শিল্প নির্দেশিকা

লাস্ট-মাইল ডেলিভারি এবং রুট অপ্টিমাইজেশানে AI

শেষ-মাইল ডেলিভারিতে AI অপ্টিমাইজেশান অ্যালগরিদম এবং মেশিন লার্নিং ব্যবহার করে সিদ্ধান্ত নিতে কোন ড্রাইভার কোন পার্সেল বহন করে, কোন ক্রমে স্টপে যেতে হবে এবং প্রতিটি ডেলিভারি কখন আসবে।

এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min

এই পৃষ্ঠায়4 মিনিট পড়া
  1. ওভারভিউ
  2. গভীর ডুব
  3. বাস্তব-বিশ্ব বাস্তবায়ন
  4. লাস্ট-মাইল ডেলিভারি এবং রুট অপ্টিমাইজেশানে AI এর ভবিষ্যত
  5. এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
  6. অন্বেষণ চালিয়ে যান
  7. প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

ওভারভিউ

এটি গুরুত্বপূর্ণ কারণ দোরগোড়ার চূড়ান্ত পা প্রায়শই শিপিংয়ের সবচেয়ে ব্যয়বহুল অংশ। ছোট রাউটিং লাভ লক্ষ লক্ষ স্টপে জ্বালানি, সময় এবং নির্গমন সাশ্রয় করে।

গভীর ডুব

রাউটিং ডেলিভারি যানবাহন হল যানবাহন রাউটিং সমস্যা (VRP) এর একটি পাঠ্যপুস্তক কেস, যা ভ্রমণ বিক্রয়কর্মী সমস্যার একটি সাধারণীকরণ। একটি ডিপো, একটি নৌবহর এবং স্টপের একটি সেট দেওয়া, লক্ষ্য হল রুট যা সীমাবদ্ধতা পূরণ করার সময় মোট খরচ কমিয়ে দেয়। এর মধ্যে রয়েছে গাড়ির ক্ষমতা, চালকের স্থানান্তরের দৈর্ঘ্য, গ্রাহকের সময় জানালা এবং কখনও কখনও জোড়া পিকআপ এবং ডেলিভারি। সমস্যাটি এনপি-হার্ড: স্টপের সংখ্যা বাড়ার সাথে সাথে সঠিক সমাধানগুলি অব্যবহারিক হয়ে ওঠে, তাই বাস্তব সিস্টেমগুলি হিউরিস্টিকসের উপর নির্ভর করে (আঙ্গুলের নিয়ম যা ভাল, গ্যারান্টিযুক্ত-সেরা উত্তর নয়)। ক্লাসিক পদ্ধতির মধ্যে রয়েছে 1964 সালের ক্লার্ক-রাইট সেভিংস অ্যালগরিদম এবং 2-অপ্টের মতো স্থানীয়-অনুসন্ধানের চাল, যা ক্রস হওয়া রুট সেগমেন্টগুলিকে টেনে আনে। Google এর OR-Tools-এর মত ওপেন-সোর্স টুল সহ আধুনিক সমাধানকারী, এগুলোকে মেটাহিউরিস্টিকসের সাথে একত্রিত করে যা অনেক প্রার্থীর সমাধান অন্বেষণ করে। UPS এর ORION সিস্টেম, 2010-এর দশকে চালু হয়েছিল, এটি একটি সুপরিচিত উদাহরণ। এটি প্রতিটি ড্রাইভারের স্টপের ক্রম অপ্টিমাইজ করে। UPS সেই রুটগুলির জন্য একটি দীর্ঘস্থায়ী পছন্দের জন্যও পরিচিত যা ট্র্যাফিক জুড়ে বাম মোড় এড়ায় যেখানে ব্যবহারিক, কম অলসতা এবং কম ঝুঁকিপূর্ণ বাঁকগুলির জন্য সামান্য দীর্ঘ দূরত্বে ব্যবসা করা হয়। মেশিন লার্নিং অপ্টিমাইজেশানের উপরে ভবিষ্যদ্বাণী যোগ করে। মডেলগুলি দিনের সময় অনুসারে ভ্রমণের সময় অনুমান করে, প্রতিটি স্টপে পরিষেবার সময় (পার্কিং খোঁজা, সিঁড়ি বেয়ে ওঠা, একটি স্বাক্ষর পাওয়া) এবং ডেলিভারি ব্যর্থ হওয়ার সম্ভাবনা। 2021 সালে Amazon এবং MIT একটি গবেষণা চ্যালেঞ্জ চালায় যে দলগুলিকে অভিজ্ঞ ড্রাইভারদের পছন্দের রুটগুলি শিখতে বলে, কারণ গাণিতিকভাবে সবচেয়ে ছোট রুটটি সর্বদা রাস্তায় কাজ করে না। খাদ্য এবং মুদি অ্যাপগুলি একটি কঠিন, গতিশীল সংস্করণের মুখোমুখি। অর্ডারগুলি সব সময় আসে, তাই প্রেরন বাস্তব সময়ে সিদ্ধান্ত নেয় কোন কুরিয়ার কোন অর্ডার পাবে এবং অর্ডার বান্ডেল করবে কিনা, কুরিয়ারকে ব্যস্ত রাখার বিপরীতে গতির ভারসাম্য বজায় রাখে। একটি সাধারণ ভুল ধারণা হল যে রাউটিং হল সবচেয়ে ছোট-পাথের নেভিগেশন। নেভিগেশন দুটি পয়েন্টের মধ্যে একটি রাস্তার পথ খুঁজে পায়। রুট অপ্টিমাইজেশান শত শত স্টপের অর্ডার এবং অ্যাসাইনমেন্টের সিদ্ধান্ত নেয়।

