Maršrutų analizė: kaip sutrumpinti laiką, kaštus ir emisijas

Maršrutų analizė palygina kelis maršrutų scenarijus pagal talpą, laiko langus ir kaštus ir parenka geriausią visam tinklui. LogisticsBrain projektas žada dviženklius kaštų, CO2 ir padangų nusidėvėjimo sutaupymus. Fraunhofer ISI ir Einride tyrimas rodo 8–13 % mažesnį bendrąjį eksploatavimo kaštų (TCO) lygį.

Trumpai:

• Fraunhofer ISI ir Einride tyrime maršrutų bei įkrovimo planavimas sumažino bendruosius eksploatavimo kaštus 8–13 %, o paprastas dyzelinių sunkvežimių keitimas elektriniais davė apie 3 %.
• Integruotas maršrutų ir įkrovimo planavimas leido elektriniais sunkvežimiais pristatyti iki 85 % krovinių, palyginti su 57 % keičiant transporto priemones santykiu 1:1.
• Euristiniai algoritmai tinka mažam užsakymų skaičiui ir paprastiems apribojimams, o sudėtingam tinklui rinkitės matematinius modelius ar dirbtinį intelektą.
• Pilotą pradėkite vienoje teritorijoje ir kelias savaites lyginkite atstumą, laiką bei kainą už užsakymą su baziniu laikotarpiu; klaidingi adresai iškreipia rezultatus.

Turinys

• Kaip veikia maršrutų optimizavimo logika?
• Kokių duomenų reikia maršrutų analizei?
• Kokius KPI sekti ir kaip juos skaičiuoti?
• Nuo euristikų iki AI: kurį metodą rinktis?
• Kaip atlikti analizę per kelias savaites?
• Kokios naudos rodo tyrimai ir praktika?
• Kokios integracijos ir ataskaitos reikalingos kasdienei operacijai?
• Kodėl duomenų integracija pagreitina sprendimus?
• Kaip mūsų sprendimai papildo maršrutų analizę?
• Dažniausiai užduodami klausimai
• Šaltiniai

Kaip veikia maršrutų optimizavimo logika?

Maršruto modelį sudaro užsakymai, transporto priemonės, laiko langai ir apribojimai. Užsakymas turi vietą, krovinio masę ir leistiną pristatymo intervalą. Transporto priemonė turi talpą, darbo laiką ir eksploatavimo kaštus. Apribojimai, pavyzdžiui, vairuotojo poilsio režimas ar įkrovimo poreikis, nustato, kurie variantai apskritai leistini.

Analizė negeneruoja vieno maršruto, o sudaro daug scenarijų ir juos lygina. Vienas scenarijus gali sutrumpinti atstumą, bet viršyti vairuotojo darbo laiką. Kitas tilptų į darbo laiką, bet reikalautų papildomos transporto priemonės. Siekiama globalaus optimumo visam tinklui, o ne geriausio kiekvieno atskiro maršruto. Būtent tokias užduotis akademinėje literatūroje sprendžia MCVRPTW tipo modeliai, vienu metu vertinantys pakrovimo svorį, darbo laiką, eismo sąlygas ir elektrinių įkrovimo poreikius.

Praktinis pavyzdys: sutrumpinus leistiną darbo laiką, paskutiniai pristatymai gali pereiti kitam vairuotojui, o zonų ribos keistis. Todėl analizę verta kartoti kiekvieną kartą, kai keičiasi apribojimai.

Kokių duomenų reikia maršrutų analizei?

Tikslumas priklauso nuo įvesties kokybės, todėl pradėkite nuo statinių duomenų:

• adresai ir koordinatės su patikrintu geokodavimu;
• pristatymo laiko langai kiekvienam užsakymui;
• krovinio matmenys ir masė;
• transporto priemonės talpa, sunaudojimas ir darbo laiko ribos.

Prie jų pridėkite dinaminius duomenis: eismo informaciją, orus, telemetriją ir įvykius maršruto metu. Realaus laiko laiko matricos atnaujinimas ir testavimas su dideliu duomenų kiekiu yra tipinė šių projektų darbo dalis, tai matyti ir viešų paraiškų aprašuose.

Kokybės kontrolė apima geokodavimo rezultatų patikrą, klaidingų adresų taisymą ir planuoto atstumo palyginimą su faktiniu. Jei duomenų trūksta, pažymėkite juos kaip prielaidą ir nepildykite vidurkiais tyliai.

