Умная доставка: как искусственный интеллект помогает улучшать внутригородскую логистику

Бауыржан Рустемов, CEO Relog — ИТ-сервиса для оптимизации внутригородских маршрутов и автоматизации логистики.

Сегмент внутригородской логистики растет. Только за последний месяц информационное поле пополнилось сразу несколькими сообщениями о том, что ведущие российские компании и сетевые игроки развивают и расширяют свою доставку. 

«Авито» заявила, что вложит в своей сервис «Авито доставка» 3,5 млрд рублей, объемы ее городской логистики выросли в 7 раз, а количество пользователей достигло 45 млн человек. Сеть ресторанов «Вкусно — и точка» намерена наладить доставку своих блюд. А «Вкусвилл», который является лидером онлайн-продаж в своем сегменте (занимает 15% рынка), заявил, что в первой половине 2022 года доставил 32 млн заказов, что в 2 раза больше год к году. 

За какими технологиями в доставке ближайшее будущее, и во что инвестируют разработчики, чтобы клиенты достигали своих бизнес-целей?  

Немного о тенденции в цифрах, которые более говорящие, чем стратегические заявления. В прошлом году количество онлайн-заказов в России увеличилось на 104%, составив 1,7 млрд заказов, подсчитала Data Insight. При этом городская доставка показала отличные результаты, поскольку 93,5% или 1570 млн заказов привезли покупателям курьеры логистических компаний и собственных служб игроков e-commerce. 

Что касается этого года, то за I квартал количество интернет-заказов выросло до 580 млн, хотя за тот же период 2021-го было 300 млн заявок (+ 93% за период). По прогнозам Data Insight, из-за санкций, ухода иностранных компаний и снижения доходов населения рынок городской логистики ждет пусть умеренный, но все же рост на уровне 10% и достижения объема в 675,2 млрд рублей.  

Доставка на последней миле во всей логистической цепочке самая сложная, поскольку должна учитывать большое количество параметров. Пробки на дорогах, указанные клиентами временные окна, работа склада, уровень сервиса в торговых токах – одни из самых простых среди них. Соответственно, стоимость городской доставки составляет 20-50% от всех затрат на логистику в зависимости от страны. 

Как сейчас разработчики TMS-систем помогают сократить эти расходы, совершенствуя доставку? Будет немного технических подробностей, потому что они имеют непосредственное отношение к бизнесу. 

Первый способ – используют в IT-продуктах эвристические и метаэвристические комбинаторные алгоритмы (МЭКА). 

Они отлично решают транспортную задачу бизнеса, когда у компании до 500 доставок в день. Но метаэвристика не может удовлетворить все запросы бизнеса в городской логистике: как только количество доставок в день переваливает за 1000, алгоритму требуется очень много времени на работу, и метрики при этом заметно ухудшаются.

Второй способ – применяют искусственный интеллект в алгоритмах TMS-систем. 

Так вот ИИ супер-ценен, когда количество доставок в день на уровне 1000-2000, много параметров и ограничений в логистике. МЭКА тут не справятся, поскольку вся соль в принятии решений. Чем сложнее доставка, тем больше факторов, которые должна учесть TMS-система. В большой и сложной логистике таких факторов может быть около 100 и традиционный алгоритм баз машинного обучения не сможет учесть все. 

Система, которая использует машинное обучение, не только учтет все актуальные параметры доставки, но и историю передвижения водителей со всеми деталями. То есть выбирать самые эффективные маршруты для доставки заказов она будет из прошлого и настоящего. 



Постоянно обучаясь, алгоритм станет делать свою работу все лучше и лучше. Как человек с однолетним опытом работы при прочих равных условиях не сравнится с тем, у которого стаж 5 лет, так и обычный алгоритм будет проигрывать интеллектуальному. То, что крупные компании, как те, о которых мы сказали в начале статьи, придут к умным TMS-системам на основе ИИ – вопрос времени. 

Более 60 стран мира создали и следуют своим национальным стратегиям по развитию ИИ, например, Россия, ОАЭ, Швейцария, Китай, Нидерланды, Норвегия, Франция, Япония, США. Там и научные разработки с исследованиями, и финансирование. По словам экс-заместителя министра экономического развития РФ Оксаны Тарасенко, к 2030 году экономическая активность на глобальном уровне в связи с ИИ достигнет 13 трлн долларов, что даст дополнительный рост мирового ВВП на 1,2% в год.

Итак, ИИ обладает:

● большой гибкостью, поэтому позволяет быстро и просто добавлять различные параметры доставки в TMS-системы;

● реактивностью, за счет неё на составление маршрутов доставки в 10 тысяч точек занимает менее 1 минуты;

● супермасштабируемостью, независимо от количества доставок и ограничений в логистике;

● лучшими метриками благодаря машинному обучению.

---

Читайте также:  Оптимизация логистики с Relog: как сделать доставку точкой роста для компаний

---

TMS-системы, работающие на основе ИИ помогают бизнесу решить массу задач, а главное:  

● повысить управляемость доставки, превратив ее из проблемы в точку роста бизнеса;

● сильно сократить транспортные расходы как за счет более оптимальной загрузки автопарка, так и благодаря выбору наилучших маршрутов, учету пробок и т.д.;

● в разы улучшить контроль работы водителей и сформировать справедливый KPI для них;

● сократить число отказов от заказанных товаров;

● повысить сервис-левел компании.

* * *

Использование этой технологии в IT-продуктах – дорогое удовольствие и поставщикам подобных решений в сфере логистики нужно вкладывать много ресурсов в них. Однако это не становится проблемой в виде сверхзатрат для клиентов, по счетам во всех смыслах платят компании-разработчики. Мы же для себя лично не рассматриваем и не будем рассматривать окупаемость ИИ отдельно, а в принципе оцениваем доходность своего бизнеса. И, конечно, умные алгоритмы не уничтожат все остальные решения в логистике. Они займут свое место, но принесут там максимальную пользу.  

Бауыржан Рустемов, 
CEO Relog — ИТ-сервиса для оптимизации внутригородских маршрутов и автоматизации логистики.

Для New Retail