Сгенерируй маршрут. Как в СДЭК автоматизировали управление курьерами

СДЭК — оператор экспресс-доставки в 31 стране мира. В России насчитывается более 5400 пунктов выдачи заказов, в которых работают свыше 25 000 сотрудников. Последние несколько лет компания активно внедряет в работу искусственный интеллект для оптимизации бизнес-процессов. 

Рассказываем, как генеративная нейросеть помогла улучшить работу курьеров и оптимизировать процесс отправки грузов за рубеж.

Проблема

Разработать маршрут вручную и распределить работу курьеров — сложная задача, на которую уходит много времени и ресурсов. 

Для этого нужно:

• спрогнозировать объём заказов на курьерскую базу, чтобы знать, сколько понадобится курьеров;
• распределить заказы между курьерами, чтобы нагрузка была оптимальной с учётом разной плотности точек доставки по карте;
• сформировать оптимальный маршрут курьеру с учётом срочных заказов и заказов «на конкретное время».

Здесь нужно учитывать множество факторов: размеры грузов, уровень пробок, расходы на бензин, заказы на забор груза по пути и так далее. При этом клиенты нередко отказываются от приёма посылок, переносят встречи или просто пропадают. Без автоматизированного решения логистических задач регулярно повышаются затраты на обслуживание, а общая эффективность снижается.

Вторая важная проблема — доставка грузов за рубеж. В компанию они приходят с техническим описанием, и по нему специалисты должны понять, какой код ТН ВЭД (товарная номенклатура внешнеэкономической деятельности) нужно этому грузу присвоить. Это тоже отнимает много времени и ресурсов.  

Решение

В СДЭК решили автоматизировать разработку маршрутов для курьеров и процесс присвоения кодов ТН ВЭД грузам, отправляемым за рубеж, с помощью искусственного интеллекта и генеративных нейросетей. 

Технологии

• Для решения задач кластеризации и коммивояжера 

Алгоритмы рассчитывают пробки, время доставки, возможные заборы грузов по пути, расход бензина и выстраивают оптимальный маршрут. Алгоритмы составляют портрет клиента и определяют популярность конкретных поставок в различных регионах и поведение пользователей. Эти данные также необходимы при разработке маршрутов. 

• Для решения задачи классификации

Алгоритмы точно определяет вид и назначение грузов, необходимый код ТН ВЭД.

Сложности 

Для СДЭК самой дорогой и долгой задачей при внедрении AI в бизнес-процессы стала подготовка качественных данных для обучения моделей. Компания стала наращивать собственную экспертизу в этом направлении и развивать отдельный юнит для ИТ-специалистов — CDEK Digital. Сейчас он насчитывает более 550 сотрудников и будет кратно расти. Три продукта команды CDEK Digital уже зарегистрированы в Роспатенте.

Этапы работы

• II полугодие 2022 года. Создание команды для внедрения ИТ-решений. Подготовка данных для обработки нейросетью.
• I полугодие 2023 года. Закупка необходимого оборудования и ПО. Обучение AI-моделей на тестовой выборке.
• II полугодие 2023 года. Получение результатов по обучению AI-модели и их интерпретация. Изменение бизнес-процессов в соответствии  с логикой внедряемых решений. 

Результаты

• Разработка маршрутов для курьеров оптимизировалась на 15%. Алгоритм основывается на заселённости людей в конкретном ареале, истории заказов и наличии постоянных клиентов, что позволяет работнику легко планировать свой день, ориентироваться в пространстве и забирать грузы по пути. Теперь доставка осуществляется с минимальными затратами бензина и времени. 
• Компания получила возможность предлагать своим курьерам наиболее оптимальные маршруты с учётом вероятности появления срочного заказа «на сегодня».  
• Компания точно знает, сколько сотрудников и в какие дни ей понадобятся. 
• Определение кодов ТН ВЭД для грузов происходит в несколько раз быстрее. Точность машинного алгоритма достигает 95% — ошибки свелись к минимуму.

Следующие шаги

В ближайшие годы компания планирует расширить использование нейросетей для различных бизнес-задач:

• Обслуживание клиентов. Приём звонков, обработка заявок и учёт возражений, упрощение работы топ-менеджеров.
• Документооборот. Составление отчётов, резюмирование результатов работ и другие рутинные задачи.
• Логистика. Упрощение процессов обучения — быстрый ответ на любой вопрос внутри нейросети, а также улучшение организационных моментов: отслеживание поставок, уровней запасов, прогнозирование сбоев. 
• Оптимизация бизнес-процессов. Системы прогнозного технического обслуживания на базе AI будут выявлять потенциальные проблемы до того, как они станут серьёзными, сводя к минимуму время простоя и снижая затраты на техническое обслуживание.

• СберПро Медиа теперь можно читать в «Телеграме» и «Дзене». Чтобы быть в курсе важных трендов, свежих кейсов лидеров бизнеса и мнений ведущих экспертов, следите за нами в телеграм-канале. Развитие навыков управления, личностный рост, актуальные подходы в маркетинге, новинки бизнес-литературы — эти темы мы подробно рассматриваем в «Дзене».