Profesionalus patarimas: Prieš pirmą modeliavimą rankiniu būdu peržiūrėkite problemiškiausius adresus: taip gali išaiškėti geokodavimo klaidų.

Kokius KPI sekti ir kaip juos skaičiuoti?

KPI turi būti paprasti ir apskaičiuojami iš tų pačių duomenų. Pagrindiniai rodikliai:

• bendras atstumas: visų maršrutų ilgių suma per laikotarpį;
• vairavimo laikas: faktinis važiavimo laikas be stovėjimo;
• planuoto ir faktinio atstumo skirtumas: (faktinis − planuotas) / planuotas;
• kaina už užsakymą: visi maršruto kaštai, padalyti iš įvykdytų užsakymų;
• CO2 pokytis ir TCO pokytis lyginant su baziniu laikotarpiu.

Pavyzdys iš tyrimo: sisteminis AI optimizavimas sumažino TCO 8–13 %, todėl tokio dydžio pokytį verta laikyti orientyru, o ne garantija savo tinklui.

Stebėjimo intervalą nustatykite pagal operacijų ritmą: kasdien sekite vykdymą, kas savaitę kaštus. Jei vienos zonos planuoto ir faktinio atstumo skirtumas nuolat didesnis nei kitų, tai signalas peržiūrėti tos zonos priskyrimą. Kaip rodiklius susieti su finansais, aprašėme transporto sąnaudų analizės vadove.

Nuo euristikų iki AI: kurį metodą rinktis?

Euristiniai algoritmai, tokie kaip 2-opt, tabu paieška ar simuliuotas atkaitinimas, greitai pagerina esamus maršrutus. Jie tinka, kai užsakymų nedaug, o apribojimai paprasti. Trūkumas: sprendimas gali užstrigti vietiniame optimume, todėl rezultatas priklauso nuo pradinio plano.

Kai apribojimų daug (laiko langai, talpa, darbo laikas, įkrovimas), verta taikyti matematinius modelius ir metaheuristikas, aprašytas MCVRPTW literatūroje. Jie skaičiuoja lėčiau, bet tinklo lygiu duoda stabilesnį rezultatą.

Sunkvežimiams dar svarbus eco-routing. COMPANION D5.1 dokumente aprašytas modulis naudoja A* paiešką, įtraukia eismo ir infrastruktūros duomenis, palaiko kriterijus „short“, „fast“ ir „economic“ ir numato, kad 1000 km maršrutas būtų apskaičiuojamas per mažiau nei 15 sekundžių.

AI sprendimų pranašumas yra scenarijų analizė ir prisitaikymas prie realių duomenų. Fraunhofer ISI ir Einride tyrime integruotas maršrutų ir įkrovimo planavimas leido iki 85 % krovinių pristatyti elektriniais sunkvežimiais, o paprastas 1:1 pakeitimas pasiekė 57 %. Taisyklė paprasta: pradėkite nuo euristikų, o prie AI pereikite, kai rankinis derinimas nebeaprėpia apribojimų.

Kaip atlikti analizę per kelias savaites?

Pilotą verta riboti viena teritorija, nustatytu užsakymų skaičiumi ir keliais vairuotojais. Žingsniai:

1. Paruoškite duomenis: adresus, laiko langus, transporto priemonių parametrus.
2. Sumodeliuokite maršrutus ir palyginkite su esamais.
3. Paleiskite pilotą pasirinktoje teritorijoje.
4. Įvertinkite KPI su baziniu laikotarpiu.
5. Pakartokite su pataisytais apribojimais.

Kontrolinius taškus pasirinkite pagal piloto eigą: pirmiausia patikrinkite duomenų tikslumą, o vėliau lyginkite atstumą, laiką ir kainą už užsakymą. Pagrindinės rizikos: duomenų klaidos ir operacinės kliūtys, pavyzdžiui, vairuotojų nenoras keisti įprastą seką.

Profesionalus patarimas: Su vairuotojais aptarkite pirmus modeliuotus maršrutus prieš pilotą: jie dažnai pastebi apribojimų, kurių duomenyse nėra.

Rezultatams kasdien rodyti praverčia realaus laiko ataskaitų diegimo planas.

Kokios naudos rodo tyrimai ir praktika?

LogisticsBrain projekto aprašyme teigiama, kad savimokslė AI sistema gali duoti dviženklius planavimo laiko, kaštų, CO2 ir padangų nusidėvėjimo sutaupymus, o scenarijus galima optimizuoti lygiagrečiai.

