Planowanie tras to codzienna gra w kompromisy: krótszy przejazd kontra okno czasowe u odbiorcy, pełne wykorzystanie naczepy kontra limity czasu pracy kierowcy. Sztuczna inteligencja nie zdejmuje tych ograniczeń, ale pozwala przeliczyć setki wariantów w czasie, w którym spedytor sprawdziłby dwa. W tym artykule pokazujemy, co realnie zmienia AI w układaniu tras i jak wspiera ten proces moduł linkway.AI.
Dlaczego ręczne planowanie tras przestaje wystarczać
Dopóki firma obsługuje kilkanaście zleceń dziennie na powtarzalnych relacjach, doświadczony spedytor układa trasy szybciej niż jakikolwiek system. Problem zaczyna się przy skali. Gdy dochodzą nowi odbiorcy, zmienne okna dostaw, przewóz ładunków częściowych i podwykonawcy z różnym taborem, liczba możliwych kombinacji rośnie wykładniczo. Człowiek przestaje ogarniać całość i wybiera pierwszy plan, który wygląda sensownie, a nie ten najlepszy.
Do tego dochodzą koszty ukryte. Puste przebiegi między rozładunkiem a kolejnym załadunkiem, źle dobrana kolejność punktów, przestoje pod rampą, gdy pojazd przyjeżdża poza oknem czasowym. Każdy z tych elementów z osobna wygląda niepozornie, ale w skali miesiąca to realne pieniądze i godziny pracy kierowców, których i tak brakuje.
Ręczne planowanie ma jeszcze jedną słabość: jest wiedzą jednej osoby. Kiedy spedytor idzie na urlop albo zmienia pracę, firma traci wyczucie, które relacje są opłacalne, u kogo rozładunek zawsze się przeciąga i którędy nie warto jechać w piątkowe popołudnie.
Skutek widać w liczbach dopiero po fakcie, przy rozliczeniu miesiąca. Marża na zleceniu okazuje się niższa od zakładanej, bo doszedł pusty przejazd i nadgodziny kierowcy, a przyczyny nikt nie zapisał. Bez danych trudno powiedzieć, czy to jednorazowy pech, czy powtarzalny wzorzec, który da się wyeliminować lepszym ułożeniem trasy.
Co sztuczna inteligencja wnosi do planowania tras
Optymalizacja tras jako problem matematyczny jest znana od dekad. Nowe jest to, że modele uczące się potrafią oprzeć decyzję na historii konkretnej firmy, a nie tylko na odległości i średniej prędkości z mapy. AI analizuje, ile naprawdę trwał przejazd na danej relacji o danej porze, jak długo pojazd stał u konkretnego odbiorcy i jak często na tej trasie pojawiały się utrudnienia.
Dzięki temu prognoza czasu dojazdu przestaje być optymistycznym szacunkiem, a staje się liczbą opartą na tym, co faktycznie się działo. Model dobiera kolejność punktów i przypisanie pojazdów tak, aby zmieścić się w oknach czasowych przy możliwie najkrótszym łącznym przebiegu. Zamiast jednego planu proponuje kilka wariantów z widoczną różnicą w kosztach i ryzyku opóźnienia, a wybór zostawia człowiekowi.
Istotna jest też szybkość. Przeliczenie planu dla całego dnia zajmuje sekundy, więc spedytor może przetestować scenariusze - co się stanie, jeśli dołożymy jeszcze jedno zlecenie, jeśli kierowca zacznie godzinę później, jeśli klient przesunie okno dostawy. To zmienia planowanie z jednorazowej decyzji w narzędzie do sprawdzania pomysłów.
Nie chodzi przy tym o zastąpienie doświadczenia, tylko o jego uzupełnienie. Model dobrze radzi sobie z liczeniem i porównywaniem wariantów, ale nie wie, że dany kierowca zna trasę i poradzi sobie z trudnym rozładunkiem, ani że z konkretnym klientem trzeba obchodzić się ostrożniej. Te informacje wnosi człowiek, korygując propozycję systemu tam, gdzie dane nie mówią wszystkiego.
Dane, na których uczy się model
Jakość planu zależy od danych, którymi karmimy model. Podstawę stanowią informacje, które firma i tak trzyma w systemie TMS: adresy załadunku i rozładunku, okna czasowe, parametry ładunku, dostępny tabor oraz kalendarz kierowców. Do tego dochodzą pozycje GPS z floty, które pokazują rzeczywisty czas przejazdu i długość postojów.
Im dłużej system zbiera te dane, tym lepiej rozpoznaje wzorce specyficzne dla danej firmy. Wie, że rozładunek w określonym magazynie w poniedziałek rano trwa dłużej, że wjazd do centrum miasta w godzinach szczytu kosztuje dodatkowe czterdzieści minut i że pewien odbiorca rzadko dotrzymuje umówionego okna. Model wbudowuje te obserwacje w plan, zamiast liczyć na to, że wszystko pójdzie zgodnie z mapą.
