Оптимизация маршрутов: инструменты, примеры и советы по использованию

В этой публикации я расскажу о профессиональном опыте и выводах из успешных проектов по оптимизации маршрутов, реализованных нашей компанией в разных секторах. Основываясь на реальных примерах, я описала простой 7-шаговый процесс управления проектами внедрения автоматической маршрутизации.

Эта статья предназначена для тех, кто стремится повысить эффективность логистики с применением современных подходов в планировании и оптимизации маршрутов.

Мы разберём, как устроены системы, лежащие в основе управления маршрутами. Пройдём весь путь от начальных этапов сбора и анализа данных до оптимизации маршрутов.

Эта публикация особенно полезна для тех, кто считает логистику важной частью своей бизнес-модели. Обсудим, когда стоит задуматься об автоматизации планирования маршрутов и как быстрая доставка может стать решающим фактором для клиентов.

Зачем компаниям оптимизировать маршруты, если курьеры и водители и так хорошо знают город

Давайте представим, насколько масштабной может быть задача, на примере OZON. Посмотрим отчёт OZON за второй квартал 2023 г.: компания получила 209 млн заказов за второй квартал 2023 г. То есть, каждый день OZON обрабатывает и развозит порядка 2,23 миллиона заказов. Это 2,23 миллиона маршрутов, которые необходимо оптимизировать, чтобы обеспечить своевременную доставку для миллионов активных клиентов. Попробуйте представить этот поток – это довольно сложный набор маршрутов.

Конечно, фактическое количество посылок может в ту или другую сторону отличаться от этой цифры (в отчёте не указывается количество посылок, поэтому здесь могут быть разные варианты, — указанные заказы могут быть разделены на несколько посылок из-за разных складов или, наоборот, нескольких заказов объединяться в одну посылку, и многие другие варианты). Тем не менее порядок цифр показывает, насколько важна задача оптимизации маршрутов для таких компаний.

Каждый сэкономленный километр и каждая минута приводят к заметной выгоде, не говоря уж об удовлетворённости искушённых клиентов, которые привыкли получать свои заказы в строгом соответствии с девизом «точно и срочно».

Кроме автоматического планирования маршрутов процесс управления доставкой включает в себя:

1. Распределение заказов по транспортным средствам.
2. Формирование расписаний для водителей, экспедиторов, курьеров.
3. Распределение заказов между транспортными средствами.
4. Контроль фактического объезда маршрутов и выполнения заказов.
5. Анализ результатов выполнения плана объезда.

Что такое оптимизация маршрутов

Автоматизация и оптимизация маршрутов — это процесс использования технологий для эффективного планирования, координации и управления маршрутами, особенно в сферах логистики и доставки. Эти технологии позволяют учесть в расчётах маршрута различные факторы, такие как загруженность дорог, доступность мест доставки, расход топлива и многие другие.

Автоматическая оптимизация маршрутов стала особенно востребованной в условиях растущего рынка электронной коммерции и доставки последней мили. Отчёт Gartner «Market Guide for Vehicle Routing and Scheduling» подчёркивает необходимость внедрения систем оптимизации маршрутов для повышения эффективности и уменьшения затрат (а также для снижения углеродного следа, что для многих компаний продолжает оставаться важным вопросом).

С точки зрения теории разработка оптимальных маршрутов для нескольких транспортных средств (или пеших курьеров) — хорошо известная математическая задача VRP (Vehicle Routing Problem).

В двух словах, VRP (Vehicle Routing Problem) выглядит так — у вас есть список адресов клиентов, для которых требуется транспортировка, предоставляемая вашим парком автомобилей. В результате решения VRP у вас появляются распределение заказов по транспортным средствам и оптимальные маршруты, по которым нужно объехать всех клиентов, чтобы минимизировать общие затраты и количество задействованных транспортных средств. Обычно все хотят минимизировать общее время выполнения маршрута (так как платим водителям и курьерам за рабочее время), и общее расстояние (потому, что оно определяет стоимость израсходованного бензина и обслуживания автомобиля).

