Сравнение планирования логиста и автоматического планирования
Чтобы оценить эффективность или подобрать правильные настройки алгоритма, сравните результаты планирования логиста и автоматического планирования. Под планированием логиста подразумевается решение, полученное ручным способом и с помощью других инструментов построения маршрутов, под автоматическим — решение, полученное алгоритмом Яндекс Маршрутизации.
Условия сравнения
Необходимо сравнивать планирование логиста и автоматическое планирование в равных условиях и учитывать специфику поставленной задачи.
Обязательные условия для корректного сравнения:
-
Одинаковые исходные данные — набор заказов, доступные автомобили.
-
Одинаковые ограничения — если логист может что-то нарушить, то такая же возможность должна быть у алгоритма.
-
Одинаковая матрица расстояний и времени. Разные матрицы и алгоритмы прогнозирования пробок — это одна из основных причин, по которой нельзя сравнивать метрики маршрутов, полученных из разных источников. Маршруты планирования логиста необходимо пересчитать на той же матрице расстояний и времени, которая используется для алгоритма Яндекс Маршрутизации.
-
Предварительная настройка алгоритма под целевые критерии оптимизации — у алгоритма много настроек, которые используются под определенные ситуации. Алгоритм можно настроить по-разному, чтобы искать оптимальное решение для минимизации количества автомобилей, пробега, количества и длительности опозданий. Настройки по умолчанию подходят не для всех сценариев. Подробнее о применении настроек читайте в разделе Примеры настроек по бизнес-кейсам.
Порядок выполнения (через Excel)
-
Приведите исходные данные в правильный формат.
-
Смоделируйте планирование логиста:
- Внесите запланированные маршруты в файл Excel. Если план логиста предполагает строгую последовательность посещения точек, то используйте настройку
fixed_planned_route
=true
на листе Vehicles, тогда алгоритм будет рассчитывать только расстояние и время. Еслиfixed_planned_route
=false
, последовательность посещения точек будет оптимизирована алгоритмом, но привязка заказов к машинам будет сохранена. - Запустите планирование.
- Проанализируйте результат. Часто на этом этапе становятся видны некорректные исходные данные. Исправьте данные так, чтобы в полученных маршрутах не нарушались строгие ограничения. После исправления повторите планирование.
- Внесите запланированные маршруты в файл Excel. Если план логиста предполагает строгую последовательность посещения точек, то используйте настройку
-
Смоделируйте автоматическое планирование:
- Подготовьте файл: скопируйте файл планирования логиста и удалите из него лист Routes. В этом случае распределение заказов между курьерами выполнит алгоритм.
- Запустите планирование.
-
Сравните метрики планирования логиста и автоматического планирования. При необходимости скорректируйте настройки и повторите моделирование.
Примечание
Частые ошибки в исходных данных:
-
Неверные координаты точек.
-
Лишние заказы.
-
Неправильное сервисное время.
-
Нарушение вместимости автомобилей.
-
Нарушение совместимости автомобилей и заказов.
Рекомендации
-
Решения необходимо моделировать на одну и ту же дату и желательно запускать в один и тот же день. Граф дорог и пробки периодически пересчитываются — один маршрут, рассчитанный для разных дней, может давать разный результат по общему времени и пробегу.
-
Обязательно пересчитывайте метрики планирования логиста через Яндекс Маршрутизацию. Пробег и время, полученные из других источников, могут отличаться и существенно влиять на результат маршрутизации.
-
Оценку можно проводить в интерфейсе Яндекс Маршрутизации — там видны нарушения ограничений.
-
Скорректируйте настройки под ваши бизнес-требования. Если появятся трудности при подборе настроек — обращайтесь в службу поддержки.
Примеры
Пример 1
Планирование логиста на исходных данных. Составлены маршруты для 50 автомобилей. При планировании допущены нарушения по вместимости и по тегам.
Пример Excel ⋅ Запрос API (JSON) ⋅ Ответ API ⋅ Открыть на карте
Пример 2
Автоматическое планирование на данных из примера 1. Количество автомобилей сократилось с 50 до 47.
Пример Excel ⋅ Запрос API (JSON) ⋅ Ответ API ⋅ Открыть на карте
Пример 3
Планирование логиста, но дополнительно скорректированы ограничения в исходных данных: увеличена вместимость для некоторых автомобилей, добавлены недостающие теги.
Пример Excel ⋅ Запрос API (JSON) ⋅ Ответ API ⋅ Открыть на карте
Пример 4
Автоматическое планирование на скорректированных данных. Количество автомобилей сократилось до 46.
Пример Excel ⋅ Запрос API (JSON) ⋅ Ответ API ⋅ Открыть на карте
Как видно из примеров, логист может ориентироваться на другие условия и ограничения, чем те, которые задаются для настроек алгоритма. Поэтому важен этап корректировки ограничений. При этом если разрешить алгоритму нарушать исходные ограничения (так же, как и логисту при ручном планировании), эффект оптимизации часто оказывается заметнее.