MI-től lesz hatékony? Így dolgozik a járattervező algoritmusunk

A Routic valódi ereje az egyedülálló technológiában rejlik. Saját fejlesztésű járattervezési megoldásunkkal akár 25%-os hatékonyságnövelés is elérhető a szállítási feladatoknál, és még a környezetünkre is jobban vigyázunk vele - de mi ez pontosan és hogyan működik?

Legyen szó egyéni vállalkozásról, vagy akár egy több ezer főt foglalkoztató nagyvállalatról, mindenki a hatékonyabb működéshez vezető utakat keresi. Ám van, amikor épp az út rövidítésében rejlik a megoldás: Mesterséges Intelligencia (MI) vezérelte járattervező megoldásunkkal akár negyedével csökkenthető a kiszállítások során megtett távolság.
Nézzünk is erről néhány valós esettanulmányt!

Az adatok egy ügyfelünk, egy napi, egy depóból történő kiszállításait mutatják, összehasonlítva a saját fuvarszervező megoldásukat a Routic járattervezésével:

• Napok száma: 1
• Járatok száma: 6
• Címek száma: 147

Minél több paramétert változtathat meg a járattervező algoritmus, annál nagyobb tere van az optimalizálásnak. Már azzal is javulás érhető el, ha a járművekre osztott küldemények sorrendjét felülírhatja, ha pedig teljesen újraoszthatja a megállókat a járművek között 25 csomag/útvonal feltétel mellett, már 8%-kal csökkenthető az összesen megtett kilométer.

Sőt, ha az útvonalak száma helyett csak azok maximális idejét rögzítjük, már 25%-os javulást tudtunk elérni. A negyedével csökkent összesített kilométert ráadásul a hat helyett négy jármű tudja teljesíteni.

A fenti esetben a hat jármű feladatait optimalizálva nettó 119.980 Ft költségcsökkentés értünk el egyetlen nap alatt, jelentősen csökkentve a járművek összesített károsanyag-kibocsátását is, amivel a környezetünknek is kedveztünk.

Minél nagyobb a feladatszám, annál jobb eredményeket hozhat a szállítási hatékonyság növelése. Második példánkban egy nagyvállalati ügyfelünk kiscsomagos járatait optimalizáltuk.

• Napok száma: 9
• Járatok száma: 382
• Címek száma: 38.535

A járattervező algoritmus itt is meggyőző eredményeket hozott. A megadott feltételek mentén az ügyfelünk által tervezett 382-ről sikerült 315-re csökkenteni a járatok számát, ami közel 20%-os javulást jelent. A kevesebb járat így azonos járműszám mellett gyorsabban teljesíthető, vagy hasonló kézbesítési idők mellett kevesebb járművel is megoldható.

Gyors segítség a kirakóshoz

Mégis hogyan juthattunk el ezekig az eredményekig? Az algoritmus ötlete 2019-ben született meg azzal a céllal, hogy optimalizált fuvarláncokat szervezzünk. Az alapját adó program első verzióját 2020-ban alkottuk meg az ELTE Matematika Intézetének két kutató professzorával, amit később házon belül fejlesztettünk tovább.

A járattervezés olyan, mintha egy kirakós darabjait kéne összeillesztened, hogy összeálljon a teljes kép, de azok helyét nehéz és időigényes lehet megtalálnod. Az algoritmus segít megtalálni a helyes megoldást a kirakósban: az egyes darabok információi, például az illeszkedő színek vagy formák alapján megmutatja, hogyan kell összekapcsolni őket.

Egymásra épülő algoritmusok MI-vel

A járattervezés működése több, egymásra épülő algoritmusból tevődik össze, melyek együtt logikusan felépített és maximális hatékonyságú láncokat alkotnak. Ezek működési sorrendben a következők:

• Klaszterezési algoritmus
• Konstrukciós algoritmus
• Evolúciós algoritmus

Bár elsőre bonyolultnak hangzik, az egyes lépések mögötti logikát könnyű megérteni. Nézzük sorban!

Gépi tanulásos csoportosítás - klaszterezési algoritmus

A klaszterezési algoritmus feladata, hogy csoportokba (cluster) rendezze a megállókat az elhelyezkedésük alapján, így az egymáshoz közeli pontok egy csoportba kerülnek. A csoportok kialakítására azért van szükség, mert így úgy alakíthatjuk ki a láncokat, hogy egy csoport egy lánchoz tartozzon. Ez azért fontos, hogy ne kelljen több járműnek is ugyanarra a területre mennie. Az általunk használt klaszterezési algoritmus az úgynevezett k-means clustering. A minél gyorsabb és hatékonyabb klaszterezés érdekében Mesterséges Intelligenciával dolgozunk, vagyis a járattervezés első lépéseit már az MI teszi meg.

Optimalizált fuvarlánc - evolúciós algoritmus

Az evolúciós algoritmus csak akkor képes működésbe lépni, ha rendelkezésre állnak a kezdeti megoldások, ezért van szükség a konstrukciós algoritmus előzetes lefuttatására. Ez az algoritmus a kezdeti verziókat módosítja és kombinálja, egyre jobb megoldásokat állítva elő. Ez egy iteratív függvény folyamat (a függvény többszörösen ismételt végrehajtása), ami "generációkra" van osztva - az evolúció mintájára csak a legjobb megoldások mennek tovább a következő generációba. 

Járattervezés néhány kattintással

Könnyen belátható, hogy minden vállalkozás számára komoly üzleti potenciállal bír a szállítások hatékonyságnövelése. A Routic járattervező megoldását egy egyedi szállításszervező szolgáltatás részeként kínáljuk ügyfeleinknek. Tedd próbára 30 napig ingyen, vagy kérj egy bemutatót, hogy megismerhess minden funkciót.