Конечно, у каждой системы оптимизации маршрутов — свои особенности, но базовый сценарий построения маршрутов примерно такой:

1. Настройка условий и ограничений. К ним могут относиться временные окна доставки, грузоподъёмность транспортных средств, требования к транспортировке каких-то категорий грузов, рабочее время водителей и подобные.
2. Ввод адресов клиентов. Указываем точки, которые нужно посетить курьеру или водителю.
3. Вычисление оптимальных маршрутов для каждого транспортного средства. Рассчитываем расстояния между пунктами отправления и завершения маршрута, и точками, которые нужно посетить. Вычисляем маршруты с применением специализированных методов (подробнее о них — в разделе «Какие технологии стоят за процессом оптимизации маршрутов?»).
4. Навигация. После назначения маршруты становятся доступны в навигаторах водителей или курьеров. Обычно это предполагает интеграцию с API карты, которая предоставляет пошаговые указания от начала до завершения маршрута.

В классическом определении VRP всё относительно просто. Однако обычно разработка маршрутов учитывает множество других факторов. Можно выделить следующие параметры, которые отличают многочисленные вариации VRP друг от друга:

1. Временные окна для посещения клиентов. Учёт конкретных временных интервалов, в рамках которых должен быть выполнен заказ. Разновидности такие: окно может быть одно, их может быть несколько, а также могут быть и так называемое soft ограничения, — временное окно, при котором клиенты могут быть обслужены вне заданного интервала, но тогда решение получит штрафные баллы.
2. Тип и характеристики транспортных средств. Учёт разнообразных транспортных средств в автопарке, их грузоподъёмность, вместимость и другие характеристики. В условиях задачи все транспортные средства могут быть однотипными и разными.
3. Депо (склад, пункт отправления). Наличие одного или нескольких пунктов начала и завершения маршрутов. Могут быть маршруты, где транспортные средства совсем не возвращаются в депо после завершения маршрута, или, наоборот, могут вернуться в любое депо.
4. Особенности доставки. Включает в себя не только доставку заказа, но и возможность забрать у клиента что-то для перевозки (как сервис pickup в Fedex), или несколько поездок для выполнения одного заказа.
5. Периодичность. Доставка может быть регулярной или по требованию. Также существуют задачи, где требуются периодические визиты к клиентам.
6. Случайные значения параметров. Например, спрос, время обслуживания на месте или время в пути.
7. Максимизация прибыли. Каждому визиту соответствует определённый доход. При решении таких задач цель заключается не только в минимизации расходов, но и в максимизации общего дохода от выполнения маршрута, и исключении из маршрута тех клиентов, добираться до которых невыгодно (как говорится, nothing personal).

Для каждого такого типа были придуманы свои разновидности VRP (я нашла 55 таких вариаций), и у каждой из них есть своё название. Обычно названия не отличаются фантазией и представляют собой разнообразные аббревиатуры с VRP внутри (например, SDVRP — Simultaneous Delivery and Pickup Vehicle Routing Problem).

Кроме названия у каждой вариации VRP есть своя наиболее эффективная комбинация методов решения. Запутаться довольно легко, если начать изучать каждую отдельно (но мы не будем). Описание вариантов VRP найти в интернете, например, в данном исследовании.

Также VRP могут быть статическими или динамическими. Разница между ними заключается в том, меняются ли параметры маршрута во время его выполнения, или нет.

• Статические маршруты — все параметры и данные задачи известны заранее и не меняются в процессе решения. Это означает, что маршруты и заказы определены и не меняются во время выполнения маршрута. Например, маршруты развоза продуктов по магазинам, которые остаются неизменными каждый понедельник, вторник и так далее.
• Динамическая маршрутизация предполагает, что обстоятельства могут измениться уже во время выполнения маршрута, и должна быть возможность оперативно (желательно в режиме реального времени) перестроить затрагиваемые маршруты с учётом этих изменений. Примеров таких внезапных изменений много — от пробки или перекрытия дороги до появления новых срочных заказов, отмены клиентом встречи или изменение времени и места доставки.

Ручное или автоматическое планирование маршрутов: какой подход выбрать

Каждый из этих методов имеет свои преимущества и недостатки, и выбор зависит от многих факторов, включая численность и местоположение клиентов, объём и характеристики заказов, количество автомобилей и особенности работы компании.