বাস্তব-বিশ্ব বাস্তবায়ন

রাতারাতি, একটি পার্সেল ক্যারিয়ারের প্ল্যানিং সিস্টেম প্রতিটি গাড়ির ক্ষমতা এবং গ্রাহকদের ডেলিভারি জানালাকে সম্মান করে তার ভ্যানের মধ্যে পরের দিনের প্যাকেজগুলিকে বিভক্ত করে।

একটি খাদ্য বিতরণ প্ল্যাটফর্ম একটি কুরিয়ারকে একই রেস্তোরাঁ থেকে দুটি অর্ডার দেয় যখন রান্না এবং ভ্রমণের সময় ভবিষ্যদ্বাণী করা হয় মানে উভয়ই উষ্ণভাবে পৌঁছাবে।

একটি মুদি সরবরাহ পরিষেবা পূর্ববর্তী ডেটা ব্যবহার করে আগমনের সময় ভবিষ্যদ্বাণী করে যে ড্রাইভাররা পার্ক করতে এবং অ্যাপার্টমেন্টের দরজা পর্যন্ত হাঁটতে কত সময় নেয়, কেবল রাস্তায় সময় নয়।

যখন একটি রাস্তা মিড-শিফ্ট বন্ধ হয়ে যায়, তখন গতিশীল পুনঃ-রাউটিং পুরো ফ্লিটের জন্য প্ল্যানটি পুনরায় গণনা করার পরিবর্তে একজন ড্রাইভারের অবশিষ্ট স্টপগুলিকে পুনরায় সাজায়।

লাস্ট-মাইল ডেলিভারি এবং রুট অপ্টিমাইজেশানে AI এর ভবিষ্যত

রাউটিং একটি পরিপক্ক ক্ষেত্র, তাই অগ্রগতি সম্ভবত ধীরে ধীরে হবে: ভ্রমণ এবং পরিষেবার সময়ের আরও ভাল ভবিষ্যদ্বাণী, শিখে নেওয়া হিউরিস্টিক যা সমাধানকারীদের গতি বাড়ায় এবং গ্রাহকদের কাছে আগমনের উইন্ডোগুলি কীভাবে যোগাযোগ করা হয় তার আরও ঘনিষ্ঠ লিঙ্ক৷ বৈদ্যুতিক ডেলিভারি ভ্যানগুলি পরিসীমা এবং চার্জিং স্টপের মতো সীমাবদ্ধতা যুক্ত করে। ফুটপাথ রোবট, ড্রোন এবং পার্সেল লকারগুলির সাথে পরীক্ষাগুলি নতুন গাড়ির ধরন এবং হ্যান্ডঅফ পয়েন্ট যোগ করে সমস্যাটি পরিবর্তন করে, যদিও সেগুলি কতটা ব্যাপকভাবে ব্যবহৃত হয় তা অবস্থান অনুসারে অনেক পরিবর্তিত হয়। এই সবের মাধ্যমে, মূলটি একই থাকে: সঠিক ভবিষ্যদ্বাণীগুলি একটি ভাল অপ্টিমাইজার খাওয়ায়, ড্রাইভারদের স্থানীয় জ্ঞান এখনও মূল্যবান।

এটাকে বাস্তবে প্রয়োগ করা হচ্ছে

কেন এটা গুরুত্বপূর্ণ

  • প্রসঙ্গ এবং নিয়ম. শিল্পের প্রেক্ষাপট নির্ধারণ করে যে এআই ধারণা বাস্তবতার সাথে যোগাযোগ রক্ষা করে।
  • মান নিয়ন্ত্রণ. ডোমেনের সীমাবদ্ধতা গ্রহণযোগ্য ত্রুটির হার এবং তদারকি মডেলগুলিকে প্রভাবিত করে।
  • পছন্দগুলি তৈরি করুন. সফল স্থাপনা প্রযুক্তিগত ক্ষমতাকে ফ্রন্টলাইন ওয়ার্কফ্লোগুলির সাথে সারিবদ্ধ করে।

জন্য সতর্ক

  • নিয়ন্ত্রক প্রয়োজনীয়তা অন্যথায় শক্তিশালী প্রোটোটাইপ বাতিল করতে পারে।
  • ঐতিহাসিক ডেটা এমন পক্ষপাত এনকোড করতে পারে যা নির্দিষ্ট সম্প্রদায়ের ক্ষতি করে।
  • লিগ্যাসি সিস্টেমগুলি ইন্টিগ্রেশন বাধা এবং লুকানো খরচ তৈরি করতে পারে।

পরবর্তী পদক্ষেপ

  1. সমস্যা ফ্রেমিং থেকে মূল্যায়ন পর্যন্ত ডোমেন বিশেষজ্ঞদের জড়িত করুন।
  2. লঞ্চের আগে অডিট ট্রেইল এবং ডকুমেন্টেশন ডিজাইন করুন।
  3. সম্মতি এবং নিরাপত্তা বাধ্যবাধকতাগুলি তাড়াতাড়ি যাচাই করুন।
  4. পরিষ্কার স্টপ এবং রোলব্যাক মানদণ্ডের সাথে পর্যায়ক্রমে রোল আউট করুন।

অন্বেষণ চালিয়ে যান

ফ্রি নিউজলেটার

প্রতিদিনের এআই ব্রিফিং পান

প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।

প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।

নিজেকে পরীক্ষা করুন

Take the AI in Last-Mile Delivery and Route Optimization quiz

প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।

কুইজ শুরু করুন

ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

লাস্ট-মাইল ডেলিভারি এবং রুট অপ্টিমাইজেশানে এআই কী?

শেষ-মাইল ডেলিভারিতে AI অপ্টিমাইজেশান অ্যালগরিদম এবং মেশিন লার্নিং ব্যবহার করে সিদ্ধান্ত নিতে কোন ড্রাইভার কোন পার্সেল বহন করে, কোন ক্রমে স্টপে যেতে হবে এবং প্রতিটি ডেলিভারি কখন আসবে। এটি গুরুত্বপূর্ণ কারণ দোরগোড়ার চূড়ান্ত পা প্রায়শই শিপিংয়ের সবচেয়ে ব্যয়বহুল অংশ। ছোট রাউটিং লাভ লক্ষ লক্ষ স্টপে জ্বালানি, সময় এবং নির্গমন সাশ্রয় করে।

যানবাহন রাউটিং সমস্যা কোন ক্লাসিক সমস্যার একটি সাধারণীকরণ?

ভিআরপি ভ্রমণ সেলসম্যান সমস্যাকে ক্ষমতা, সময় জানালা এবং অন্যান্য সীমাবদ্ধতা সহ একাধিক যানবাহনে প্রসারিত করে।

কেন বাস্তব-বিশ্বের রাউটিং সিস্টেমগুলি সঠিক সমাধানের পরিবর্তে হিউরিস্টিকসের উপর নির্ভর করে?

যেহেতু VRP NP-হার্ড, তাই সঠিক উত্তরের জন্য প্রয়োজনীয় গণনা বিস্ফোরকভাবে বৃদ্ধি পায়। হিউরিস্টিকস ব্যবহারিক সময় সীমার মধ্যে ভাল সমাধান খুঁজে পায়।

2-অপ্ট পদক্ষেপ কি করে?

2-অপ্ট দুটি প্রান্ত সরিয়ে দেয় এবং রুটটিকে অন্যভাবে পুনরায় সংযোগ করে, যা ক্রসিংগুলিকে টেনে আনে এবং সাধারণত রুটটিকে ছোট করে।

2021 Amazon এবং MIT গবেষণা চ্যালেঞ্জের লক্ষ্য কী ছিল?

চ্যালেঞ্জটি দলগুলিকে চালকরা যে রুটগুলি নেয় তার মডেল করতে বলেছিল, কারণ গাণিতিকভাবে সংক্ষিপ্ততম রুটটি সর্বদা অনুশীলনে কাজ করে না।

ডেলিভারি প্ল্যানিংয়ে, সার্ভিস টাইম কী বোঝায়?

সার্ভিস টাইম হল ড্রাইভিং বাদে প্রতিটি স্টপে কাটানো সময়। এটি ভবিষ্যদ্বাণী করা কঠিন এবং আগমনের সময় ত্রুটির একটি প্রধান উত্স, তাই এমএল মডেলগুলি ঠিকানা অনুসারে এটি অনুমান করে।

শিখতে থাকুন

সম্পর্কিত গাইড

এই বিষয়ের জন্য বাছাই করা আরও গাইড

একটি বিনামূল্যে AI শংসাপত্র পানএকটি সংক্ষিপ্ত বিনামূল্যে কোর্স এবং পরীক্ষা. কোনো খরচ নেই, কোনো কার্ড নেই। প্রায় 2.5 ঘন্টা।বিনামূল্যে শুরু করুন →