Optimizacija transporta: Šta prevozimo – prazan prostor ili vredne artikle?

Problem: Uvek do pola puni znači da je transport vazduha 50% troška prevoza.

Naručeni artikli se prenose u skladište kompanije kao teret vazdušnim ili železničkim saobraćejem, morem ili kopnom, a dobavljači često zahtevaju da narudžbine odgovaraju transportnim jedinicama poput kontejnera, kamiona ili kombija. Pošto kompanije obično naruče samo potrebne količine svakog artikla, transportne jedinice su često samo dopola popunjene. Zamislite da danas naručite tri kamiona artikala, gde je jedan od kamiona napola pun, a zatim, ponovo, narednog meseca, naručite još tri, pri čemu je jedan ponovo samo do pola pun. Ovaj način organizacije transporta bi za rezultat imao da ceo jedan kamion ne prevozi ništa osim vazduha! Mnogo bolje rešenje bilo bi naručivanje tri kamiona sada, a zatim dva narednog meseca kombinovanjem naloga tako da se u potpunosti ispuni kamion čime bi se za samo mesec dana uštedeo novac koji bi bio utrošen na transport tim dodatnim kamionom. Sledeća pitanja bi bila, čime treba napuniti dopola pun kamion? Treba li ga ispuniti nasumičnim artiklima? Odgovor na ovo drugo je, naravno, ne, nama treba da ovaj kamion ispunimo artiklima za koje je najverovatnije da će se prodati kako bismo izbegli potencijalnu nestašicu zaliha, ali i mrtve zalihe.

Da bismo rešili ovaj problem, razvili smo modul za optimizaciju transporta, kao deo BE-terna ML platforme, gde algoritmi za optimizaciju omogućavaju inteligentno punjenje transportnih jedinica. Modul za optimizaciju transporta ne samo da optimizuje narudžbenicu da odgovara ograničenjima transportne jedinice, kao što su prostor, masa i zapremina, već ih, takođe, ispunjava i određivanjem prioriteta, odnosno utvrđivanjem koji artikli su najvažnije i najvrednije stavke u narudžbenici kako bi se izbeglo stvaranje zaliha na bilo kom poručenom artiklu. Ovakva optimizacija transporta se obavlja u pet koraka.

Rešenje: Optimizacija transporta obagaćena algortmima mašinskog učenja

Pri optimizaciji transporta potrebno je uzeti u obzir dva aspekta - da kapaciteti transportnih jedinica budu što više iskorišćeni i da transportne jedinice budu ispunjene najpotrebnijim i najprofitabilnijim artiklima. Pod pretpostavkom da znamo optimalne količine koje treba naručiti, optimizacija transporta je kombinacija dva dobro poznata problema – 'problema pakovanja' i 'problem ranca' [1] [2], koji se odnose na organizovanje transporta tako da je potreban minimalan broj transportnih jedinica i tako da su sve transportne jedinice maksimalno popunjene.

Cilj algoritama za rešavanje problema pakovanja je da se svi naručeni artikli prevezu minimalnim brojem transportnih jedinica. Pretpostavimo da naručujemo pet predmeta - A, B, C, D i E, gde stavke A, B i C zauzimaju 75% prostora transportne jedinice, dok stavke D i E zauzimaju 25%. Optimalno rešenje bi bilo da stavite stavke A i D u kontejner 1, a predmete B i E u kontejner 2, a stavku C u kontejner 3. Dakle, optimalno rešenje je da se narudžbina raspodeli u tri kontejnere, kao što je prikazano na narednoj slici.

Sad znamo da su tri kontejnera optimalno rešenje, ali još uvek nismo zadovoljni činjenicom da kontejner 3 ima 25% slobodnog prostora ili možemo reći da još uvek 25% jednog kontejnera koristimo za prevoz vazduha. Ovde na scenu stupaju algoritmi za rešavanje problema ranca, a mi sada želimo da taj slobodni prostor popunimo dodatnim artiklima. Moramo da budemo oprezni i napunimo kontejner 3 najprofitabilnijim artiklima, jer do ovog trenutka nije bilo planirano da oni budu poručeni. Imajući to na umu, pretpostavimo da znamo da nam je artikal A zaista dragocen i punimo kontejner 3 sa dodatnih 15% artikla A i popunjavamo i dodatnih 10% novim i, takođe, veoma vrednim artiklom F, koji prethodno nije bio predviđen za naručivanje.

Sada imamo minimalni broj transportnih jedinica i sve su potpuno popunjene, tako da je sa stanovišta cene prevoza ovo optimalno rešenje. Nažalost, „Jovan“, koji je naš šef upravljanja skladištem, nije zadovoljan porudžbinom sa stanovišta logistike. Razlog je taj što smo naručili artikal A u odvojenim delovima, u dva kontejnera, a Jovan želi da artikal A bude smešten u jednom kontejneru. Pored toga, Jovan nas je obavestio da artikla B trenutno nema na zalihama i da mora biti dopremljen do skladišta što je pre moguće, jer svakim danom gubimo potencijalnu prodaju. Prema tome, artikli koje smo prethodno rasporedili treba da budu preraspoređeni. U novom rešenju ćemo smestiti artikal B, zajedno sa artiklom D u kontejner 1 koji će ići prvi,artikal A i artikal F biće smešteni u kontejner 2, dok će artikli C i E biti u kontejneru 3. Na taj način smo pronašli rešenje koje je optimalno za naš problem i iz perspektive logistike i sa ekonomskog stanovišta.

