Почему стабильные маршруты «убивают» рентабельность и качество доставки

Почему стабильные маршруты «убивают» рентабельность и качество доставки

Логистика эта область, которая оперирует неопределенностью. Ведь маршрут, созданный вечером, теряет свою актуальность утром, когда оказывается, что кто-то из водителей заболел, машина поломалась, склад не успел вовремя загрузить автомобили и т.д. 

Кроме того, утром или днем могла измениться дорожная ситуация (начался ремонт важной дороги, возникла авария, машина поломалась в дороге или попала в ДТП и т.д.).  И вот уже планы нарушены, и с этим нужно что-то делать. 

Заявки из торговых точек приходят не равномерно. Поэтому, невозможно взять и «нарезать» районы города/области так, чтобы на них поставить автомобиль определенного тоннажа и добиться 100% загрузки такого автомобиля. 

Идеальная картина, которая не встречается в жизни: разделение города на равные зоны и равномерная загрузка по каждой зоне (одинаковое количество заказов и одинаковые грузы по объему, номенклатуре, весу)

Абсолютное большинство TMS систем построены по принципу, когда территория разделена на определенные кластеры (районы) и машины ездят именно в них.

Таким образом, определенная машина (водитель), закреплены за определенным районом. И оптимизация в деньгах происходит просто за счет более качественного составления маршрута движения такой машины в определенном районе.  

Однако, как писалось ранее, такой принцип действия TMS не позволяет добиться ни высокого качества доставки ни существенной экономии затрат на логистику. А таких TMS — 99% на рынке.

Реальная ситуация, которая возникает каждый день и которая требует балансировки количества доставок на каждый автомобиль.

Почему ситуация именно такова и почему большинство TMS построены на этом принципе?

Если говорить простым языком, то для того, чтобы решить комплексную задачу: сформировать маршруты движения для нескольких автомобилей, каждый из которых должен посетить 15-30 точек доставки, необходимо обработать такое количество данных и перебрать такое количество вариантов решений, что это потребует использование компьютеров такой мощности на это потребуется столько времени, что задача становится не решаемой. И речь идет просто о переборе вариантов маршрутов.

А если еще добавить такие данные огромной важности для построения маршрутов, которые являются выполнимыми и по которым можно отправлять водителей на маршруты как:

  • время обслуживания точек доставки (а оно разное и зависит от знания водителей точки доставки, номенклатуры и количества товара, которое доставляется)
  • время, необходимое для переезда из одной точки в другую (а это время зависит от скорости движения на дорогах в конкретное время дня)
  • также, есть дополнительные ограничения в самом транспорте, которые необходимо учитывать (паспортный тоннаж, реальный тоннаж, который зависит от возраста автомобиля, объем кузова, наличие разрешений на заезд в центральные районы города и т.д.)
  • в какие временные окна нужно привезти продукцию в каждую из точек (приоритет этой задачи с каждым годом возрастает все больше и больше).
  • Знание водителями точек доставки (информация о том, какие точки посещал водитель/курьер в течение последних 2-х месяцев)

Каждый из пунктов – это дополнительные миллиарды данных, которые добавляют сложность к уже существующим.

Чтобы создать качественные маршруты за вменяемое время (к примеру, рассчитать транспортную задачу для 3000 точек доставки за 30 минут) необходима специальная математика. То есть, НОУ-ХАУ в области математики. Фактически, чтобы создавать собственную TMS нужно начинать разработку с математики. Это – самое важное. И если такой математики нет, то такая TMS сразу же становится ущербной. То есть у разработчиков сразу же сужается возможность решать сложные транспортные задачи и приходится идти по такому пути:

Делить территорию обслуживания на мелкие кластеры и уже в них решать задачу коммивояжера. То есть упрощать транспортную задачи по максимуму.  Именно на таком принципе работают большинство известных TMS.

Подробнее об этом можно прочесть в статье Как решить: разрабатывать собственную TMS или использовать уже готовое решение 

Таким образом, если вам нужно решить простую транспортную задачу: 

  • у вас до 100 точек доставки в день 
  • вам не важны временные окна доставки (или вы думаете, что не важны) и качество доставки
  • ваши автомобили делают каждый 1-5 доставок в день

Тогда вам не нужны сложные TMS. Выбирайте ту, которая устроит вас по цене и функциональности. 

Если же ваша компания возит хлеб, занимается доставкой товаров из интернет магазинов, возит продукты питания, бытовую химию и т.д. (FMCG производители или дистрибьютор) в магазины традиционной розницы и сети супермаркетов и у вас от 200 до нескольких тысяч точек доставок в день. А одна машина должна сделать доставки в  15 — 50 точек в день, тогда обойтись без решения, которое построено на принципах создания «плавающих» маршрутов — невозможно. 

В особенности, если для вас важно повышение качества доставки и удовлетворенности клиентов и снижение расходов на логистику.  

По какому-же принципу строятся «плавающие» маршруты и что это за  принцип оптимизации.

Плавающие маршруты, это когда город тоже разделен на определенные кластеры и к ним привязаны не машины, а водители. Привязка основана на знании водителями точек доставки. И система выбирает машины (при принципу более низкой себестоимости, вместительности, грузоподъемности и т.д.) и водителей на основе знания точек доставки. Так как такой водитель потратит меньше времени на их обслуживание и это позволит обслужить за то же время большее количество точек и/или привезти продукцию вовремя (в установленный срок).  

При этом, так как водители — не постоянная величина и они могут меняться, то это тоже «плавающий фактор». Кроме того, «знание точек доставки» тоже не постоянная величина, поэтому — деление на кластеры в такой системе тоже — условное и «плавающее». 

И вот, на основе полученной тренспортной задачи (на этот день, на следующий, коррекции существующей, если возникли инциденты и с ними нужно работать), такая TMS, которая не привязана к кластерам и районам решает намного более сложную транспортную задачу.

С помощью перебора сценариев загрузки и использования автомобилей/водителей, создаются маршруты с близкой к 100% загрузкой автомобилей и водителей.  

Тот математический аппарат, который в нее заложен, позволяет решать более сложную задачу: как меньшим количеством машин решить дневную логистическую задачу. То есть система выбирает из пула машин (которые вы в нее ввели) наиболее подходящие с точки зрения экономики и создает маршруты наиболее оптимальные с точки зрения опять же экономики, без привязки к жестким районам. 

Таким образом, если сейчас вы вынуждены (с учетом привязки к районам) использовать, к примеру, 45 машин. То благодаря нашей системе, ту же задачу вы можете решить с помощью 40 машин. И система сама выберет именно те машины и те экипажи, которые наилучшим образом подходят под решение логистической задачи именно этого дня. Именно это и позволяет получить экономию в 10 — 15%. И при этом, существенно повысить качество доставки. 

Хотите узнать больше о том, как мы решаем аналогичные проблемы в других логистических компаниях, подобных вашим? Оставьте свои контакты в форме ниже и мы пришлем вам письмо с материалами по вашей специфике бизнеса

Присоединяйтесь в Telegram к сообществу Boss and Logistics для руководителей, управляющих логистикой и зависящих от логистики.

Становитесь членом сообщества  в Facebook, получайте обновления блога, подписавшись на рассылку 

Подпишись и получай самую интересную и полезную информацию от RationalLogistics

Share this post

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *