人工智能精准决策，这家啤酒企业的运输调度有了“最强大脑”

如今啤酒已经越来越成为生活中不可或缺的一部分，啤酒行业市场前景广阔的同时，竞争也十分激烈，一些啤酒企业的利润受到严重挤压。在啤酒行业中，物流成本平均占8%左右，是啤酒企业较高的成本之一。能否有效控制物流运输成本，成为啤酒企业在竞争中获得新的利润增长点的重要方面。

作为一家全球领先的啤酒酿造商，某国际啤酒巨头这些年在中国市场不断发力并一直占据高端啤酒市场龙头地位。数据显示，这家啤酒企业去年亚太地区占全球啤酒消费量的37%，中国独占25%，在中国市场2019年上半年收入增长7.4%，其财报指出，啤酒高端化在中国市场仍将继续前行并扩大利差。

然而，啤酒销量不断增加的同时，某国际啤酒巨头运输业务规模也在不断扩大，车辆资源分配不合理、人工排班时间长、配送顺序错乱等业务运输调度问题逐渐显露，难以支撑业务快速发展。最终，该企业与具有丰富物流运输优化经验的杉数科技携手，开启了智能物流运输新征程。

运输优化问题亟待解决

对于某国际啤酒巨头来讲，上海地区的运输成本与排班调度是一个亟待解决的问题，过往沿用的人工排班方式在大规模业务需求下日趋困难。

1、多目标优化难以实现

某国际啤酒巨头人工排班难以同时实现减少用车数量及减少车辆行驶距离的多目标优化。对企业来讲要考虑装载、路线等问题，却无法去通盘考虑整个流程，只能通过传统方法做一些区域的划分，比如浦东、浦西分开来排班，分区排布就会损失一定的优化空间，车辆的利用率不高。

2、配送场景复杂

人工排班难以综合考虑复杂多变的城市配送场景，比如需要充分的了解城市分区分车型分时段的限行、单行禁行约束情况，一天不能多次跨黄浦江，了解到哪里有限重、限高、限宽、限速，哪里需要调头、左拐、过河/跨桥，哪里的站点接近司机住址，不同客户的收货时间窗要求如何等等。

3、排班耗时长

某国际啤酒巨头上海地区人工调度排班用时长达一小时，耗时较长，导致整体的装车、排车作业时间很长，响应速度不够快，业界也比较头疼没有办法得到一个比较精确的时长，该企业希望能大幅缩减排班时长。

4、排程误差大

车辆在每个站点的停留时长人工预测精度低，路线排程误差大，人工排班无法考虑到客户订单、网点信息与时间窗、路线模版、车辆信息、运输费率、装卸效率等信息。

5、经销商忠诚度低

通常情况下，经销商会代理很多相关产品，比如除了啤酒，还会有雪碧、可乐等等，产品好卖、销售量大、成本压力小关乎经销商忠诚度，提高合作粘性，降低经销商的运输成本变得至关重要。

因此，某国际啤酒巨头急需改善现有物流运作管理能力，而优化整个链条、减少运输成本、提升资源利用率和业务响应速度是关键和基础，经过多方对比，杉数科技利用运筹学模型与机器学习将实际问题转化为数学模型求解，解决一系列运输业务场景中的优化问题，且拥有专门针对物流优化问题的智能运输平台小马驾驾（PonyPlus）为物流行业提供全链条技术服务。最终，该啤酒企业确定与杉数科技合作，携手解决运输调度优化的实际问题。

整体解决方案

小马驾驾是杉数科技在市场上推出的首款智能配送优化SaaS产品，综合性的使用了多种算法模型，可以大幅提升运行效率和算法效果，操作便捷，可配置性强，比较标准的业务场景下可以在1分钟内得到满意的结果，为企业提供多维度、多目标、多场景的配送任务分配以及路线规划建议，显著提高企业的运营效率，降低物流决策成本。

1、满足常规限制条件，引入优化策略

首先，通过独立设计的智能优化VRPTW（Vehicle Routing Problem with Time Windows）算法，将啤酒企业客户的收货时间窗要求、车辆的装载上限、最大行驶里程、分区限行规则、车辆跟商品的对应关系、运输地点和车型的对应关系等作为限制条件引入优化计算过程中，确保这些常规限制条件的满足，引入优化策略。同时，根据该企业啤酒配送场景，配置针对性的优化策略，满足啤酒运输的需求，快速响应业务变化，小马驾驾多达20多个自定义参数，和15+优化策略形成一套组合拳，向啤酒运输优化的各个场景，提供有力支持并实现短时间内处理大量的运输任务的需求，将调度决策过程智能化、系统化。

