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

VRP s časovými okny a stochastickou poptávkou

Označení: SVRPTW

Časová okna

Tato varianta kombinuje dva náročné aspekty plánování tras Časová okna – každý zákazník musí být obsloužen v daném časovém rozmezéí a stochastickou poptávku – požadavky zákazníků nejsou známé přesně předem, ale až při obsluze. Plánování tras je tedy komplikováno nejistotou v množství zboží, které má být dodáno, a zároveň nutností dodržet časové harmonogramy.

Kritickým problémem je, že může dojít k přetížení vozidla, které nebude schopno doručit všem zákazníkům — a bude se muset vrátit do depa pro doplnění, což může vést ke zpoždění a porušení časových oken.

Studie (např. Zhang et al., 2012) rozlišují dva typy poruch na trase:

  • Situace, kdy zásoba vozidla je přesně spotřebována
  • Situace, kdy je k dispozici přebytek kapacity, který může být strategicky využit

Modely cílí na minimalizaci nákladů na směrování a čekání v první fázi a očekávané náklady na penalizace v důsledku poruch v druhé fázi.

Zajímavost

  • Tento problém je vysoce relevantní pro logistiku poslední míle, kde je nutné doručovat zásilky ve specifických časech, ale poptávka zákazníků se mění.
  • Moderní řešení využívají real-time tracking a dynamické přeplánování tras pomocí strojového učení a umělé inteligence.
  • Zahrnutí časových oken výrazně zvyšuje výpočetní složitost optimalizačních algoritmů oproti klasickému VRP.

Praktické využití

  • E-commerce a doručovací služby – například Amazon, DHL, FedEx optimalizují rozvoz tak, aby balíky dorazily v konkrétním časovém rozmezí.
  • Distribuce potravin a čerstvých produktů – obchody a restaurace potřebují dodávky v přesných časech, ale spotřeba se liší podle denní doby či sezóny.
  • Zdravotnictví a farmaceutická logistika – zásobování nemocnic nebo domovů s pečovatelskou službou, kde je nutné dodržovat přísné časové harmonogramy.
  • Doprava osob – služby jako Uber nebo veřejná doprava využívají tento přístup pro plánování tras s variabilním počtem cestujících.

CVRP se stochastickou poptávkou a časovými okny je možné studovat ve dvou variantách:

Přebytek dostupné kapacity
Přesná zásoba

Metody měření

VRP s časovými okny a stochastickou poptávkou (SVRPTW) představuje složitý optimalizační problém, který kombinuje nejistotu v poptávce s nutností dodržovat přesné časy dodání. Jeho řešení je klíčové pro mnoho průmyslových odvětví, kde flexibilita a přesnost hrají zásadní roli. Moderní technologie, jako jsou dynamické algoritmy, strojové učení a IoT senzory, umožňují efektivnější řízení tohoto problému a zlepšují efektivitu logistických operací.

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] Laporte, G., Louveaux, F. V., & Van Hamme, L. (2002). An integer L-shaped algorithm for the capacitated vehicle routing problem with stochastic demands. Operations Research, 50(3).
[4] Chang, M. S. (2005). A vehicle routing problem with time windows and stochastic demands. Journal of the Chinese institute of engineers, 28(5).
[5] Zhang, T., Chaovalitwongse, W. A., & Zhang, Y. (2012). Scatter search for the stochastic travel-time vehicle routing problem with simultaneous pick-ups and deliveries. Computers & Operations Research, 39(10).