Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин рассказывает об автоматическом планировании ресурсов для LTL-перевозок — задаче, которая требует около 200 Гб RAM и просчитывается компьютером за 36 часов работы non-stop.

Мы уже много лет сотрудничаем с одной из крупнейших транспортных компаний России и разрабатываем самые разные математические модели для оптимизации различных аспектов ее деятельности. Сегодня я расскажу про самую сложную задачу, с которой мне когда-либо приходилось сталкиваться в работе.

Речь пойдет о планировании ресурсов для LTL-перевозок. Для тех, кто далек от мира логистики, поясню: LTL (less than truckload) — это когда клиенты сдают на склад свои коробки с грузом, а транспортная компания собирает их в один грузовик и развозит по разным пунктам назначения. Схематично это выглядит примерно следующим образом:

Наша задача — спланировать такое расписание перевозок, при котором все заявки выполняются в срок, утилизация грузовиков максимизирована, а количество холостых пробегов и расходы на доставку — напротив, минимизированы. Если у нас есть 30 хабов для перегруза (на схеме выше обозначены кружками), которые обслуживают 200 конечных складов, значит, оптимизационная система должна будет перебрать 40 000 потенциальных направлений.

Первое, что мы сделали: взяли историческую схему перегрузов, которая делалась руками, а также базу данных всех LTL-рейсов, которые когда-либо осуществлялись компанией. Таким образом мы сразу обезопасили себя от претензий логистов («вот вы нам запланировали рейс через вот эти 5 городов, а мы так никогда не ездим, и вообще там дороги нет»). Далее из этой базы данных мы выбрали только те рейсы, которые покрывают грузопоток по всем направлениям доставки.

Система перебирает все возможные погрузки груза в рейсы с тем, чтобы совокупные затраты на перегруз и стоимость рейсов были минимальными. В качестве вводных в систему заносятся ограничения из основных справочников 1С (информация о нормативных расстояниях, стоимости перегрузов, витринных сроках, прогнозе входящего грузопотока, жестких сроках доставки и т. д.).

В базовом режиме, система расчета использует только действующие справочники, которые есть в системе 1С. Тем не менее, у модели есть возможность дооптимизировать решение, полученное на базовых справочниках. Так, после расчета базового решения, система находит неоптимальности и может локально корректировать схему перегруза и добавлять новые рейсы, которые не входили ранее ни в справочник, ни в базу возможных рейсов. После этого запускается новая оптимизация с учетом обновленных справочников.

По итогу вычислений, автоматизированная система формирует расписание LTL-перевозок на месяц вперед. Благодаря долгосрочному планированию, транспортная компания может заранее понимать, какое количество ресурсов ей понадобится, можно ли закрыть потребности собственным автопарком, и, если нет, договориться со сторонним перевозчиком по приемлемой тендерной цене.

Чтобы добиться еще большей экономии, план LTL-перевозок затем закладывается в модель для расчета доставок FTL (full truckload), когда машина выполняет рейс по транспортировке крупного груза одного клиента. С помощью FTL-заявок транспортная компания успешно решает проблему холостых пробегов при возвращении грузовиков на базу.

Текущая система точно планирует 75% LTL-рейсов. Это значит, что каждый четвертый рейс логистам приходится корректировать в ручном режиме. Это объясняется тем, что грузопоток прогнозируется на основе исторических данных, а не реально имеющихся заявок, и на горизонте в месяц неизбежно появляется много оперативных отклонений. Но даже такая, пока не доведенная до совершенства система радикально улучшает планирование LTL-перевозок.

При этом текущая версия системы работает на пределе вычислительных возможностей, требует 200 Гб оперативной памяти и формирует план на месяц за 36 часов непрерывной работы. Расскажите в комментариях — вы когда-нибудь сталкивались с настолько сложной оптимизационной задачей?

Актуально

Решения BIA

bia-tech.ru использует cookie-файлы для корректной работы и анализа использования сайта согласно политике использования файлов cookie. Отключить cookie можно в настройках браузера.

Понятно