Ручное планирование маршрутов: опыт, интуиция и человеческий фактор

Часто ручное планирование маршрутов часто сводится к минимуму: логисты распределяют заказы по водителям, а дальше — как получится. Водители самостоятельно решают задачи построения маршрутов и взаимодействия с клиентами. Чем больше заказов и машин, тем выше вероятность опозданий и конфликтов.

Использование Яндекс.Карт, Google Maps и Excel для планирования маршрутов — интуитивно понятный и доступный способ для многих компаний. Однако при росте бизнеса и увеличении количества заказов такой подход быстро становится неэффективным.

Люди не всегда умеют строить хорошие маршруты

В одном исследовании, опубликованном на ScienceDirect, которое вдохновлённые разработчики провели в 2017 году, участникам предложили построить маршрут на бумаге за один час.

В самом простом варианте (с 4 автомобилями и 31 точками для посещения) участники придумали маршруты, которые в среднем были на 9,8% длиннее оптимального решения. При усложнении задачи (6 автомобилей и 39 остановок) маршруты были уже на 20,5% длиннее оптимального варианта.

То есть эффективность ручного составления маршрутов быстро снижается по мере увеличения размера и сложности задачи.

Задача, которую решали участники эксперимента, намного проще, чем реальные задачи маршрутизации, с которыми сталкиваются профессиональные компании. Поэтому я думаю, что будет не очень смело предположить, что алгоритмы могут превзойти людей в разработке маршрутов на 20—30%, с учётом условий и ограничений на практике.

Конечно, сокращение маршрутов на 20,5% может показаться незначительным, но для компаний, профессионально занимающихся доставкой товаров сотням и тысячам клиентов в день, это приведёт к заметной экономии. С учётом традиционно невысокой маржинальности логистического бизнеса — это хороший показатель.

Автоматическое планирование маршрутов: срочно и точно

Современные системы автоматического планирования маршрутов предлагают ряд технологических преимуществ:

• Карты. Использование актуальных карт позволяет учитывать особенности различных маршрутов и остановок (парковки, сторона улицы, зоны для разгрузки), дорожные работы и препятствия.
• Пробки. Реальные данные о трафике предоставляют возможность «обходить» пробки, минимизировать опоздания и сокращать время в пути.
• Алгоритмы. Специализированные алгоритмы эффективно обрабатывают большие объёмы данных, учитывая сложные ограничения и условия, о которых мы говорили в предыдущем разделе.

Кроме того, эти системы также предоставляют дополнительные функции, такие как автоматическое создание расписаний для водителей (с учётом их рабочего времени, перерывов и т. д.), прогнозирование времени доставки, возможность трекинга местоположения заказа для клиента, интеграция с другими бизнес-системами и возможность получения обратной связи от клиентов.

Опытный сотрудник легко планирует маршруты с небольшим количеством автомобилей и заказов, но возможности автоматической маршрутизации и обработки больших объёмов данных заметно превосходят человеческие способности, особенно когда важно быстро составлять оптимальные маршруты.

И в целом есть много вещей в планировании маршрутов, с которыми можно справиться и вручную, имея боевое настроение и опыт. Однако я всегда считала полезным использовать опыт и наработки людей, которые проделали большую работу и добились успеха в том, чем вы занимаетесь. Если этот опыт заложен в профессиональные системы маршрутизации, то жаль упускать возможность и не использовать их.

Для кого актуальна автоматическая маршрутизация

На мой взгляд, автоматическая маршрутизация особенно важна для компаний, которые:

• Работают с большим автопарком. Автоматические системы могут существенно упростить процесс распределения заказов по автомобилям и построению маршрутов, учитывая многие переменные, а также снизить время простоя транспортных средств.
• Обслуживают много клиентов ежедневно. Службы доставки еды, курьерские службы или ритейлеры с сервисами быстрой доставки, получают сотни и тысячи заказов каждый день. Автоматическая маршрутизация помогает развезти все заказы вовремя.
• Работают с чёткими временными окнами. Для компаний, работающих с перевозкой скоропортящихся товаров, медицинским оборудованием или другими критичными по времени выполнения заказами, важны точность и своевременность доставки. Ну и для всех остальных компаний, которые обещают привезти заказ в согласованное с клиентом время.
• Оптимизируют расходы. Оптимизация маршрутов позволяет экономить на топливе, эксплуатации транспортных средств и оплачиваемом времени водителей.
• Планируют масштабирование. Для быстрорастущих компаний или тех, кто планирует расширение своего географического присутствия, автоматическое планирование позволяет адаптироваться к увеличивающемуся объёму заказов и новым регионам обслуживания.

