受消費者行為轉變和疫情影響,電子商務繼續呈爆炸式增長和轉型。因此,物流和運輸公司發現自己處于包裹配送革命的前沿。這新的現實情況在最后一英里配送中尤為明顯,而后者現在已經成為供應鏈物流中成本最高的要素,占從零售到制造等各行業供應鏈總成本的41%以上。可以理解的是,最后一英里配送成本的飆升正在促使人們努力找出并緩解根本原因。
最后一英里配送挑戰因車輛路線規劃問題(VRP)而變得更加復雜。作為旅行推銷員問題的泛化,VRP 問:“一支車隊向一組特定客戶交付時,應該采用的最佳路線集是什么?”如果僅有 10 個配送目的地,就可以進行超過 3,000,000 次的排列和行程組合。如果目的地為 15 個,可能的路線數量可能超過 1 萬億次。隨著目的地數量的增加,相應的可能行程數量甚至超過最快的超級計算機的功能,而這并沒有考慮到常見的運營限制,例如車隊可用性、導航能力和訪問限制。
轉變路由服務
這些限制,加上運輸和物流領域可能的調整和不斷演變,使得企業建立甚至外包有效的路線優化服務變得越來越困難。
作為 NVIDIA 初創加速計劃的成員,clicOH 開發了一種專有路由模型來應對這些挑戰。其解決方案利用了 NVIDIA 的最新技術,從啟發式和元啟發式優化算法到機器學習和人工智能。此外,通過依賴 NVIDIA 庫的效率,clicOH 的應用程序可以快速適應包分發密度、成本效率和交付時間優化的不同要求,從而實現最后一英里交付。
優化最后一英里配送成本
clicOH旨在使用NVIDIA庫解決一系列路由挑戰。例如,該公司采用了NVIDIA cuOpt來支持其與旅行推銷員問題相關的工作,并確定最佳配送路線。cuOpt庫與GPU以及RAPIDS和CUDA等庫配合使用,以生成更快、更準確的配送路線。
此外,RAPIDS 使 clicOH 能夠在無需修改代碼的情況下實施無監督式機器學習算法,從而提高數據分析的效率。這些無監督式算法能夠對高需求的郵政編碼進行集群,以提高交付效率,并識別難以到達的區域。當與 NVIDIA cuOpt 結合使用時,這些算法可以在幾分鐘甚至幾秒鐘內處理數千條路線,從而優化交付時間,同時考慮到本地路線限制。這最終降低了交付成本。
通過在 AWS 開發環境中使用 NVIDIA GPUs,clicOH 分析了跨多個城市的數千條預先存在的路線,以繪制路線效率低下的地圖。這一分析使 clicOH 能夠簡化其物流解決方案的開發,并增強應用程序的自適應能力。
clicOH 還開發了一個深度學習模型,以優化交付時間、最大限度地提高車隊利用率,并識別因調度限制而面臨交付挑戰的郵政編碼。通過使用 NVIDIA 加速計算優化其 AI 模型,clicOH 將集群路線規劃速度提高了 20 倍,并將總體運營成本降低了 15%。
詳細了解 clicOH 加速物流解決方案。如需進一步探索 NVIDIA cuOpt 如何增強您的車隊路由工作流,請訪問 NVIDIA 開發者論壇。
?