Re-optimalizace s preventivní zásobou

Vozidla nesou bezpečnostní zásobu (safety stock), která pokrývá možnou odchylku od očekávané poptávky. Re-optimalizace je řízena na základě spotřeby bezpečnostní rezervy.

Zajímavost

• Umožňuje snížení celkových nákladů na logistiku tím, že předchází krizovým situacím.
• Kombinuje prvky umělé inteligence, prediktivní analytiky a dynamického plánování.
• Funguje nejlépe v prostředích s vysokou variabilitou poptávky a dlouhodobými trendy.

Praktické využití

• Farmaceutická logistika, kde je důležité zajistit dostupnost kritických léků v předstihu.
• Potravinářský průmysl, kde se musí předcházet vyprodání zásob u klíčových zákazníků.
• Logistika v oblastech se sezónními výkyvy poptávky (např. předvánoční nákupní sezóna).

Metody řešení

• ALNS
• Hybridní metaheuristiky
• Simulace Monte Carlo
• Inventory Routing
• Kooperační genetické algoritmy
• Re-optimalizační přístupy

Systém nejenže optimalizuje trasy podle aktuální poptávky, ale také preventivně doplňuje zásoby na základě predikcí. Cílem je minimalizovat pravděpodobnost nouzového doplňování nebo výpadků v dodávkách. Algoritmy využívají historická data, sezónní trendy a externí faktory (např. počasí, speciální akce).

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] 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).
[7] 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).