Какие технологии стоят за процессом оптимизации маршрутов

В этом разделе 2 части:

• первый описывает задачу VRP с математической точки зрения;
• второй — методы её решения (как классические, над которым математики успешно работают с 1960-х годов, так и современные, основанные больших данных и искусственном интеллекте).

VRP — это классическая задача комбинаторной оптимизации, в которой необходимо определить оптимальные маршруты для нескольких транспортных средств, чтобы доставить товары из одного или нескольких депо до многих клиентов, при этом минимизируя общие затраты (например, расстояние или время).

VRP сочетает в себе элементы двух других хорошо известных математических задач:

1. Задача коммивояжёра (TSP). Это задача отвечает на вопрос: по какому самому короткому маршруту нужно пройти коммивояжёру так, чтобы посетить каждый город ровно один раз и вернуться в начальную точку. Весь двадцатый век математики искали методы решения этой задачи (спойлер — с переменным успехом).
2. Задача упаковки рюкзака (BPP). Представьте, что у вас есть рюкзак определённого известного размера и множество предметов с разным весом и ценностью. Цель задачи упаковки рюкзака — найти такую комбинацию предметов, чтобы максимизировать общую ценность содержимого рюкзака, и чтобы при этом все выбранные предметы в нём поместились. BPP помогает решить, какие заказы следует комбинировать в каждом автомобиле, чтобы минимизировать общие затраты на маршрут.

VRP является NP-сложной задачей. Это значит, что она имеет высокую вычислительную сложность: если размер задачи растёт линейно (например, добавляются новые точки для посещения или новые ограничения), то вычислительная сложность при этом растёт уже экспоненциально. Говорят, что NP-сложные задачи страдают от «проклятия размерности».

Поэтому для её решения применяются как точные методы (для относительно небольшого количества клиентов и ограничений), так и эвристические методы (для больших наборов данных, где точные методы не справляются или работают слишком долго).

Точные методы. Эти методы гарантированно находят оптимальный маршрут и обычно применяются для задач с относительно небольшим количеством клиентов. Примеры включают целочисленное линейное программирование и программирование с ограничениями.

• Целочисленное линейное программирование (ILP — Integer Linear Programming) и (MIP — Mixed Integer Programming). Идея применения ILP и MIP заключается в том, чтобы сформулировать VRP линейную оптимизационную задачу с целочисленными переменными и решает её с применением подходящих методов оптимизации.
• Программирование с ограничениями (CP). Подход, который моделирует VRP с помощью ограничений, и ищет решение, соответствующее всем ограничениям. Ограничения обычно относятся к расстоянию, времени доставки, грузоподъёмности и другим параметрам маршрутизации.

Эвристические методы. Так как поиск оптимального решения — долгий и вычислительно сложный процесс, были разработаны методы, которые позволяют найти приемлемое решение в разумные сроки, но не гарантируют, что оно будет оптимальным. Эвристические методы часто используются, особенно когда речь идёт о больших задачах оптимизации.

Во многих эвристических методах сначала создаётся исходное решение, и затем оно постепенно улучшается с применением локального поиска или метаэвристики.

Например, можно начать с пустого маршрута и строить маршрут пошагово, добавляя точки для посещения одну за другой. Идея в том, чтобы выбрать, какую точку добавить следующей, и на какое место в маршруте её поставить, чтобы общие затраты на маршрут при этом были минимальными.

Применение искусственного интеллекта при решении VRP

Как VRP была очень интересной задачей для математиков в прошлом веке, так в наше время она стала не менее интересной для специалистов Data Science по двум причинам: появилось много данных из различных источников и возможность их обработать и объединить, и проанализировать в комплексе.

