5 cech, które musi posiadać inteligentny system dostaw

Zakupy w sieci stają się synonimem dostawy just-in-time. Szybka i niezawodna realizacja zamówień na etapie „ostatniej mili” nie jest już przewagą konkurencyjną, ale koniecznością. Wygodna dostawa, zwłaszcza w przypadku towarów łatwo psujących się, jest niezbędna. Jest to również ogromne wyzwanie logistyczne dla detalicznych sklepów spożywczych typu "brick-and-click", piszą eksperci DataArt, globalnej firmy zajmującej się tworzeniem oprogramowania.

Dostawy te muszą dotrzeć do klienta tego samego dnia lub w ciągu kilku godzin od złożenia zamówienia. Nawet w godzinach szczytu, sprzedawcy starają się zmieścić w 30-minutowym oknie dostawy, które klient wybiera na stronie internetowej. To okno również się zawęża, ponieważ konsumenci coraz częściej oczekują 15-minutowych przedziałów czasowych dostawy. Byłoby to niemożliwe bez nowoczesnego oprogramowania do zarządzania transportem (TMS). 

Przewiduje się, że rynek dostaw na „ostatniej mili” w branży spożywczej osiągnie wartość 72 miliardów dolarów w 2025 roku, co jest związane z gwałtownym wzrostem rynku w czasie pandemii COVID-19. Coraz więcej sprzedawców inwestuje w niestandardowe systemy TMS zamiast rozwiązań pudełkowych.

Oto pięć najlepszych cech oprogramowania do zarządzania transportem, które mogą pomóc firmom poprawić dokładność dostaw na ostatniej mili i zwiększyć lojalność klientów.

1. Zautomatyzowana ciągła optymalizacja tras

Nowoczesne rozwiązania TMS rozwiązują tzw. problem komiwojażera za pomocą opatentowanych algorytmów, które obliczają optymalne trasy dostaw dla każdego pojazdu. W miarę napływu nowego zamówienia, początkowa trasa jest dynamicznie korygowana i obliczana na nowo, co pozwala na szybkie, dokładne i efektywne zarządzanie potokiem dostaw przy minimalnym zaangażowaniu kierownika logistyki.

System uwzględnia następujące parametry:

• Weryfikacja dostaw.
• Kalkulacja kosztów sprzedaży dla wybranego okna dostawy na wyznaczonej trasie
• Dynamiczne ustalanie cen w celu dostosowania popytu do dostępnych okien dostawy
• Optymalizacja zużycia paliwa, a tym samym zmniejszenie emisji CO2

Wytyczanie trasy w czasie rzeczywistym oznacza, że system zamyka określone okna dostaw dopiero po osiągnięciu maksymalnej pojemności floty. Algorytm optymalizacji pozwala jednak na przyjmowanie dodatkowych zamówień w pobliżu już wytyczonych tras.

2. Optymalizacja na bazie rzeczywistych warunków drogowych

W przypadku dostaw do domu, które muszą dotrzeć w ciągu 30 minut, system TMS musi uwzględniać zatory drogowe (zwłaszcza w godzinach szczytu), zamknięcia dróg i naprawy, a także warunki pogodowe. Dostawcy zewnętrzni nie zawsze oferują szczegółowe i aktualne informacje o ruchu drogowym, ale własny system monitorowania ruchu może zaoferować taką opcję.

Optymalizacja trasy dostawy odbywa się na podstawie rzeczywistych warunków ruchu drogowego. Łącząc te dane z historycznymi wzorcami ruchu, system może dokładnie obliczyć czasy przejazdu dla poszczególnych ulic w określonych godzinach dnia lub dniach tygodnia. Na potrzeby planowania awaryjnego na stronie internetowej klienta mogą być wyświetlane 15-minutowe "przerwy" między dostępnymi okienkami dostaw.

Podejście do obliczania trasy oparte na danych zapewnia również dodatkową wartość dla wirtualnych symulacji dostaw, które mogą być przydatne w zapobieganiu oszustwom lub dochodzeniu w sprawie wypadków samochodowych. Więcej na ten temat można przeczytać poniżej.

3. Finalizacja trasy

Automatyczna optymalizacja tras pozwala uniknąć ręcznej, powtarzalnej i nieefektywnej pracy operatorów logistycznych. Jednak w niektórych przypadkach system wymaga ręcznego dostosowania i finalizacji trasy, jako kopii zapasowej na wypadek ewentualnych przestojów lub w innych nagłych przypadkach, gdy wymagane są zmiany w ostatniej chwili. Operatorzy powinni mieć przyjazny interfejs użytkownika, aby dostosować trasy dostaw, śledzić wpływ tych zmian i eksportować sfinalizowane zatwierdzone trasy do systemu ERP.

4. Monitorowanie floty w czasie rzeczywistym

Wykorzystując Internet rzeczy (IoT), można stworzyć cyfrowego bliźniaka floty i śledzić lokalizację każdego pojazdu w czasie rzeczywistym. Cyfrowy bliźniak to wirtualna replika fizycznego obiektu (takiego jak samochód dostawczy), która cyfrowo reprezentuje dane o obiekcie i procesach, w których bierze udział.

Operatorzy mogą zobaczyć lokalizację każdego pojazdu na mapie, śledzić ich przyjazdy i odjazdy oraz powiadamiać klientów o wszelkich opóźnieniach w harmonogramie dostaw. Pełna widoczność floty i przejrzystość działań logistycznych pozwala operatorom zarządzać wieloma pojazdami jak jednym organizmem, kierując je zamiennie w pełne obszary dostaw, a nie tylko wyizolowane strefy. Dzięki temu dostawy realizowane są szybciej i zgodnie z przepisami ochrony środowiska.  

5. Symulacja i optymalizacja oparta o uczenie maszynowe

Wraz z cyfrowym bliźniakiem floty, można zbudować bliźniaka predykcyjnego, czyli analityczny lub statystyczny model do prognozowania przy użyciu technik opartych na uczeniu maszynowym (ML). Bliźniak predykcyjny umożliwia symulacje unikalnych warunków jazdy. Dane te mogą być wykorzystane w algorytmach optymalizacji trasy opartych na ML.

Dzięki danym historycznym o lokalizacji każdego pojazdu z dokładnością do minuty oraz wzorcom jazdy personelu dostawczego, operatorzy mogą symulować wypadki drogowe i inne sytuacje wymagające uwagi. Może to być przydatne do przeglądu zdarzeń samochodowych po fakcie lub zapobiegania oszustwom.

Ponieważ wymagania klientów wciąż się zaostrzają, rośnie znaczenie szybkiej i dokładnej dostawy na ostatniej mili. Kolejny argument przemawiający za optymalizacją tras dostaw jest związany z redukcją śladu węglowego. Ze względu na troskę o środowisko, coraz więcej sprzedawców inwestuje w zieloną logistykę i niestandardowe rozwiązania TMS, które pomagają zmniejszyć emisję CO2.

Przyjmując strategiczne podejście do realizacji zamówień, detaliści typu "brick-and-click" przechodzą teraz na kolejny poziom dostaw żywności i wykorzystują nowe możliwości biznesowe, zapewniając większą elastyczność i wyższe marże zysku, przy jednoczesnym zmniejszeniu ryzyka.