百度地图添加到网站,网页设计html代码大全明星,wordpress 字体替换极客族,手机网站建设项目受消费者行为转变和疫情影响#xff0c;电子商务继续呈爆炸式增长和转型。因此#xff0c;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#xff0c;而后者现在已经成为供应链物流中成本最高的要素#xff0c;占从零售到制造等… 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 GPUsclicOH 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%。