1. Данные. Для оптимизации маршрутов стали использоваться большие данные с видеокамер и устройств IoT и GPS, которыми оснащены автомобили и объекты транспортной инфраструктуры. Автомобили оснащаются телеметрическими системами для мониторинга таких параметров, как местоположение, скорость, уровень топлива, состояние двигателя, вес и габариты грузов, температура, стиль вождения и многое другое.
2. Возможность их собирать, хранить и анализировать. Вторым важным аспектом применения искусственного интеллекта в транспорте, включая оптимизацию маршрутов, является значительное развитие вычислительных технологий. Это позволяет создавать более сложные и точные модели. Благодаря повышенной вычислительной мощности и новым алгоритмическим подходам, стало возможным эффективно обрабатывать большие объёмы данных, что заметно улучшило точность прогнозов и оптимизацию маршрутов в реальном времени.

Искусственный интеллект задействован в решении большинства задач оптимизации маршрутов, как статических, так и динамических VRP:

1. Многокритериальной оптимизации. Расчёт наиболее эффективных маршрутов на основе заданных критериев, таких как минимальное общее расстояние, стоимость или время в пути.
2. Анализ исторических данных. Использование данных о прошлых поездках для определения оптимальных маршрутов, учитывая различные переменные.
3. Распределение ресурсов. Оптимальное распределение транспортных средств и водителей, учитывая ограничения, такие как грузоподъёмность или рабочее время.
4. Планирование маршрута заранее. Организация маршрутов с учётом всех известных факторов до начала их выполнения.

Динамический VRP решает проблемы маршрутизации в условиях, которые могут меняться в процессе выполнения. В этом контекст решения динамических VRP искусственный интеллект используется в следующих случаях:

1. Адаптации к изменениям в реальном времени. Быстрый пересчёт маршрутов в ответ на изменения.
2. Прогнозирование и реагирование на проблемы. Использование данных о погоде, трафике и других внешних факторах для прогнозирования возможных задержек и принятия мер для минимизации их воздействия.
3. Интерактивная связь с водителями. Обеспечение связи с водителями для передачи обновлений маршрута и получения обратной связи о дорожных условиях и других событиях.
4. Машинное обучение. Сбор данных о производительности и результативности маршрутов для непрерывного обучения и оптимизации системы.

Общие принципы применения искусственного интеллекта в VRP

• Алгоритмы оптимизации. Использование сложных алгоритмов, таких как генетические алгоритмы, муравьиные алгоритмы или нейронные сети для поиска наилучших решений.
• Большие данные и аналитика. Анализ больших объёмов данных для выявления паттернов и оптимизации решений.

Для поиска оптимальных маршрутов успешно применяются ставшие доступными данные, а также различные инструменты искусственного интеллекта и их комбинации.

• Нейронные сети, например, Graph Neural Network (GNN), Pointer Network и другие в комбинации с другими методами. Например, Graph Neural Network (GNN) и её комбинация с Monte Carlo Tree Search (MCTS), или Pointer Network в комбинации с DRL (сочетает принципы обучения с подкреплением, что позволяет модели обучаться и оптимизировать свои решения на основе обратной связи).
• Модели, которые используют принципы внимания и обучения с подкреплением (Dynamic Attention Model, Simulated Annealing).
• Multi-Agent Architecture for Metaheuristics где несколько агентов работают совместно, используя различные методы и алгоритмы для поиска оптимального маршрута.

Интересную лекцию с подробным разбором каждого метода решения VRP и примерами можно посмотреть ниже

Пример автоматизации планирования маршрутов

Оптимизация процесса объезда аптек представителем фармацевтической компании

Производитель лекарств столкнулся с проблемой эффективности коммуникаций с аптеками, через которые он реализует свою продукцию.

Ранее маршруты для представителей компании в аптеки планировались вручную, что приводило к неоптимальному использованию времени представителей компании и не приводило к улучшению показателей продаж в аптеках.

Цель

Улучшить процесс разработки маршрутов объезда аптек, для повышения эффективности взаимодействия с аптеками, и увеличения объёмов продаж путём более персонализированных коммуникаций и информированности с представителями аптек.

Решение

Этап 1: Автоматизация сбора данных

Интеграция системы для автоматического сбора данных о продажах от аптек и анализа других критичных показателей.

Этап 2: Разработка алгоритма приоритизации аптек

Разработка алгоритма для классификации аптек по их значимости и потенциалу, используя данные о продажах, частоте заказов, скидках и других.

