受消费者行为转变和疫情影响,电子商务继续呈爆炸式增长和转型。因此,物流和运输公司发现自己处于包裹配送革命的前沿。这新的现实情况在最后一英里配送中尤为明显,而后者现在已经成为供应链物流中成本最高的要素,占从零售到制造等各行业供应链总成本的41%以上。可以理解的是,最后一英里配送成本的飙升正在促使人们努力找出并缓解根本原因。
最后一英里配送挑战因车辆路线规划问题(VRP)而变得更加复杂。作为旅行推销员问题的泛化,VRP 问:“一支车队向一组特定客户交付时,应该采用的最佳路线集是什么?”如果仅有 10 个配送目的地,就可以进行超过 3,000,000 次的排列和行程组合。如果目的地为 15 个,可能的路线数量可能超过 1 万亿次。随着目的地数量的增加,相应的可能行程数量甚至超过最快的超级计算机的功能,而这并没有考虑到常见的运营限制,例如车队可用性、导航能力和访问限制。
转变路由服务
这些限制,加上运输和物流领域可能的调整和不断演变,使得企业建立甚至外包有效的路线优化服务变得越来越困难。
作为 NVIDIA 初创加速计划的成员,clicOH 开发了一种专有路由模型来应对这些挑战。其解决方案利用了 NVIDIA 的最新技术,从启发式和元启发式优化算法到机器学习和人工智能。此外,通过依赖 NVIDIA 库的效率,clicOH 的应用程序可以快速适应包分发密度、成本效率和交付时间优化的不同要求,从而实现最后一英里交付。
优化最后一英里配送成本
clicOH旨在使用NVIDIA库解决一系列路由挑战。例如,该公司采用了NVIDIA cuOpt来支持其与旅行推销员问题相关的工作,并确定最佳配送路线。cuOpt库与GPU以及RAPIDS和CUDA等库配合使用,以生成更快、更准确的配送路线。
此外,RAPIDS 使 clicOH 能够在无需修改代码的情况下实施无监督式机器学习算法,从而提高数据分析的效率。这些无监督式算法能够对高需求的邮政编码进行集群,以提高交付效率,并识别难以到达的区域。当与 NVIDIA cuOpt 结合使用时,这些算法可以在几分钟甚至几秒钟内处理数千条路线,从而优化交付时间,同时考虑到本地路线限制。这最终降低了交付成本。
通过在 AWS 开发环境中使用 NVIDIA GPUs,clicOH 分析了跨多个城市的数千条预先存在的路线,以绘制路线效率低下的地图。这一分析使 clicOH 能够简化其物流解决方案的开发,并增强应用程序的自适应能力。
clicOH 还开发了一个深度学习模型,以优化交付时间、最大限度地提高车队利用率,并识别因调度限制而面临交付挑战的邮政编码。通过使用 NVIDIA 加速计算优化其 AI 模型,clicOH 将集群路线规划速度提高了 20 倍,并将总体运营成本降低了 15%。
详细了解 clicOH 加速物流解决方案。如需进一步探索 NVIDIA cuOpt 如何增强您的车队路由工作流,请访问 NVIDIA 开发者论坛。