Postoji još jedno pitanje koje bi trebalo da postavimo: Šta ako bismo imali 90% slobodnog prostora umesto 25%? Odgovor je da u svakom trenutku moramo pružiti dva rešenja - tj. upfill i downfill. Upfill rešenje je ono u kome se dodaju količine tako da se u potpunosti popune svi kontejneri. Drugo rešenje je downfill u kome uvek naručimo jednu manje transportnu jedinicu nego u upfill scenariju (npr. dve jedinice u našem primeru). Kupac, prilikom plasiranja porudžbine, uvek može da odluči da li će da koristi opciju upfill ili downfill. Opcija downfill traži načine da obavi dva dodatna zadatka - da smanji originalne količine, ako je to moguće, i da uvek naruči artikle kojih nema na zalihama ili koji će uskoro nestati kako bi se osiguralo da odluka da se naruči jedan kontejner manje dovede do minimalno propuštenih prodajnih prilike.

Ponovna optimizacija: Kada se stvari ne odvijaju po planu

Sada smo sastavili našu optimalnu porudžbinu, ali smo dobili odgovor od dobavljača da artikal D trenutno nije dostupan i da trenutno ne može da bude isporučen. S obzirom da stavka D zauzima 25% kontejnera, opet imamo 25% slobodnog prostora u kontejneru. Veliki benefit našeg rešenja za optimizaciju transporta je mogućnost ponovne optimizacije transportnih jedinica u samo nekoliko klikova. Koristeći ponovnu optimizaciju, sada možemo da dodamo dodatnih 25% novog i izuzetno vrednog artikla „G“ u našu narudžbinu, a kao rezultat toga, novo, optimizovano rešenje je: artikle B i E smestićemo u kontejner 1, artikle A i F u kontejner 2 i artikle C i G u kontejner 3.

Korisnički interfejs: Put ka sigurnom usvajanju rešenja

Kao i u bilo kojoj implementaciji projekata zasnovanih na veštačkoj inteligenciji, dobro korisničko iskustvo je presudno da korisnici izgrade poverenje u sistem. Dobar korisnički interfejs mora da pruži sve informacije o prevozu artikala iz narudžbenica, kao što su kapacitet, ograničenja, količine itd, ali, takođe, mora da omogući korisniku izbor između upfill i downfill rešenja kao i mogućnost ručnog menjanja količina u porudžbenici i ponovne optimizacije transporta.

Kao što je ranije pomenuto, optimizacija transporta modul je BE-terna ML platforme (naredna slika), a rezultati su prikazani u okviru aplikacije Qlik Sense. Unutar aplikacije korisnik može videti sve bitne informacije o izvršenoj narudžbi, kao što su - koliko se naručuje transportnih jedinica, kapacitet u smislu prostora, mase i zapremine i procenat iskorišćenosti kontejnera. U našoj aplikaciji Qlik Sense korisnik u svakom trenutku može da se prebacuje između upfill i downfill opcija. Tabela preporučenih narudžbenica sadrži informacije o preporučenim količinama i poziciji artikala u kontejnerima. Glavna prednost interfejsa naše aplikacije je mogućnost promene preporučene količine u okviru aplikacije Qlik i mogućnost da se pritiskom na dugme za ponovnu optimizaciju jednostavno ponovo optimizuju transportne jedinice na odgovarajući način.

Zaključak

Tri glavna benefita ML modula za optimizaciju transporta koji je razvila kompanija BE-terna su:

• Manje novca se troši na prevoz
• Osiguran nivo sigurnosni zaliha za važne artikle
• Smanjena gužva u skladištima

Smanjeni izdaci su najočiglednija prednost primene optimizacije transporta za zakazane porudžbine, a ekološka korist od organizovanja transporta u manje transportnih jedinica se često zanemaruje. Ostvarivanje sigurnijih nivoa zaliha za više značajnih predmeta se postiže dopunjavanjem kontejnera najvrednijim artiklima. Na ovaj način je moguće dodatno osigurati da nema nestašica zaliha za te artikle i da se ne izgubi nijedna potencijalna prodaja. Konačna korist je čisto logistička. Time što grupišemo artikle zajedno i na osnovu toga što znamo kada artikli dolaze i u kom kontejneru se nalaze, stvaramo manje gužve u skladištima i mnogo smo bolje pripremljeni kada porudžbine stignu.

Reference:

[1] https://www.aaai.org/ocs/index.php/IJCAI/IJCAI13/paper/view/6851

[2] https://archive.org/details/knapsackproblems0000mart