и графики работы водителей на маршрутах. Планирование осуществляется с помощью систем операционного управления транспортом (TMS - Transportation management systems), поддерживающих ежедневное автоматическое формирования оптимальных маршрутов, контроль их выполнения и управление документами и платежами.

Если смотреть на построение маршрута просто как на геометрическую задачу, где надо кратчайшим путем соединить все точки доставки – не выйдет ничего хорошего. Есть географические области с высокой плотностью доставок или горячие точки, которые получают поставки каждый день. Эти точки также не являются неизменными, у них может быть сезонность. В графике могут быть ключевые точки, куда отгружается большая часть партии или срочные доставки. Кроме того, при расчете времени доставки надо учитывать не только расстояние, но и траффик – причем в зависимости от времени. То есть от того, во сколько машина вышла на маршрут и в какое время она будет в каждой из точек.

Компания LAMACON работает в разрезе планирования маршрутов на тактическом уровне. Это, как правило, не внедрение ИТ-инструмента в классическом понимании этого слова, а скорее поиск правильных настроек, которые близко отражают операционную схему и дают возможность искать потенциал для оптимизации цепочек поставок.

На этих проектах наша команда консультантов неизбежно сталкивается с тем, как эксперт на стороне клиента, оценивая работу алгоритмов, пытается скорректировать какие-то маршруты. Необходимость корректировок возникает из-за того, что в модели заданы ограничения, которые она не может нарушить. В то же время в реальной жизни вводные параметры могут изменяться, например, грузоподъемность транспорта или график работы водителей. Подобрав оптимальные параметры планирования можно устранить большинство замечаний, а полученное решение в 90% случае будет эффективнее, чем решение, полученное на основании только экспертного мнения.

По мере работы с параметрами моделей планирования эксперты заказчиков все глубже понимают, как управлять полученным гибким механизмом, и переходят не просто к решению задачи планирования маршрутов, но и к моделированию разных сценариев, применяют сценарный анализ. Это помогает раскрыть потенциал использования технологий на 100%, а задачи переходят из разряда «рутина» в категорию «а что, если мы попробуем покрутить вот так».

Чтобы гибко реагировать на изменения рынка и ситуации в конкретной компании, необходимо с определенной периодичностью подвергать сомнению оптимальность текущих бизнес-процессов и искать лучшие варианты с помощью экспериментов, моделируя различные тактики. И если вы не просто измените набор ключевых параметров для определения маршрутов, а предварительно смоделируете их с учетом будущих изменений в безрисковой среде, то сможете принимать решения, основанные на данных, а не на предположениях.