Этап 3: Оптимизация маршрутов с использованием Epsilon On Point

Внедрение программного решения с поддержкой искусственного интеллекта для создания эффективных маршрутов, учитывая географическое положение аптек, дорожную ситуацию и рабочее время аптек.

Подготовка списка объектов для объезда. Планировщик маршрутов получает список аптек текущей неделе и загружает эту информацию в систему планирования маршрутов.

Настройка временных ограничений. Параметры времени для каждого визита устанавливаются на основе доступности аптек, например, указывая конкретные дни или время дня для визитов.

Настройка параметров представителей компании. Вводятся данные о доступности и рабочих часах представителей, с учётом необходимости распределения посещений на протяжении недели.

Запуск процесса планирования. Система запускает процесс оптимизации маршрутов, учитывая местоположение аптек и введённые параметры.

Предварительный просмотр маршрутов. Планировщик проверяет предложенные маршруты на соответствие всем требованиям и ограничениям.

Внесение корректировок. При необходимости вносятся изменения для учета дополнительных требований или предпочтений.

Подтверждение и коммуникация маршрутов. Построенные маршруты отражаются в мобильных приложениях представителей с деталями каждого назначения.

Этап 4: Мониторинг выполнения маршрутов объезда

• Представители компании проводят визиты согласно подготовленным маршрутам.
• Отслеживание местоположения представителей и изменение маршрутов в реальном времени при необходимости.

Этап 5: Анализ и обратная связь

• Оценка успешности визитов и влияния изменений на продажи и отношения с клиентами.
• На основе анализа, корректировка стратегии планирования и приоритизации для будущих объездов.
• При необходимости планировщик отслеживает выполнение маршрутов и готов вносить изменения в случае возникновения непредвиденных обстоятельств или отмены визитов.

Результаты

• Существенное сокращение времени на планирование и выполнение маршрутов.
• Благодаря более целенаправленному подходу и эффективному взаимодействию с ключевыми аптеками, наблюдался рост продаж.
• Более целенаправленные визиты способствовали укреплению отношений с аптеками.

Проект показал, что интеграция современных технологий и использование данных для принятия решений может значительно повысить эффективность и результативность внешнеторговой деятельности фармацевтического производителя. Описание кейса внедрения можно посмотреть здесь.

Как будущее технологий влияет на оптимизацию маршрутов

Ожидаемые инновации в области оптимизации маршрутов и советы по адаптации к новым технологиям.

1. Искусственный Интеллект (ИИ). Эти технологии позволяют обрабатывать и анализировать большие объёмы данных, прогнозируя оптимальные маршруты в реальном времени, учитывая множество переменных.
2. Интернет вещей (IoT). С помощью датчиков на транспортных средствах и инфраструктуре IoT обеспечивает мгновенный сбор и передачу данных, что позволяет автоматически адаптировать маршруты.
3. Беспилотные транспортные средства. Развитие автономных транспортных средств потребует пересмотра и адаптации существующих систем оптимизации маршрутов.

Впечатляющий успех таких уважаемых компаний как Cognitive Pilot (разрабатывает интеллектуальные системы автономного управления сельхозтехникой, городским и железнодорожным транспортом) и Яндекса («Яндекс.Драйв» с алгоритмами оптимизации распределения автомобилей, «Яндекс.Такси», которая автоматически определяет оптимальные маршруты с учётом дорожных условий, а также автономные роботы для городской доставки Яндекса), показывают, как быстро развиваются технологии автоматической маршрутизации в комплексе с компьютерным зрением и облачными вычислениями.

Как начать свой путь в оптимизации маршрутов: какие ключевые шаги необходимо предпринять

1. Определение целей

Перед тем как вкладываться в технологии, определите, чего вы хотите достичь с помощью автоматизации построения маршрутов. Это может включать в себя сокращение затрат, уменьшение времени доставки или снижение количества опозданий. Например, если компания занимается доставкой пиццы, основной целью может быть уменьшение времени доставки. Определите KPI (ключевые показатели эффективности) для каждой цели, например, среднее время доставки или стоимость доставки на единицу товара. Примеры можно посмотреть здесь: 12 SMART Goals Examples for Logistics Managers — Success in Depth.

