Логист.Today представляет статью Члена Правления, Директора по логистике компании «Спортмастер Украина» Владислава Кураева.

Последние лет пять ко мне все чаще обращаются с запросами о подготовке решений для повышения эффективности такой важной составляющей бизнеса, как доставка заказов, сырья и готовой продукции. Запросы идут из разных отраслей: непродуктовая розница, производство продуктов питания, фармацевтическая дистрибуция и сети топливных заправок. Все вопросы в них связаны с экономикой или качеством (полнотой и своевременностью) доставки. Но до вступления в расчет экономических показателей – стоимости ГСМ, заработной платы сотрудников, операционных затрат или тарифов внешних перевозчиков нужно рассчитать три простых Показателя эффективности, по которым проводится оптимизация:

1. эффективное расстояние;
2. эффективное время;
3. эффективный объем средней транспортной единицы.

Для того, чтобы понятно описать основные способы решения, сделаю краткое отступление в теорию.

Первый и самый простой способ решения транспортной задачи – это «алгоритм Дейкстры», который используется для оптимизации задачи по расстоянию доставки товаров, сырья или заказов клиентов. Он не учитывает времени и скорости доставки, а также полноту загруженности транспортного средства («задача коммивояжера»).

Данный способ хорош тем, что легко накладывается на программные продукты и минимизирует ручной расчет кратчайших расстояний доставки.

Второй алгоритм, который применяется при расчете транспортной задачи – это алгоритм оптимизации по времени, и он уже учитывает скорость движения транспортного средства, а также может включать параметр плотности транспортного потока (проще говоря, учитывать пробки в городском потоке). Самой простой моделью, быстро решающей задачу учета времени при доставке, является модель Гринберга:

v=v{ρ(x(t),t)}

где:
x(t) – координата движения транспортной единицы,
v – скорость движения транспортной единицы,
ρ – плотность транспортного потока (где: ρ=n/L, n – количество транспортных единиц на участке дороги L).

Скорость в этой модели рассчитывается и зависит от плотности транспортного потока:

v = v0(1-[ρ/ρ_max ])(n+1)⁄2

где:
v0 – скорость при ρ = 0, т.е. по сути максимальная скорость транспортного средства

И третий, сейчас один из самых востребованных алгоритмов – алгоритм оптимизации доставки по степени/объему загруженности транспортного средства. Данный расчет востребован большинством курьерских сервисов в крупных городах, как продуктовыми, так и не продуктовыми ритейлерами, а также всей fashion-розницей. Данная задача более сложная, так как включает в себя две составляющих решения:

1. Транспортную распределительную задачу об оптимальной расстановке транспортного парка (например, есть N пунктов, откуда происходит доставка с объемами груза в них Аj. Имеется М средств доставки груза (видов транспорта). Грузоподъемность/Емкость і-го средства доставки составляет pi, а наличный его парк равен Вi, i=1,2,…,М. Грузы подлежат доставке в один центральный пункт (склад). Затраты при осуществлении одной единицей i-го средства доставки от j-го пункта до склада равны cij. Требуется составить наиболее экономичный план доставки).

2. Задачу разбиения транспортной сети на районы. При таком использовании алгоритм будет состоять из двух повторяющихся шагов:
а. Выбора центра кластера – точки с наибольшей мерой плотности потребителей/точек доставки.
б. Удаления всех точек в окрестности центра полученного кластера и выбора центра следующего кластера. Радиус окрестности должен быть задан заранее.

Чем хорош описанный выше подход? Во-первых, он легко ложится на расчеты в электронных таблицах Excel, если количество транспортных единиц не более 10-12, ассортимент доставки однороден, а точек доставки не более 50-100. Во-вторых, такой подход легко поможет составить Техническое задание (ТЗ) для программного продукта в случае, если ваша транспортная задача более масштабна. Ассортимент рынка TMS (систем управления транспортом) очень широк, разнороден и позволяет решить транспортную задачу любой сложности и стоимости.

Читайте Логист.Today на Google News и в Telegram