不同于传统的VRP算法以车次最少或里程最短为目标，小马驾驾引入了相关费率的计算，使得优化以总成本最低为目标，切实为该啤酒企业降低运输费用。

2、将实际交通情况纳入优化限制约束中

通过实时调取高德地图的汽车导航数据，小马驾驾可以将上海市的实际交通状况及相关规定（例如限行、单行、禁止左转、禁止掉头等）充分纳入到某国际啤酒巨头运输优化的限制约束中进行考虑。通过设计定制化的算法内部惩罚机制，小马驾驾能够使优化出的结果线路尽可能避免出现过河/过桥等实际落地中需要规避的道路情况。

3、定制化的小马驾驾app供司机使用

为了实现某国际啤酒巨头系统优化出的车次路线的实际落地执行，便于线路结果及时传达至司机手中，便于应对配送过程中的突发事件而采取的重新实时路线优化，以及便于调度管理人员监督查看每条路线的实际完成情况，杉数科技开发了定制化的小马驾驾app供运输司机使用。此外，针对站点停留时间预测不准确的问题，小马驾驾通过app收集到的车辆在每个站点处的实际处理时长数据，并结合站点地址、货品种类、货品数量等维度设计了机器学习预测模型。

项目亮点多

自杉数科技小马驾驾运输车辆路径规划管理系统上线支持某国际啤酒巨头的每日排单调度任务以来，系统将排班用时从原先的1-2小时大幅度缩短至10分钟以内。

从该啤酒企业城市配送过程中的KPI来看，系统带来的影响主要可以总结为两方面：一是平均能够节省近8%的用车数量，减少用车成本；二是对于用车数量保持不变的情况，系统能够缩短车辆的行驶里程，平均来看，车辆总里程缩短了约10%。在提升了运输资源的利用效率后，配送效率也得到了明显的提升。每车次配送门店数最高增加了53.3%，每车次配送箱数最高增加了54.2%，节省了运输成本5%，投入产出比极大提升，实现降本增效。

除了以上提到的影响，系统更是从各个细节上改善了某国际啤酒巨头承运商使用体验。

一方面，小马驾驾系统规划出的结果即充分满足了某国际啤酒巨头各种复杂多变的城市配送运输场景约束，在严格遵循限行、单行等交通规则的情况下，尽量避免跨江/跨桥的情况出现；

另一方面，小马驾驾机器学习方法的引入大大提升了某国际啤酒巨头站点停留时长的预测精度，从而订单完成的准时度提升了30%，客户满意度得到了明显改善。

未来发展及改进方向

过去十几年，运筹学在国内企业的应用其实是相对比较空白的。放眼看到世界范围内，在西方国家，其实运筹优化企业应用非常普遍，运输优化是一个非常成熟的领域，但在国内还处在刚刚起步的阶段，各家企业还处在传统的人工调度向智能调度的转型期。

从行业来说，目前全国的物流费用在各个企业都是逐年攀升，且随着业务量的增长，物流运输费用所占比重也越来越大。如果企业能够比竞争对手更高效、更快速的完成物流运输，在不降低服务质量的情况下，就可以抢占先机。毕竟，在商品同质化和服务同质化越来越严重的今天，如何在这么多服务里面以更低的成本，提供相同的服务成为一个企业能否生存的重要指标。

物流各个环节产生的海量数据，经过大数据技术的处理和分析，将会产生巨大的市场价值。这就需要大数据和智能优化系统等新兴技术手段的支持。人工智能拥有非常强大的计算能力和算法，能够对理解和行动进行排序、评估和加速，原来可能没有办法求解的问题，现在也可以被求解。

如今，一些龙头企业已经在利用人工智能和机器学习来优化决策，在物流、供应链和运输领域上，对仓库位置、成本、库存、运输工具、车辆和人员等问题进行相关的实时决策、预测分析、战略优化。通过杉数小马驾驾及现代化智能运输的手段，可以让企业切实节省成本、提高效率，对系统企业来讲，拥抱新技术是势在必行的趋势，企业应该选择大胆拥抱、突破自我，实现货主和承运商双赢的局面。

文由“135编辑器”提供技术支持

物流圈子

多年来，杂志社成功举办了服装行业、零售行业、制造业、家居行业、物流装备行业等多个品牌活动，受到广泛好评。为方便大家交流沟通、拓展人脉，我们打造了五大行业物流圈子。包括：零售业物流圈、制造业物流圈、服装物流圈、家居物流圈、物流装备圈。目前由于人数较多，需要加小编个人微信邀请入群，添加时请注明企业、职位，否则不予通过。