Měkká časová okna
Problém stochastického směrování vozidel s měkkými časovými okny za nejistoty přepravy a servisní doby (Adulyasak & Jaillet, 2016) nabízí minimalizovat součet fixních nákladů na brzké příjezdy, nákladů na pozdní příjezdy a náklady na nadměrnou dobu trasy. Nejvyšší prioritu má minimalizace počtu vozidel s minimální pravděpodobností včasného příjezdu. Každý zákazník může mít jiné omezení úrovně zákaznických služeb.
Měkká časová okna (soft time windows) umožňují obsloužit zákazníka i mimo stanovený časový interval – na rozdíl od tvrdých časových oken, kde je obsluha mimo interval nepřípustná. Při překročení časového okna se často uplatňuje penalizace, která může být lineární (za každou minutu zpoždění) nebo nelineární (např. rostoucí exponenciálně).
Zajímavost
- Ve spojení se stochastickými časy přepravy či servisu vzniká realistický scénář, kdy dopravce nemůže plně zaručit dodržení časového okna kvůli nejistotě – ale systém může plánovat s určitou tolerancí.
- Model umožňuje vyvažovat mezi přesností a náklady: může být výhodnější riskovat malé zpoždění než provozovat další vozidlo.
- Někdy se zavádějí pravděpodobnostní záruky: např. že 95 % zákazníků bude obslouženo v časovém okně → přechod ke stochastickému programování s šancovými omezeními (chance constraints).
Praktické využití
- Doručovací služby (např. e-commerce): zákazníkovi je slíbena dodávka v časovém rozmezí (např. 14:00–16:00), ale při menším zpoždění bývá doručení stále přijatelné.
- Zdravotní péče v domácnostech: pacient má preferované časy návštěvy, ale drobné zpoždění bývá tolerováno.
- Rozvoz jídla nebo čerstvých produktů: zde je časová kritičnost vysoká, ale systém může penalizovat pouze větší zpoždění (např. více než 15 minut).
- Průmyslová logistika s just-in-time: továrna očekává materiál v určitém intervalu, ale má určitou skladovou rezervu (buffer), která pokrývá menší výkyvy.
Tento problém nabízí rovněž několik dalších modifikací, které využívají měkkých časových oken. Hlavním rozšířením je:
Další dílčí možnosti, které nabízí rozhodování za nejistoty:
Metody řešení
- Fuzzy heuristiky
- Fuzzy simulace
- ALNS
- Simulace Monte Carlo
- Programování s pravděpodobnostními omezeními
- Simulace s přeplánováním
Stochastický okružní dopravní problém s měkkými časovými okny je praktické rozšíření klasických VRP modelů, které umožňuje realistické plánování tras pod časovou nejistotou. Modely tohoto typu počítají s proměnlivými dobami přepravy či servisu a zároveň umožňují překračovat časová okna za cenu penalizace. Tento přístup nachází uplatnění tam, kde časová přesnost je důležitá, ale ne absolutní, a kde se vyplatí plánovat s určitou flexibilitou. Výsledkem je robustnější logistický plán s vyšší provozní efektivitou a lepší schopností zvládat nejistotu.
Zdroj:
[1] Bertsimas, D. J., & Van Ryzin, G. (1991). A stochastic and dynamic vehicle routing problem in the Euclidean plane. Operations Research, 39(4).
[2] Oyola, J., Arntzen, H., & Woodruff, D. L. (2017). The stochastic vehicle routing problem, a literature review, part II: solution methods. EURO Journal on Transportation and Logistics, 6(4).
[3] Oyola, J., Arntzen, H., & Woodruff, D. L. (2018). The stochastic vehicle routing problem, a literature review, part I: models. EURO Journal on Transportation and Logistics, 7(3).
[4] Adulyasak, Y., & Jaillet, P. (2016). Models and algorithms for stochastic and robust vehicle routing with deadlines. Transportation Science, 50(2).