Drie sleutel routeplanningsstrategieën voor grootschalige detailhandelaren

Naarmate detailhandeloperaties steeds complexer worden, wordt leveringsplanning een cruciaal deel van de gehele logistieke supply chain.

Hoewel veel bedrijven transportmanagementsystemen hebben geïmplementeerd, worden dagelijkse routeplanning en scheduling voor het grootste deel handmatig gedaan. Deze repetitieve processen consumeren lange uren, en frusteren inspanningen om inefficiënties te reduceren.

Een algemene detailhandel leveringsoperatie omvat winkel fulfillment vanaf meerdere distributiecentra, gebruikmakend van een mengeling van private vlooten en third-party logistics providers. Verschillende variabelen maken optimale routeplanning voor detailhandel distributie anders dan die van groothandel distributie of levering:

• Detailhandelaren levereren aan hun winkels, dus de leveringslocaties zijn stabiel. Aan de andere kant, bestelhoeveelheden kunnen variëren, wat dezelfde route onhaalbaar maakt van de ene dag op de andere.
• Detailhandelaren bedienen vaak uitzonderlijk grote gebieden vanaf hun DC's. In tegenstelling tot andere B2B distributoren, kan een gegeven DC meerdere staten dekken. Dus naast het omgaan met langere afstanden, moeten detailhandelaren ook multi-dag, multi-stop leveringen plannen.
• Hoewel vrachtwagens meer tijd in elke locatie doorbrengen, zijn leveringsvensters nog steeds tamelijk strak. Dit laat zeer weinig ruimte voor flexibiliteit, en optimale laad- en routeplanning.

Grote vloot-gebaseerde detailhandelaren bedienen meestal honderden winkels vanaf tussen drie en 10 DC's, gebruikmakend van vlooten van meer dan 30 vrachtwagens. Elke vrachtwagen doet drie tot 10 stops per rit, afhankelijk van de afstand en bestelgrootte van elke winkel.

Ondanks dat leveringslocaties stabiel is, kan de vraag naar deze locaties substantieel variëren van dag tot dag. Verschillende servicetijden en hoeveelheden maken het moeilijk om hetzelfde routeplan te handhaven, evenals leveringssequencing van DC's naar winkels. Als resultaat zijn planners verplicht lange uren te besteden aan het plaatsen van orders in vrachtwagens, en het uitrekenen van het aantal stops dat nodig is om leveringsvensters te halen. Naast de lange planningsuren en potentieel voor late leveringen, rijden bedrijven vaak onnodige en excessieve kilometers, aangezien planners meestal geen tracking capaciteit hebben om passende key performance indicators te genereren.

Welke variabelen moeten planners overwegen, wanneer het doel is een optimaal routeplan voor een gegeven dag orders te bereiken?

Leveringstijd

Zoals eerder gezegd, bedienen DC's grotere detailhandel distributiegebieden vergeleken met stadsdispatch, en kunnen meerdere dagen duren om leveringen te voltooien. Planners moeten accurate rijtijden handhaven gebaseerd op starttijden en routes. Ze moeten ook rekening houden met de verplichte diensttijdvereisten voor enkele chauffeurs en teams. Zelfs als planners min of meer rijtijden tussen verschillende stops kunnen voorspellen, is het moeilijk om deze te combineren met varierende servicetijden, en beide goed georganiseerd te houden via handmatige operaties bij het wisselen tussen stopsequenties.

Leveringsvensters

Meeste winkels hebben strikte leveringsvensters die bepalen wanneer vrachtwagens moeten lossen. Een gemiddeld venster voor een gegeven winkel varieert van één tot drie uur, en kan overlappen met anderen. Aangezien ritten meerdere dagen kunnen duren, creëert elke variatie in stops problemen voor planners, wanneer ze nieuwe informatie in leveringsvensters moeten passen.

Servicetijden

Gemiddelde servicetijd bij elke winkel kan variëren om meerdere redenen. Sommige winkels zijn drukker dan anderen, of kunnen verschillende graden van efficiëntie in hun ontvangstoperaties hebben. Ten tweede, zullen servicetijden anders zijn vanwege variabele bestelgroottes. Volgens algemene praktijk variëren servicetijden voor een gegeven winkel typisch van 30 tot 90 minuten. Strakke leveringsvensters en uitgebreide servicetijden maken het ook moeilijker om het aantal en de sequentie van stops te variëren.

Dus planners moeten al deze variabelen balanceren om uitvoerbare routes en lading te krijgen. Het probleem is dat er honderden of zelfs duizenden potentiële combinaties van orders zijn, met meerdere vrachtwagens en wisselende stops. Handmatig gedaan, duurt dit proces te lang.

Planners moeten de beste oplossing selecteren om alle stops in leveringsvensters te passen. Significante inefficiënties zijn waarschijnlijk door het toenemende risico op late leveringen of excessieve kilometers, omdat de menselijke hersenen simpelweg niet zoveel variabelen kunnen jongleren om het meest optimale plan te produceren.

Voertuig-routingsproblemen zijn makkelijk op te lossen in eenvoudige gevallen, maar het incorporeren van alle bovengenoemde constraints maakt het moeilijk om ze in het echte leven op te lossen. Een van de meest moeilijke is het capacitated vehicle routing problem met tijdsvensters. Het hoofddoel van dit algoritme is om optimale kilometers of rijtijd uit een plan te halen, terwijl alle leveringsvensters en vrachtwagencapaciteitsconstraints worden gehaald. Onze hersenen besteden te veel tijd aan het oplossen voor grote dataloads, en individuen zullen waarschijnlijk niet-optimale resultaten krijgen door te plannen voor excessieve kilometers of te veel vrachtwagens te gebruiken.

Er zijn een aantal routeplanning software applicaties die het probleem oplossen voor grote aantallen leveringen. Hoewel veel lijken te beschikken over vergelijkbare functionaliteit, moeten detailhandelaren voorzichtig zijn in het kiezen van de ene die alle vereisten overweegt, en het beste past bij doelen voor volume leveringen. Meerdere real-life situaties worden niet gecoverd in academische papers; dus sommige applicatiebouwers rekening niet mee met planningsrealiteiten bij het bouwen van heuristische algoritmes voor hun software. Het zou wijs zijn om tests te doen op verschillende weken data, om te zien of een gegeven oplossing de beste fit is voor een bedrijfsoperatie.

Vardan Markosyan is CEO bij Less Platform.