Делюсь интервью с X5 Retail Group на тему грамотной маршрутизации перевозок для крупных ритейлеров при помощи TMS

Делюсь интервью с X5 Retail Group на тему грамотной маршрутизации перевозок для крупных ритейлеров при помощи TMS

В 2020 году один из крупнейших ритейлеров в России X5 Retail Group запустил систему планирования и маршрутизации заказов сборного груза и самовывоза (TMS LTL) с помощью компании Artlogics. О целях и результатах этого проекта рассказали начальник отдела развития сборных грузов Ольга Минкина и руководитель направления проектов Никита Семин.

Что побудило вас внедрить TMS-систему?

Наш отдел отвечает за планирование доставки от складов поставщиков до распределительных центров торговой сети. То есть сбор товара от нескольких поставщиков в одну машину и доставку до РЦ – так работает сборная доставка.

Основная сложность заключается в качественной маршрутизации доставки заказов. Есть много способов сгруппировать товар от большого количества поставщиков и доставить его на РЦ, и задача логиста – добиться минимальной стоимости доставки и максимальной утилизации машин.

Планированием и маршрутизацией заказов у нас занимались 14 человек, вся работа велась в Excel. Мы понимали, что это очень неэффективно, и для дальнейшего роста бизнеса придется наращивать штат.Наши основные ожидания:

  • Уйти от работы в Excel, так как это ненадежно;
  • Планировать и заказывать транспорт оперативнее;
  • Повысить утилизацию машин, снизить затраты на доставку;
  • Улучшить производительность сотрудников;
  • Автоматизировать заказ транспорта.

С какими сложностями вы столкнулись в работе с маршрутизацией заказов?

Сложнее всего было разрабатывать алгоритм маршрутизации заказов, который бы учитывал все нюансы планирования X5 Retail Group.

Изначально мы хотели ограничиться небольшим количеством параметров планирования. Но при первых же прогонах стало понятно, что их должно быть намного больше. За много лет у наших логистов уже сформировались негласные правила, по которым они решают, можно ли объединять грузы между собой. Эти правила нужно было формализовать, чтобы они учитывались при планировании, – на это ушло много времени. Пришлось заметно расширить набор мастер-данных, которые система использует при планировании.

Алгоритм мы дорабатывали последовательно. После каждой итерации прогоняли его на реальных данных и анализировали результаты вместе с логистами. Затем формировался новый набор параметров, которые добавлялись уже в следующей итерации.

Всего на калибровку алгоритма ушло где-то 6 месяцев. Параметров стало больше в 10 раз. В итоге мы научили алгоритм формировать сложные маршруты, проходящие как через несколько точек отгрузки и доставки, так и через несколько площадок сборных грузов с учетом всех ограничений на каждой точке.

Кроме того, нужно было выбрать правильную архитектуру и инфраструктуру. Выбор был между двумя вариантами: виртуализацией и микросервисами на базе Openshift.

Мы предпочли первый вариант, он позволяет нам работать с децентрализованной моделью, при которой возможности масштабирования ничем не ограничены. Это позволяет не зависеть от ограничений функционала и производительности. Оставалось только проследить, чтобы архитектура системы соответствовала требованиям компании.

Каких результатов удалось добиться после внедрения системы?

Маршрутизация доставки заказов помогла нам достичь нужной утилизации машин: сейчас этот показатель в среднем составляет 92%. В дальнейшем мы планируем добавить еще один параметр для учета сендвич-паллет, что позволит повысить утилизацию до 96%.

Объем операций с начала проекта вырос на 30%, при этом сотрудников в отделе осталось столько же. То есть в разрезе операций затраты на ФОТ упали.

В итоге себестоимость товара для торговой сети сократилась, как и стоимость доставки за паллету. Утилизация машин при этом повысилась.

Сейчас мы используем систему не только для планирования доставки на собственные РЦ, но и для коммерческих перевозок на сторонние РЦ других сетей.

Стоит отметить, что алгоритм готов к масштабированию бизнеса. То есть если вырастет число точек отгрузки и доставки, география охвата или количество площадок сборных грузов, дорабатывать ничего не придется. Алгоритм сможет обработать достаточный объем данных за приемлемое время.

Каковы ваши дальнейшие планы?

Сейчас тренд на сборные грузы прослеживается по всему миру, и подобные системы очень востребованы. Мы активно развиваем бизнес сборных доставок и планируем открывать новые площадки сборных грузов (ПСГ) и РЦ в регионах.

Уже сейчас мы пробуем автоматический учет грузов через ПСГ в системе, планируем доработать алгоритм для учета сендвич-паллет и объединения КДК и ультра-фреш продукции, а также интегрировать систему с нашей новой WMS-системой (Manhattan WMS).

Вы бы порекомендовали коллегам подобные решения для маршрутизации заказов?

Целевая аудитория для подобных решений – это ритейл с крупным автопарком и крупные перевозчики, организующие сборные доставки. Однако любой большой бизнес всегда должен считать деньги и руководствоваться двумя вещами: экономикой и стратегией.

С точки зрения экономики иногда выгоднее купить готовое решение и «докрутить» его под свои процессы. Особенно если нужен срочный результат. Но если процессы уже обросли спецификой, и планирование играет существенную роль в экономике компании, то правильнее будет разработать платформу с нуля.

Независимо от выбранного подхода важно убедиться, что у компании останутся все компетенции по данному продукту. Нельзя внедрить решение, которым компания не умеет управлять. Мы всегда формируем проекты под собственную IT-команду, которая перенимает все знания у разработчика, даже если покупаем готовое решение.

Компания Artlogics занимается разработкой специализированных решений для логистики, таких как площадка Pooling и облачная TMS-система Pooling Plus. Дополнительно мы предоставляем услуги по разработке логистических решений под заказ.

На нашем сайте вы найдете калькулятор экономии от внедрения ТМS-системы и сможете рассчитать, какую сумму она экономит для компании, а также заказать персональный расчет.

11
Начать дискуссию