Tužka a papír a do jisté míry i excelovské tabulky jsou v dnešní době už passé. Při plánování přepravních tras se čím dál více používají vyspělé technologické nástroje včetně umělé inteligence.
Přinášíme vám článek z aktuálního vydání časopisu Systémy Logistiky 216 (březen–duben 2025). Je to ochutnávka originálního obsahu, který najdete každé dva měsíce v tištěném časopise. Nechodí vám časopis? Registrujte se k odběru a nezmeškejte žádné vydání. Zasílaní je pro uživatele logistických služeb zdarma.
Efektivní digitalizace plánování přepravních tras stojí na několika základních principech. „Statické plánování je minulostí, dnes se využívají pokročilé algoritmy a strojové učení, které umožňují dynamicky reagovat na aktuální dopravní situaci, změny v objednávkách nebo nepříznivé počasí,“ objasňuje Tomáš Fiurášek, CTO ve společnosti Dodo Group. Neméně důležitá je podle něj také integrace s ekosystémem partnerů, přičemž současné plánovací systémy musejí bezproblémově komunikovat s e-commerce platformami, sklady i samotnými kurýry. Prediktivní analýza historických dat navíc pomáhá lépe plánovat kapacity, optimalizovat využití flotily a snižovat provozní náklady.
Samotná digitalizace by zároveň měla být uživatelsky přívětivá – platí, že intuitivní rozhraní a automatizované workflow zjednodušují práci jak dispečerům, tak doručovatelům. „V neposlední řadě je klíčové zohlednit i udržitelnost. Chytré plánovací algoritmy by měly reflektovat nejen ekonomické faktory, ale také ekologické aspekty, například minimalizaci jízd bez nákladu a optimalizaci spotřeby paliva,“ vyjmenovává Tomáš Fiurášek.
Napojení na další logistické procesy
Zásadní je i pečlivé sledování a měření datových toků. „Pokud nelze data získat, je třeba napřed nastavit takové procesy, aby vyžadovaly digitalizované vstupy a minimalizovaly výskyt předávání informací, k němuž není odpovídající zápis do databáze pro systémy, které pak mají s daty pracovat,“ vysvětluje Roman Bartolšic, vedoucí obchodu ve společnosti Solvertech. Plánování tras je jen částí celého logistického řetězce a napojuje se na další procesy, které musí být v daný moment správně nastavené.
Ovšem patrně největší výzvou pro firmu, jež na digitalizaci plánování tras přechází, je promyšlený change management. „Klíčové je opravdu chtít a uvědomit si, že zvýšená pracnost a investice v prvních měsících plus změna návyků budou ve středně- až dlouhodobém horizontu vykoupeny výraznou úsporou jak v kilometrech, tak i v hodinách strávených řízením a plánováním,“ podotýká Roman Bartolšic.
Specifika vozového parku versus městská logistika
Jestliže daná firma disponuje ve své flotile různými typy vozidel, navíc třeba i s odlišnými pohony, je nutné to při digitálním plánování tras zohlednit. Souvisí s tím několik specifických výzev. „U elektromobilů je klíčové počítat s dojezdem, dostupností nabíjecí infrastruktury a dobou nabíjení, aby se minimalizovaly prostoje a zajistilo se efektivní využití flotily. Stejně důležitá je i velikost a nosnost vozidla, protože například cargo kola mají zcela jiné kapacity a možnosti než klasické dodávky,“ sděluje Tomáš Fiurášek. Plánovací systémy proto musí přiřazovat objednávky na základě fyzických limitů i regulací v jednotlivých městských zónách. Například nízkoemisní zóny v některých lokalitách měst omezují vjezd vozidel se spalovacími motory. Inteligentní plánování tras by mělo umět dynamicky alokovat vhodná vozidla do konkrétních oblastí.
„V městské logistice navíc hraje zásadní roli dynamika objednávek, protože last-mile doručování v husté zástavbě vyžaduje flexibilní routing, který zohledňuje nejen dopravní špičky, ale i specifické požadavky zákazníků, jako je doručení do patra nebo dodržování přesných časových slotů,“ poznamenává Tomáš Fiurášek. Stále častěji se také využívají hybridní modely přepravy, kdy se zásilky do města dostávají přes překladiště na periferiích a v centrech se doručují na kolech nebo pěšími kurýry.