8–13 % TCO sumažėjimas taikant AI optimizavimą, palyginti su apie 3 % paprastai pakeitus dyzelį elektra 1:1 (Fraunhofer ISI ir Einride, 2025). Skirtumas rodo, kad didžiąją naudą duoda planavimas, o ne vien transporto priemonių keitimas.

Ką tai reiškia vidutinio dydžio tinklui:

• didesnį efektą tikėkitės, kai maršrutai planuoti rankiniu būdu ir apribojimų daug;
• mažesnį, kai tinklas mažas arba jau gerai suderintas;
• duomenų kokybė tiesiogiai veikia rezultatą: klaidingi adresai ar laiko langai sumažina tikrą naudą.

Šie skaičiai yra tyrimų konteksto orientyrai, o savo tinklo rezultatą parodys tik pilotas.

Kokios integracijos ir ataskaitos reikalingos kasdienei operacijai?

Tipinė architektūra jungia transporto valdymo sistemą (TMS), telematiką ir ataskaitų sluoksnį, pavyzdžiui, Power BI, su automatiniu duomenų atnaujinimu. Įtraukite:

• KPI panelę su atstumu, laiku, kaina už užsakymą ir CO2;
• vykdymo analizę: planas prieš faktą pagal zoną ir vairuotoją;
• anomalijų aptikimą, kai maršrutas smarkiai nukrypsta nuo plano;
• sinchronizaciją per API su aiškiu atnaujinimo dažniu.

Rinkdamiesi ataskaitų paketą žiūrėkite, ar jame yra automatizavimas, paruošti šablonai ir integracija su Rivilė ar Finvalda. Duomenų struktūrą ir standartus aprašome finansų duomenų modelio vadove.

Kodėl duomenų integracija pagreitina sprendimus?

Mūsų požiūriu, sprendimus lėtina ne trūkstama analizė, o išsibarstę duomenys. Kai maršrutų, kaštų ir apskaitos rodikliai matomi vienoje vietoje, vadovas mato nukrypimą tą pačią dieną, o ne mėnesio pabaigoje. Rekomenduojame pradėti nuo mažo pilotinio projekto ir matuoti rezultatus nuo pirmos dienos.

— Analitika360

Kaip mūsų sprendimai papildo maršrutų analizę?

Maršrutų analizė duoda skaičius, bet vadovui reikia jų greito vaizdo kartu su finansais. Čia mes padedame:

• paruošti Power BI ataskaitų paketai, jungiantys duomenis iš Rivilė ir Finvalda;
• automatizuotos ataskaitos, kurios atsinaujina be rankinio darbo;
• individualūs projektai, kai reikia sujungti TMS, Excel ar kitus šaltinius.

Tai tinka vadovams ir finansų specialistams, kuriems reikia greitai matyti KPI. Paketą Rivilė Basic siūlome už 59 € per mėnesį, o individualius projektus už 70 € per valandą, kainas rasite mūsų kainų puslapyje. Parašykite mums ir suderinkime demonstraciją ar pilotą jūsų duomenims.

Dažniausiai užduodami klausimai

Kas yra maršrutų analizė ir kam ji naudojama?

Tai maršrutų scenarijų palyginimas pagal atstumą, laiką, talpą ir kaštus. Ją naudoja planuotojai ir vadovai, norėdami parinkti efektyviausią maršrutų tinklą.

Kokių duomenų reikia maršrutų analizei pradėti?

Reikia adresų ar koordinačių, pristatymo laiko langų, krovinio masės ir matmenų bei transporto priemonių parametrų. Eismo ir telemetrijos duomenys tikslumą dar pagerina.

Kokius KPI sekti vertinant maršrutų efektyvumą?

Svarbiausi yra bendras atstumas, vairavimo laikas, planuoto ir faktinio atstumo skirtumas, kaina už užsakymą ir CO2. Finansinį vaizdą papildo TCO pokytis.

Kiek laiko trunka maršrutų analizės pilotas?

Pilotui planuokite kelias savaites, o kontrolinius taškus pasirinkite pagal duomenų paruošimą ir pilotinės teritorijos dydį. Trukmė priklauso nuo duomenų paruošimo ir pilotinės teritorijos dydžio.

Rekomendacijos

• Transporto sąnaudų analizė: nuo pirmo maršruto iki 90 dienų plano
• Vadovams: etapinis realaus laiko ataskaitų diegimas ir atsiperkamumas