聊聊AI对货运配送业务的影响

▲ 图片来源：Getty

不知道大家有没有听过旅行推销员问题。问题的核心，是走遍地图上的各个城市、顺利返回家中，同时找到最短的路线。事实上，这是一个典型的NP难题，也就是非确定完全问题。这东西相当复杂，大家千万不要掉以轻心。

但令人头大的是，它又是一个极为现实的问题——作为日用百货零售商，企业每周可能需要为数百万个家庭或更多下游企业提供配送服务。要突破难关，我们该向谁求取援助？

• 特斯科配送

特斯科公司每天不仅需要配送数十万份订单，还必须考虑其他现实限制因素，例如驾驶员的驾驶风格、车辆行驶速度以及车队编组与容量。随着在线订单业务在最近十年中的快速增长，这方面挑战也变得愈发复杂和严重。特斯科很清楚，客户的需求只会随时间推移而越来越多、绝对不可能再次缩减回“美好的旧时光”。

为了帮助解决调度问题，特斯科公司与伦敦AI咨询企业Satalia展开了充分交流。特斯科内部已经拥有自己的数据分析功能，而且明显拥有世界一流的项目管理技能。而Satalia所带来的则是特斯科所不具备的前沿优化能力。三年多以来，两家企业共同合作，希望从零开始构建最后一英里配送方式。更重要的是，特斯科公司对于渐进式改善不感兴趣——他们希望夺取显著的竞争优势，一鼓作气达成动态调度这项终极目标。

• 动态调度

从历史上看，特斯科公司在每天下班后都会对网站上的客户订单进行批处理和优化。新系统会将订单配送位置与订单货品总体积同调度内的全部其他已有订单进行比较，并在半秒以内计算出订单的配送需求与可用运输空位。调度安排将持续更新，确保以不影响配送体系运作为前提向客户提供更多容纳“槽位”。此外，客户现在还可以选择当日达，享受特斯科公司准备的一小时交付服务。

由此产生的系统，就是特斯科的全新知识产权成果。虽然无法得到详尽细节，但该公司透露新系统单在2019年一年就节约下超过1100万英里的配送车程，并将货运部门的整体燃油效率提高了5%。更重要的是，这套系统健壮而稳定。新冠疫情的突然爆发令网上购物与配送需求大幅飙升，相信很多朋友还记得2020年春季的一轮大规模厕纸恐慌。面对此类难题，特斯科的系统表现出远超竞争对手的可靠性，通过及时扩展从容消化掉了需求峰值。

• 从百货到家具

DFS是一家拥有五十年历史的企业，当然也不可能在起步阶段就达成“数字原生”状态。DFS其实是一家家具供应商，但凭着自己的创新能力消除了供应链中的库管人员，由此成功实现了成本削减。虽然DFS的电子商务之路仅仅始于五年之前，但作为家具市场上的领导者，他们别无选择、只能迎头赶上。

在与Satalia合作之前，DFS工作人员只能使用笔和纸安排配送时间。在订制几周之后，当家具制造完成，他们会通过电话与客户讨论配送预约。多年以来，他们只能用直觉甚至是玄学判断配送方案，没有任何可靠的数据能帮助DFS确定具体配送耗时。例如，台阶级数和停车便利性谁对配送速度的影响更大，就是困扰着DFS的永远难题。

• 神秘的苏格兰疑云

苏格兰地区有着一种反常的现象。纵观整个英国，配送货品的平均时长为31分钟；但在苏格兰，整个周期只有28分钟。这是因为苏格兰的配送工人力气更大、跑得更快吗？还是说苏格兰地区的住宅一般停车位更多、台阶级数更少？答案一直非常模糊，只有苏格兰民众自己颇为自信，认为这单纯是因为苏格兰人办事更高效。

在四年的合作当中，DFS与Satalia逐步完善了整个配送规划系统。客户现在可以在线预约交付时间，由此获得更从容的调整空间与灵活性。新冠疫情的爆发同样带来了严苛的压力测试，DFS各家门店几乎每月都会创下新的销售纪录，漂亮的新家具不断输送到客户手中、帮助他们在社交隔离期间享受更舒适的居家生活。

• 效率问题

与特斯科一样，新系统的上线也大大提高了DFS的配送效率。其供应链平台Sofa Delivery Company总经理Alex Salden估计，新系统给配送的里程与成本都带来了超过10%的优化比例。该公司已经将92处仓库优化为25处配送中心，新的系统还解放出20位工作人员。相较于以往一遍又一遍核对和修改时间表，如今他们能够专注于处理更具价值回报的工作。

新系统带来的数据，也指导DFS有理有据地调整了配送人员的工作模式，逐步实现了上四天、休四天的轮替制度。由于每天需要搬运9到15张家具，配送员们的体力消耗很大，延长休息时间可以改善每个人的生活。而在将新品牌Sofology引入系统之后，配送车队的车辆由350辆减少至250辆，资金成本与排放污染也都得到控制。

• 员工与供应商

此外，DFS还与Satalia合作，对店内的人力优化系统进行了大幅调整。具体来讲，DFS对数据源及分析功能进行升级，具体涵盖历史销售信息、营销支出以及天气预报等等。相应的结果就是收入显著增加，部分门店的销售额甚至增长近20%。轮班制度也据此做出新一轮平衡，同时引入更多公平性因素：与星期一上午上班的同事相比，愿意在星期六下午上班的员工可以拿到更高的时薪。

最后，应用数据科学与优化技能，DFS得以分析各家供应商的可靠性。从工厂到客厅，DFS能够更准确地预测货品抵达仓库的时间，借此缩短仓储周期并提高全流程的执行效率。

• 展望未来：数字孪生

配送企业的未来在哪里？人工智能科学虽然已有65年历史，但仍只是个年轻的学科。我们正处于AI探索之旅的早期阶段，效率与效能层面的巨大进步还没能充分体现在经济的各个领域。以Satalia为代表的服务厂商正使用AI技术为特斯科、DFS等大型企业构建起全面的线下与线上运营模型。这些模型可以执行查询、分析并持续实时运行。利用输出结果，企业则不断调优自身运营、优化财务绩效、改善工作条件并增强客户服务体验。

这类模型被称为“数字孪生”方案，并有望成为二十一世纪二十年代响彻世界的最强音。