2. Изучение текущих процессов

Проанализируйте текущие процессы и решите, что нужно поменять. Например, можно использовать методику value stream mapping для визуализации. Понять и оценить ситуацию могут помочь опросы среди водителей и логистов, а также отзывы клиентов (мне нравится сервис для изучения отзывов — Toweco).

3. Обучение и подготовка

Изучите примеры в оптимизации маршрутов. Есть много хороших курсов или отдельных лекций, на которых эксперты делятся своим опытом и впечатлением от использования разных программных продуктов, рассказывают об особенностях процессов, проводятся разные полезные конференции по логистике. Многие клиенты Яндекс.Маршрутизации с удовольствием делятся своим опытом применения решений для маршрутизации, например, Перекрёсток Впрок.

4. Разработка плана внедрения

Определите ключевые этапы проекта и метрики для оценки успешности внедрения. Заранее подумайте, как именно новое решение будет интегрировано в ваши текущие бизнес-процессы. Начать внедрение лучше с пилотного проекта на одном из направлений или в одном подразделении. Обычно план внедрения включает в себя относительно стандартный набор этапов (анализ текущих процессов, исследование рынка решений и выбор подходящего, пилотирование, внедрение и техническая интеграция после успешного пилота, разработка нового регламента с учётом использования системы, обучение сотрудников). Посмотреть, как составить план, можно здесь.

5. Вовлечение сотрудников

Очень многие проекты «не взлетели» потому, что участники процессов недопоняли важность внедрения изменений. Это относится не только к решениям автоматической маршрутизации, но и ко всем остальным изменениям привычных бизнес-процессов.

Я искренне считаю, что искусство внедрения любых изменений в бизнес-процессы компании, заключается в том, чтобы так организовать проект, чтобы все участники процесса и будущие пользователи решения (включая логистов, диспетчеров и менеджеров разных затрагиваемых подразделений, водителей и экспедиторов), были задействованы в нём и понимали его значение. Хорошо будет, если будет возможность собирать встречи или тренинги, чтобы обсудить преимущества и возможные проблемы новой системы, создать каналы обратной связи для замечаний и предложений и придумать другие способы общения и контроля процесса внедрения и его результатов.

6. Выбор решения и инвестиции

Есть много разных решений для оптимизации маршрутов, от простых приложений до комплексных облачных систем на основе ИИ. Выбрать не так-то просто. Я всегда стараюсь подробно изучить авторитетные источники в этой области, например, Gartner «What are Vehicle Routing and Scheduling and Last-Mile Technologies?». У них есть не только подробные платные (и очень дорогие) отчёты, но и много открытых исследований, а также площадка, где эксперты пишут отзывы и ставят оценки решениям. Обычно очень полезным бывает не полениться и организовать демонстрации и тестирование нескольких решений для выбора подходящего (многие производители будут рады продемонстрировать решение и подробно рассказать об особенностях внедрения). Также почти у всех сервисов есть возможность зарегистрироваться в системе и бесплатно попробовать в течение недели или двух.

7. Постоянная оценка и адаптация результатов проекта внедрения

Регулярно анализируйте результаты внедрения.

Обычно эффективность внедрения решения для маршрутизации оценивается по увеличению количества заказов, выполняемых в рамках одного маршрута, снижению числа опозданий, сокращении затрат на логистику и общего пробега автопарка (что не только снижает затраты на топливо и обслуживание, но и вносит вклад в экологическую устойчивость). Кроме того, бонус — это снижение числа обращений в поддержку с вопросами о времени выполнения заказов.

Если технология не даёт ожидаемых результатов, очень важно вовремя остановиться и отказаться от решения или модернизировать его.

Заключение

Оптимизация маршрутов предоставляет конкретные и измеримые преимущества по сравнению с ручным планированием.

Применение автоматизированных методов маршрутизации может снизить пробег на 20—30%, что напрямую влияет на снижение затрат компаний, занимающихся доставкой.

Многие компании по-прежнему планируют маршруты вручную. Даже те, кто использует программное обеспечение для оптимизации маршрутов, часто тратят часы на то, чтобы «подогнать» маршруты под свои условия. Интеллектуальная оптимизация маршрута устраняет эту необходимость и учитывает все параметры маршрута, включая трафик. Кроме того, системы обучаются на прежних данных и могут давать разумные рекомендации.