Manage and streamline operations across multiple locations, sales channels, and employees to has improve efficiency and your bottom line.

Stochastický problém s doplňováním zásob

Jedná se o variantu kapacitního okružního dopravního problému se stochastickou poptávkou. Označení: VRP-SD with Re-optimization

Re-optimalizace

Tato verze problému obsahuje stochastické požadavky zákazníků, které se stanou známou veličinou až po stanovení trasy. Re-optimalizace nabízí odlišný přístup k ovládání dynamiky problému. Na základě dostupné kapacity a očekávané poptávky nenavštívených zákazníků se rozhoduje, zda navštívit zákazníka buď přímo nebo po doplnění v depu (Secomandi, 2001; Secomandi & Margot, 2009; Novoa & Storer, 2009).

Re-optimalizace s běžnou zásobou znamená, že vozidlo nemá dostatek zboží pro obsluhu zákazníka. Po naskladnění v depu je trasa obnovena počínaje zákazníkem, kde došlo k poruše (Hjorring & Holt, 1999). Přesné naskladnění znamená, že vozidlo má právě tolik zboží, aby uspokojilo poptávku konkrétního zákazníka. Po doplnění zásob může pokračovat v obsluze dosud nenavštívených zákazníků (Rei a kol., 2010).

Zajímavou variantou reoptimalizačního CVRPSD (Bianchi a kol., 2006) je využití preventivní zásoby. V tomto případě může vozidlo dojet do depa dříve, než navštíví dalšího zákazníka na trase. Chepuri & Homem-deMello (2005) představili model, kde se po chybě na trase neprovádí žádná další akce a neobslouženým zákazníkům musí být vyplacena pokuta. Tato situace se vyskytuje v několika oblastech. Selhání může mít za následek ztrátu příjmu nebo další náklady spojené s nouzovými dodávkami.

Zajímavost

  • Moderní přístupy zahrnují využití strojového učení k predikci změn v poptávce a využití IoT senzorů k monitorování skladových zásob v reálném čase.
  • Implementace vyžaduje pokročilé algoritmy, jako jsou meta-heuristiky nebo reinforcement learning.
  • Některé společnosti testují autonomní vozidla, která se dokážou přizpůsobit změnám v poptávce bez zásahu dispečera.

Praktické využití

  • Kurýrní služby a e-commerce logistika, kde se objednávky mění během dne (např. Amazon, DHL).
  • Dynamická distribuce zdravotnického materiálu během pandemie nebo humanitární pomoci.
  • Sdílená ekonomika (např. rozvoz jídel), kde se nové objednávky objevují průběžně.

Varianta s re-optimalizací zahrnuje tyto tři varianty:

běžná zásoba
Přesná zásoba
Preventivní zásoba

Metody řešení

Tradiční plánování tras je často založeno na předpokladech, které se mohou během realizace změnit. Tato varianta umožňuje re-optimalizaci tras v reálném čase na základě aktuálních informací o poptávce, dostupnosti vozidel a dalších faktorech (např. dopravní situaci). Cílem je minimalizovat náklady a zajistit efektivní obsluhu zákazníků i při nečekaných změnách.

Zdroj:
[1] Yang, W.-H., Mathur, K., Ballou, R. H. (2000). Stochastic vehicle routing problem with restocking. Transportation Science, 34(1).
[2] Cordeau, J.-F., Laporte, G., Savelsbergh, M. W., Vigo, D. (2007). Vehicle routing, chapter 6. In: Barnhart C, Laporte G (eds) Transportation, vol 14. Elsevier, Amsterdam
[3] Secomandi, N. (2001). A rollout policy for the vehicle routing problem with stochastic demands. Operations Research, 49(5), 796-802.
[4] Secomandi, N., & Margot, F. (2009). Reoptimization approaches for the vehicle-routing problem with stochastic demands. Operations research, 57(1), 214-230.
[5] C., & Storer, R. (2009). An approximate dynamic programming approach for the vehicle routing problem with stochastic demands. European journal of operational research, 196(2), 509-515.
[6] Hjorring, C., & Holt, J. (1999). New optimality cuts for a single‐vehicle stochastic routing problem. Annals of Operations Research, 86.
[7] Rei, W., Gendreau, M., & Soriano, P. (2010). A hybrid Monte Carlo local branching algorithm for the single vehicle routing problem with stochastic demands. Transportation Science, 44(1), 136-146.
[8] Bianchi, L., Birattari, M., Chiarandini, M., Manfrin, M., Mastrolilli, M., Paquete, L., & Schiavinotto, T. (2006). Hybrid metaheuristics for the vehicle routing problem with stochastic demands. Journal of Mathematical Modelling and Algorithms, 5(1).
[9] Chepuri, K., & Homem-De-Mello, T. (2005). Solving the vehicle routing problem with stochastic demands using the cross-entropy method. Annals of Operations Research, 134(1).