Не эффективная может иметь разные источники неэффективности и скорее их сочетание, нежели чем какой-то один, определённый источник. Эта и ряд следующих заметок будет посвящен эффективности доставки на «последней миле», возможностях и ограничениях ТМС в системе дистрибуции.
Вначале пример из опыта. Как-то, занимаясь тарификацией транспортировки для внешних заказчиков, обратил внимание на то, что удельные затраты на доставку выглядят несколько завышенными - была возможность сравнить с данными схожего бизнеса.
Задаю вопрос логисту, как же так? Такое маленькое количество точек доставки на маршрут? Логист объясняет, что коммерческий отдел требует практически 100% доставки с первого раза. Для этого логист нанимает больше транспорта, чтобы гарантированно развезти все точки. Ну, получается, что точек в результате в маршруте маловато.
А коммерсанты знают, сколько это стоит бизнесу в целом?
Нет, не знают. А как посчитать?
Далее логист рассказывает, что по сложившейся практике коммерческий отдел принимает заказы на любой день. Раньше заказов было много и расстояние между точками получались небольшими. Теперь заказов стало меньше, и пробег между точками увеличился, а пробки, а машины ломаются в пути, а в точках очереди!
В общем, увеличить количество точек на маршрут задача нереальная, из области фантазий офисных мечтателей. С этого момента началось моё упоительное погружение в проблематику эффективности доставки, способов её повышения, определения источников потерь и, в целом, откуда есть, проблема маршрутизации пошла.
Для определения эффективности используем общепринятый подход - соотношение затраченных ресурсов и полученных, полезных для бизнеса, результатов. Традиционно эффективность доставки рассматривается с позиции минимизации затрат, то есть, сокращение пробега автомобилей, соответственно затрат топлива, отработанных часов водителей и т.д.
Подход этот берёт начало с классической работы Dantzig and Ramser (1959), в которой авторы сформулировали vehicle routing problem (VRP) - проблему нахождения кратчайшего пути между любой последовательной парой точек доставки в системе дистрибуции. Собственно, этот подход стал отправной точкой в появлении целого семейства формулировок и алгоритмов. С момента публикации «The truck dispatching problem» и по сегодняшний день разработаны десятки различных алгоритмов основной целью имевших сокращение общего пробега.
Вместе с тем, как видно из практики, бизнес также предъявляет и другие требования к эффективности доставки помимо пройденных дистанций. Для коммерческого блока уровень сервиса, доставка точно в срок, может быть приоритетом, финансовый блок будут интересовать какие-то свои цели, например, возврат инвестиций, если для повышения отдачи от транспортного департамента принималось решение об инвестировании в ТМС.
Для топ-менеджмента эффективность может, или скорее должна, рассматриваться с позиции создания долговременного конкурентного преимущества. Позиция собственника может заключаться в максимизации дохода.
И тогда цель не в том, чтобы машина проходила наименьшую дистанцию, а в увеличении полезной работы, которую эта машина способна произвести на маршруте. Машина тратит, когда передвигается и зарабатывает, когда останавливается в точке доставки. Построение оптимальных передвижений является одной из основных функций систем управления транспортировкой - ТМС.
ТМС, как её определяет глоссарий Совета профессионалов по цепям поставок это «компьютерная система, предназначенная для оптимального управления перевозками, планирования ресурсов и маршрутов, управления транспортной документацией». ТМС - это инструмент, находящийся на пересечении двух различных сред: среды ресурсов (парк машин, доступных водителей) и среды заказов - точки размещающие заказы, дорожная сеть, дорожная обстановка.
Обе среды обладают высокой динамикой и непредсказуемостью: водители заболевают, машины ломаются, точки отменяют заказы или добавляют новые, когда маршруты уже сформированы и т.д. ТМС должна решать сложную комбинаторную задачу находя решение, для удовлетворения заказов задействовав оптимальные ресурсы.
Насколько ТМС обладает способностью решать эти вопросы? Какой эффект даёт внедрение этих решений? Как правило, разработчики ТМС декларируют от 10% до 30% экономии в транспорте. В реальности результаты часто значительно скромнее, хотя случаются и прорывы до 40% или 50% экономии. От чего зависит такая разница в результатах, какие источники потерь и как оценить, неиспользованный потенциал?
В сердце каждой ТМС, как говорили об этом Drexl (2012) или Schoen et al. (2016) заложен тот или иной VRP алгоритм. Алгоритм - это взгляд разработчиков на условия логистической среды, учитывающий, или не учитывающий, существующие ограничения среды ресурсов и среды заказов. Наиболее распространённые ограничения, давшие собственные названия алгоритмам это ограничения вместимости кузова транспортного средства и наличие временных границ по приёмке грузов в точках, Capacitated VRP и VRP with Time Windows, соответственно.
При математическом моделировании алгоритмы показывают повышение эффективности доставки до 30% и выше, но сталкиваясь с грубой реальностью, как правило, терпят если не фиаско, то ощутимо не добирают до заявленного потенциала. Алгоритм «мыслит» в жёстких заданных рамках, если ему дано, что две точки имеют одно и то же временное окно, то будет назначено две машины на доставку.
Логист тоже знает, что временное окно одно и то же, но также обладает внутренним «сакральным» знанием, что во второй точке «ничего страшного - подождут» и поэтому ставит одну машину на доставку. Справедливо и обратное, логист может поставить две машины вместо одной, предложенной в маршруте, построенном алгоритмом, основываясь на убеждении и опыте, что никогда раньше одной машиной все точки объехать не удавалось. И если это говорит опыт - это хорошо. Плохо в этом случае только то, что этот опыт не трансформирован в информацию, которой оперирует ТМС.
Другой, кстати, не такой уж и редкий вариант, это наличие иных, деликатно выражаясь, интересов при составлении маршрутов, например, особые отношения с водителем или компаниями, предоставляющими транспорт на аутсорс. Когда, опять же, некачественная информация намеренно или нет, используется при составлении маршрутов с целью не сократить, а наоборот, увеличить количество транспорта! Качество и верификация информации - это краеугольный камень успеха ТМС.
Вообще, проблему можно поставить шире: любая неэффективность в бизнесе, может быть, или даже, скорее всего, является эффективным бизнесом ваших сотрудников или партнёров. Хорошая новость в том, что любая неэффективность обладает маркерами, зная которые, можно быстро определять проблемные зоны в управлении доставкой и принимать выверенные решения, увеличивающие её эффективность. Но об этом в следующий раз.
Возвращаясь к примеру выше, решение заключалось в увеличении плотности точек доставки путём изменения графика и строгого отслеживания его соблюдения. В течение квартала был достигнут и удерживался показатель точности на уровне более 97%, что привело к удвоению количества точек в маршруте и получению более 30% экономии годового бюджета доставки. Такое решение само по себе стало хорошим пре-реквизитом внедрения ТМС, так как результаты, которые можно получить, работая с оптимизированной средой, потенциально выше, чем результаты при работе с хаотичной средой.
