Автоматическая маршрутизация на 100% — правда или миф?

Яндекс.Маршрутизация — платформа для автоматического планирования маршрутов выездного персонала. Ей пользуются производители продукции, чтобы доставлять свой товар до торговых точек, интернет-магазины, чтобы планировать маршруты курьеров, сервисные компании, которым нужно построить порядок обслуживания точек инженером и многие другие бизнесы.

Если обобщить, то наш продукт используют компании, в которых есть регулярная задача по построению оптимальных маршрутов для посещения какого-то количества адресов, есть ресурсы для выполнения этой задачи, есть требования и ограничения, которые нужно соблюдать.

С одной стороны такая задача относится к разряду комбинаторных и не имеет единственно верного решения, с другой стороны она лучше всего подходит для решения с помощью алгоритмов.

Бытует мнение, что полностью автоматического планирования не существует, что логист должен и будет исправлять полученное алгоритмом решение. Мы хотели бы ответить на вопрос «можно ли получить полностью автоматическое планирование» и что для этого нужно сделать.

Когда наши партнеры начинают проекты по автоматизации планирования, они неизбежно сталкиваются с тем, как человек-эксперт оценивает работу алгоритма — хочет ли он скорректировать полученное роботом решение или оно его устраивает?

Мы в команде Яндекс Маршрутизации ввели специальную метрику — процент ручных корректировок. Под ней мы понимаем долю заказов, которые логист корректировал вручную после того, как он получил готовый маршрут от алгоритма. Наилучшим результатом будет снижение процента ручных корректировок до 1-2%.

Мы считаем, что чем меньше будет ручных корректировок, тем больше будет польза от применения автоматизации.

Несмотря на то, что логистика для разных клиентов из одной отрасли, как правило, имеет схожие черты, у каждого клиента всегда есть свои нюансы и особенности. Это накладывает свой отпечаток на требуемые настройки алгоритма.

Чаще всего необходимость в доработках возникает в процессе тестирования, реже — при реальном использовании. Эти доработки могут касаться индивидуальных нюансов — например, логист хочет учитывать разную работоспособность водителей при построении маршрутов. Или они связаны с тем, что изначально озвучиваемые требования не соответствуют практике — к примеру, вводится строгое соблюдение графика работы водителей, который на практике почти всегда нарушается.

Наконец, задача по построению маршрутов — это задача многокритериальной оптимизации, у которой нет единственно верного решения. Зачастую логист не сразу может сформулировать, какой критерий для него важнее и что ляжет в основу алгоритма построения маршрутов.

Желание логиста изменять маршруты можно поделить на две условных группы: настройки и доработки алгоритма маршрутизации и изменение процессов на стороне клиента.

Наша практика показывает, что правильными настройками алгоритма планирования снимается до 90% замечаний логиста. Как правило, необходимость этих корректировок возникает из-за того, что алгоритму заданы ограничения, которые он не может нарушать. В то же время логист в реальной жизни может гибко нарушать параметры своей же модели. При этом мы не говорим, что нарушения это плохо — они помогают найти баланс между получаемым решением и его стоимостью.

Приведем несколько примеров:

Некоторые логисты при планировании немного перегружают машины, чтобы повысить утилизацию транспорта. Перегруз на несколько килограмм может приводить к лучшему чем у алгоритма результату, для которого грузоподъемность — строгое ограничение.

Исправить это довольно просто — можно «рассказать» алгоритму, какие параметры являются гибкими и насколько. Тогда алгоритм будет допускать перегруз на заданную логистом величину и необходимость в ручных корректировках отпадет.

Еще одним популярным примером являются нюансы тарификации и приоритеты используемых машин. В нашем алгоритме по умолчанию предоставляются основные схемы тарификации — за километраж, время, за точку и их комбинация.

Однако в некоторых компаниях мы встречаемся с дополнительными ограничениями, которые накладываются на эту модель — например, тарификация за километр меняется в зависимости от удаленности точки или от количества точек на маршруте.

Если не учесть эти ограничения, то эксперт скажет, что маршруты получились неоптимальными, но если подобрать параметры планирования правильно, то полученное автоматическое решение в 90% случае будет лучше, чем решение, полученное вручную.

Мы всегда говорим, что внедрение Яндекс Маршрутизации — это не внедрение в классическом понимании этого слова, а скорее поиск правильных настроек алгоритма, которые с одной стороны могут поддержать операционную схему, существующую в компании, а с другой стороны, дадут потенциал для оптимизации.

Безусловно, на первых порах, мы помогает найти этот набор параметров и их конфигурации.

Другой проблемой внедрения является то, что логисты стараются перестраховаться даже при работе с алгоритмом, например, указать более длительное время обслуживание на точке, чем оно есть в реальной жизни или подстраховаться, ограничив максимальное число точек на маршруте, потому по их мнению водители не могут проехать за день более 20 точек.

На первых порах эксперт не полностью доверяет полученным автоматическим решениям и старается управлять алгоритмом с помощью дополнительных ограничений. Безусловно, часть подобных ограничений влияет на итоговые метрики получившегося решения — например, ограничение по количеству точек на маршруте курьера вынуждает алгоритм делать менее оптимальные маршруты, чем без учета подобного ограничения.

Как ограничение по количеству точек может влиять на общую стоимость доставки? Например, у вас есть 1000 заказов и вы ограничили маршрут 20 адресами. Значит, вам понадобится около 50 машин, чтобы справиться с доставкой. Алгоритм, уплотняя маршруты предлагает по 25 точек для курьеров в среднем. Это значит, что для доставки тех же 1000 заказов понадобится 40 машин. Стоимость использования 10 машин в день и есть цена неоптимальности из-за ограничений. В среднем, день работы коммерческого транспорта стоит от 4 до 6 тысяч. Это значит, что можно экономить или терять 40-60 тысяч при таком объеме доставки.

Однако, по мере работы с параметрами планирования, эксперты начинают все больше входить во вкус, понимая, что алгоритм является гибким механизмом, которым можно и нужно управлять. Так, многие логисты переходят не просто к решению задачи планирования маршрутов, но и к моделированию разных сценариев.

Это помогает раскрыть потенциал использования технологий на 100%, а задачи логиста переходят из разряда «рутина» в категорию «а что если мы попробуем покрутить вот эту ручку».

Так, например, некоторые клиенты проводят так называемые «пристрелочные» планирования применяя разные параметры работы алгоритма. Основная задача — найти сбалансированную модель, которая бы обеспечивала высокий уровень клиентского сервиса, но снижала бы затраты на доставку.

В общем случае после устранения основных причин недовольства экспертов компания начинает получать реальный эффект от автоматического планирования, которое ведет к снижению логистических затрат и повышению общей эффективности логистики.

Это происходит за счет следующих факторов: