GUIDA alle industrie

L'intelligenza artificiale nella consegna dell'ultimo miglio e nell'ottimizzazione del percorso

L’intelligenza artificiale nella consegna dell’ultimo miglio utilizza algoritmi di ottimizzazione e apprendimento automatico per decidere quale autista trasporta quali pacchi, in quale ordine di visita si ferma e quando arriverà ciascuna consegna.

Ascolta questa guidaNarrato dall'IA · ~3 min

In questa pagina4 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro dell'intelligenza artificiale nella consegna dell'ultimo miglio e nell'ottimizzazione del percorso
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

È importante perché il tragitto finale fino alla porta di casa è spesso la parte più costosa della spedizione. Piccoli miglioramenti nel percorso consentono di risparmiare carburante, tempo ed emissioni in milioni di fermate.

Immersione profonda

L'instradamento dei veicoli per le consegne è un caso da manuale del problema del percorso dei veicoli (VRP), una generalizzazione del problema del commesso viaggiatore. Dato un deposito, una flotta e una serie di fermate, l’obiettivo sono percorsi che riducano al minimo il costo totale rispettando i vincoli. Questi includono la capacità del veicolo, la durata del turno del conducente, le finestre temporali del cliente e talvolta coppie di ritiri e consegne. Il problema è NP-hard: le soluzioni esatte diventano impraticabili man mano che il numero di fermate cresce, quindi i sistemi reali si basano sull'euristica (regole pratiche che trovano risposte buone, non migliori garantite). I metodi classici includono l'algoritmo di risparmio di Clarke-Wright del 1964 e le mosse di ricerca locale come 2-opt, che districa i segmenti di percorso che si incrociano. I solutori moderni, inclusi strumenti open source come gli OR-Tools di Google, li combinano con metaeuristiche che esplorano molte soluzioni candidate. Il sistema ORION di UPS, lanciato negli anni 2010, è un esempio ben noto. Ottimizza l'ordine delle fermate di ciascun conducente. UPS è noto anche per una preferenza di lunga data per percorsi che evitano le svolte a sinistra nel traffico ove possibile, scambiando distanze leggermente più lunghe con svolte meno inattive e meno rischiose. L'apprendimento automatico aggiunge la previsione oltre all'ottimizzazione. I modelli stimano i tempi di viaggio in base all'ora del giorno, al tempo di servizio a ciascuna fermata (trovare un parcheggio, salire le scale, ottenere una firma) e la possibilità che una consegna fallisca. Nel 2021 Amazon e il MIT hanno lanciato una sfida di ricerca chiedendo ai team di scoprire quali percorsi preferiscono effettivamente i conducenti esperti, perché il percorso matematicamente più breve non è sempre quello che funziona su strada. Le app di cibo e generi alimentari affrontano una versione più difficile e dinamica. Gli ordini arrivano continuamente, quindi la spedizione decide in tempo reale quale corriere riceve quale ordine e se raggruppare gli ordini, bilanciando la velocità con l'occupazione dei corrieri. Un malinteso comune è che il routing sia semplicemente la navigazione sul percorso più breve. La navigazione trova un percorso stradale tra due punti. L'ottimizzazione del percorso decide l'ordine e l'assegnazione di centinaia di fermate.

Implementazione nel mondo reale

Durante la notte, il sistema di pianificazione di un corriere suddivide i pacchi del giorno successivo tra i suoi furgoni, rispettando la capacità di ciascun veicolo e le finestre di consegna dei clienti.

Una piattaforma di consegna di cibo consegna a un corriere due ordini dallo stesso ristorante quando i tempi di cottura e di viaggio previsti implicano che entrambi arriveranno ancora caldi.

Un servizio di consegna di generi alimentari prevede gli orari di arrivo utilizzando i dati passati sul tempo impiegato dai conducenti per parcheggiare e raggiungere le porte degli appartamenti, non solo il tempo trascorso sulla strada.

Quando una strada si chiude a metà turno, il ricalcolo dinamico del percorso riordina le fermate rimanenti di un conducente invece di ricalcolare il piano per l'intera flotta.

Il futuro dell'intelligenza artificiale nella consegna dell'ultimo miglio e nell'ottimizzazione del percorso

Il routing è un campo maturo, quindi i progressi saranno probabilmente graduali: migliori previsioni sui tempi di viaggio e di servizio, euristiche apprese che accelerano i risolutori e collegamenti più stretti con il modo in cui le finestre di arrivo vengono comunicate ai clienti. I furgoni elettrici aggiungono vincoli come l’autonomia e le fermate di ricarica. Gli esperimenti con robot da marciapiede, droni e armadietti per pacchi cambiano il problema aggiungendo nuovi tipi di veicoli e punti di consegna, anche se la loro diffusione varia molto in base alla località. Nonostante tutto ciò, il nucleo rimane lo stesso: previsioni accurate che alimentano un buon ottimizzatore, con la conoscenza locale dei conducenti ancora preziosa.

Metterlo in pratica

Perché è importante

  • Contesto e regole. Il contesto del settore determina se le idee dell’intelligenza artificiale sopravvivono al contatto con la realtà.
  • Controllo di qualità. I vincoli di dominio influenzano i tassi di errore accettabili e i modelli di supervisione.
  • Scelte di build. Le implementazioni di successo allineano le capacità tecniche con i flussi di lavoro in prima linea.

Attenzione

  • I requisiti normativi possono invalidare prototipi altrimenti robusti.
  • I dati storici possono codificare pregiudizi che danneggiano comunità specifiche.
  • I sistemi legacy possono creare colli di bottiglia nell’integrazione e costi nascosti.

Prossimi passi

  1. Coinvolgere esperti del settore dall'inquadramento del problema alla valutazione.
  2. Progettare audit trail e documentazione prima del lancio.
  3. Convalidare tempestivamente la conformità e gli obblighi di sicurezza.
  4. Implementazione in fasi con chiari criteri di stop e rollback.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

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

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Che cos'è l'intelligenza artificiale nella consegna dell'ultimo miglio e nell'ottimizzazione del percorso?

L’intelligenza artificiale nella consegna dell’ultimo miglio utilizza algoritmi di ottimizzazione e apprendimento automatico per decidere quale autista trasporta quali pacchi, in quale ordine di visita si ferma e quando arriverà ciascuna consegna. È importante perché il tragitto finale fino alla porta di casa è spesso la parte più costosa della spedizione. Piccoli miglioramenti nel percorso consentono di risparmiare carburante, tempo ed emissioni in milioni di fermate.

Il problema del Vehicle Routing è una generalizzazione di quale problema classico?

Il VRP estende il problema del commesso viaggiatore a più veicoli con capacità, finestre temporali e altri vincoli.

Perché i sistemi di routing del mondo reale si basano sull'euristica invece che su soluzioni esatte?

Poiché il VRP è NP-difficile, il calcolo necessario per ottenere risposte esatte cresce in modo esplosivo. Le euristiche trovano buone soluzioni entro limiti di tempo pratici.

Cosa fa la mossa 2-opt?

2-opt rimuove due bordi e ricollega il percorso nell'altro senso, il che districa gli incroci e solitamente accorcia il percorso.

Qual era l'obiettivo della sfida di ricerca 2021 di Amazon e MIT?

La sfida chiedeva ai team di modellare i percorsi effettivamente seguiti dai conducenti, perché il percorso matematicamente più breve non sempre funziona nella pratica.

Nella pianificazione delle consegne a cosa si riferisce il tempo di servizio?

Il tempo di servizio è il tempo trascorso ad ogni fermata oltre alla guida. È difficile da prevedere e rappresenta una delle principali fonti di errore nel momento dell'arrivo, quindi i modelli ML lo stimano per indirizzo.