O cenu jde až v první řadě
Algoritmus, který v některých pokročilých řešeních plánuje trasy na základě stanovených parametrů, optimalizuje primárně cenu přepravy. „Každé vozidlo má svůj cenový model, který nezáleží pouze na typu vozidla, ale také na jeho pořízení – leasing, vlastní akvizice či externí přeprava. Do ceny rozvozu pak většinou vstupuje čas a nájezd. U elektroaut je třeba brát v potaz jejich dojezd a také délku dobíjení. Podobná specifika ale mají i další typy vozidel,“ konstatuje Roman Bartolšic. Větší vozidla disponují vyšší kapacitou při často násobné spotřebě paliva, v určitých situacích se však vyplatí.
Každá firma, i ta, která má fixní přepravní trasy, by měla provádět průběžnou analýzu při zohlednění úpravy rozvozu, vozového parku a sezonnosti. „Městská logistika je hodně náročná na přesnost. V každém velkém městě nebo státu platí specifika týkající se například parkování. I přesto, že v našich řešeních používáme komerční mapové podklady, ladíme pro každou zemi zvlášť podrobné koeficienty, jimiž specifika ještě rychlostně dolaďujeme na míru oblasti,“ specifikuje Roman Bartolšic.
Kvalitní a zabezpečená data
Předem si stanovit jasné, měřitelné cíle, jichž chce firma při digitalizaci plánování tras dosáhnout, doporučuje Petr Jahoda, jednatel společnosti Loxxess Bor. Důležité je zajistit kvalitní zdrojová data včetně uplatnění principu „Garbage In – Garbage Out“ a zdárně integrovat systémy. Jde mj. o to mít kvalitní datová rozhraní (interfaces) a propojení systémů i subsystémů, aby se data automaticky, včas a bezchybně předávala.
Podstatné je také zajištění odolnosti a bezpečnosti datového systému. „Co když někde není 5G signál? Co když vypadne elektřina nebo databáze, co když se nepovede update firmwaru? Mám vše zálohované a redundantní? Mám záložní proces?“ Tyto otázky se podle Petra Jahody vyplatí mít kvůli odolnosti systému uspokojivě zodpovězené.
Z pohledu bezpečnosti je dobré mít na paměti, že se v systému nacházejí různá citlivá data – např. data o zásilkách klientů, adresy spotřebitelů, někdy i vyloženě citlivé GDPR údaje. „Zabezpečte se co nejlépe jak při zahájení, tak v provozu proti únikům dat, hackerům a podobně. Nezapomeňte ani na lidský faktor, aby nešlo snadno ukrást data zlou vůlí zaměstnanců,“ radí na závěr Petr Jahoda.
„Výběr trasy na základě optimalizačních algoritmů“
Umělá inteligence a pokročilé technologie dnes hrají klíčovou roli v optimalizaci přepravních tras. Strojové učení pomáhá predikovat poptávku na základě historických dat, což umožňuje efektivnější plánování kapacit i alokaci vozidel. Optimalizační algoritmy dokážou v reálném čase vyhodnocovat miliony možných tras a vybírat tu nejefektivnější s ohledem na dopravní situaci, typ vozidla nebo specifické požadavky zákazníka. Významnou roli hrají i telemetrická data z vozidel a senzory, které umožňují přizpůsobovat plánování tras a minimalizovat prostoje. AI se využívá také pro dynamickou cenotvorbu a prediktivní alokaci kurýrů, což vede k efektivnějšímu využití flotily a nižším nákladům na doručení. Další oblastí je automatizace komunikace, kde umělou inteligencí řízení chatboti a hlasoví asistenti usnadňují řízení provozu a zákaznickou podporu.
Tomáš Fiurášek, CTO, Dodo Group
„Umělá inteligence pomůže, ale postrádá vodítka“
Nasazení umělé inteligence dokáže přinést skvělé výsledky. Protože však AI pracuje na principu Black Box, nebudete při neuváženém nasazení zpětně vědět, proč jsou výsledky lepší. Nebudete svůj vlastní byznys chápat. Prostě přišel „deus ex machina“ a stal se zázrak. V první chvíli možná budete jásat nad vylepšenými výsledky, ale nebudete mít jakákoli vodítka pro další systematická vylepšení do budoucna, případně při dalším nasazení, například při změněných podmínkách nebo při tvoření nové sítě.
Petr Jahoda, jednatel, Loxxess Bor
Článek připravil David Čapek
Foto v úvodu článku: DoDo Group