Warto zadbać o porządek w kartotece jeszcze przed wdrożeniem. Zdublowane adresy, brakujące okna czasowe i niepełne dane o pojazdach obniżają trafność prognoz. Uporządkowanie tych informacji to zwykle najbardziej pracochłonny, ale i najbardziej opłacalny krok.
Wiele ograniczeń naraz: okna czasowe, czas pracy, ładowność
Prawdziwa trudność w planowaniu nie polega na znalezieniu najkrótszej drogi między dwoma punktami, tylko na pogodzeniu wielu warunków jednocześnie. Trasa musi mieścić się w oknach czasowych wszystkich odbiorców, nie może przekraczać dopuszczalnego czasu prowadzenia pojazdu, musi uwzględniać wymagane przerwy i odpoczynki, a ładunek nie może przekroczyć masy ani przestrzeni naczepy.
AI traktuje to jako jeden problem, a nie serię osobnych decyzji. Kiedy dołożenie kolejnego punktu wypycha kierowcę poza limit czasu pracy, model sam sprawdza, czy przełożenie tego zlecenia na inny pojazd albo na następny dzień da lepszy wynik dla całej floty. Człowiek podejmujący te decyzje po kolei zwykle nie ma czasu, żeby cofnąć się i przeliczyć całość od nowa.
Efektem jest plan, który rzadziej wymaga gaszenia pożarów w trakcie dnia. Mniej telefonów od kierowców, którzy nie zdążą na rozładunek, mniej ładunków przełożonych w ostatniej chwili i mniej nadgodzin wynikających ze źle ułożonej kolejności punktów.
Widać to też w wykorzystaniu taboru. Gdy system pilnuje ładowności i przestrzeni naczepy przy układaniu tras, rzadziej zdarza się, że pojazd rusza w trasę wypełniony w połowie, a drugi jedzie tego samego dnia w podobnym kierunku. Lepsze łączenie ładunków częściowych to zwykle najszybciej zauważalna oszczędność.
Dynamiczne przeliczanie trasy w czasie rzeczywistym
Plan ułożony rano rzadko przetrwa cały dzień bez zmian. Wypadek na trasie, przedłużający się rozładunek, pilne zlecenie od stałego klienta - każde takie zdarzenie sprawia, że dalsza część planu przestaje pasować do rzeczywistości. Bez wsparcia systemu spedytor reaguje odruchowo i zwykle lokalnie, poprawiając trasę jednego pojazdu.
Sztuczna inteligencja podłączona do danych GPS widzi odchylenie od planu, gdy tylko się pojawi, i proponuje korektę dla całej floty, a nie tylko dla pojazdu, którego dotyczy problem. Może zasugerować przekazanie jednego z przystanków innemu kierowcy, który jest bliżej i ma zapas czasu pracy. Spedytor dostaje gotowy wariant do zatwierdzenia, zamiast układać go od zera pod presją czasu.
Ta sama warstwa danych pozwala aktualizować przewidywany czas dotarcia do celu i informować odbiorców o zmianie z wyprzedzeniem, zanim zaczną dzwonić z pytaniem, gdzie jest ładunek.
Jak linkway.AI wspiera planowanie w praktyce
W platformie Linkway planowanie tras opiera się na danych, które już są w systemie. linkway.TMS prowadzi kartotekę zleceń, pojazdów i kontrahentów oraz rozlicza przejazdy, linkway.INTEGRATOR zbiera pozycje GPS z wielu dostawców telematyki w jednym widoku, a linkway.AI jest warstwą, która na tej podstawie proponuje kolejność punktów, przypisanie pojazdów i korekty w trakcie dnia.
Dla spedytora oznacza to jeden ekran zamiast przełączania się między mapą, arkuszem i panelem telematyki. Model podpowiada plan, pokazuje spodziewany koszt i ryzyko opóźnienia, a użytkownik akceptuje albo zmienia propozycję. Decyzja i odpowiedzialność zostają po stronie człowieka; system skraca drogę do niej.
Rozwiązanie działa w modelu SaaS, przez przeglądarkę, bez instalacji i własnej infrastruktury serwerowej. Wdrożenie zaczyna się od modułów, które firma faktycznie wykorzysta, a kolejne można dołączać w miarę potrzeb.
Od czego zacząć wdrożenie
Najpierw warto uporządkować dane. Ujednolicone adresy, komplet okien czasowych i aktualna kartoteka pojazdów to warunek sensownych prognoz. Równolegle dobrze jest podłączyć sygnał GPS z całej floty, także od podwykonawców, żeby model uczył się na pełnym obrazie, a nie na wycinku.
Potem sprawdza się AI na jednym obszarze - na przykład na dystrybucji regionalnej z powtarzalnymi trasami - i porównuje wynik z dotychczasowym sposobem planowania. Gdy różnica w przebiegach i dotrzymywaniu okien czasowych jest widoczna, rozszerza się zakres na kolejne relacje.
Jeśli chcesz zobaczyć, jak to działa na danych Twojej firmy, umów prezentację. Pokażemy planowanie tras z linkway.AI na przykładowym dniu z Twojej floty i podpowiemy, od którego modułu zacząć.