Logiciel de répartition par IA : comment l'itinéraire automatisé change la répartition des parcs

Enlevez l'étiquette et il y a habituellement trois choses dessous. D'abord, l'optimisation : étant donné les tâches, les véhicules, les fenêtres de temps et les contraintes, calculer l'affectation et l'ordre des arrêts qui minimisent la distance ou le temps — un problème mathématique difficile que les logiciels résolvent depuis des décennies et qu'ils résolvent maintenant assez vite pour le refaire toutes les quelques minutes. Ensuite, la prédiction : des heures d'arrivée et des durées d'arrêt estimées à partir de l'historique du parc lui-même — combien de temps ce conducteur prend réellement pour ce type d'arrêt, combien de temps cette route prend à cette heure — plutôt qu'à partir des limites de vitesse d'une carte. Enfin, l'automatisation : le logiciel qui propose ou effectue l'affectation, de sorte que le répartiteur approuve plutôt que de bâtir.

Chacune est utile. Aucune n'est magique. Un produit qui fait les trois est matériellement différent d'un produit qui met le mot sur une carte; la façon de le savoir est de demander lesquelles des trois il fait et comment.

Le plan du matin prend des minutes au lieu d'une heure, et il est meilleur, parce que le logiciel considère des combinaisons qu'une personne n'envisagerait pas. Le plus grand changement est en cours de journée : quand une tâche est annulée, qu'une nouvelle arrive ou qu'une fourgonnette tombe en panne, le logiciel replanifie les arrêts restants entre les conducteurs restants et montre au répartiteur le nouveau plan à approuver. Le travail du répartiteur passe de bâtir le plan à gérer les exceptions que le logiciel signale — le client qui a besoin d'un appel, le conducteur qui va manquer une fenêtre quel que soit l'itinéraire.

La prédiction est ce qui rend la communication avec le client honnête. Une estimation d'arrivée bâtie sur l'historique du parc est une estimation que l'entreprise peut promettre; une estimation bâtie sur les limites de vitesse d'une carte est une estimation pour laquelle elle s'excuse.

Il ne peut pas savoir ce qu'on ne lui dit pas. Une tâche avec une mauvaise durée, un client qui n'est jamais chez lui avant dix heures, un site sans accès pour les camions : si ces contraintes ne sont pas dans les données, le plan sera erroné de la même façon que celui d'une personne. Il ne peut pas juger la relation client — quel compte obtient la faveur quand deux fenêtres entrent en collision. Et il ne peut pas réparer un parc qui manque de conducteurs; l'optimisation déplace le manque, elle ne l'élimine pas. Les parcs qui tirent le plus de la répartition par IA sont ceux qui lui fournissent de bonnes données et laissent le répartiteur consacrer le temps gagné aux décisions de jugement.

Les réponses distinguent un moteur d'optimisation d'une carte avec un slogan.

La répartition par IA fonctionne sur des données, et les données viennent des véhicules. La position en direct du dispositif GO est ce contre quoi la replanification travaille; l'historique des trajets est ce dont les prédictions apprennent; les heures des conducteurs de l'ELD sont une contrainte que le plan doit respecter. Sur une plateforme ouverte, un produit de répartition ou d'itinéraires lit ces données par l'API, et c'est pourquoi le choix de la télématique décide quels outils de répartition sont disponibles. Choisir d'abord la plateforme télématique, puis la couche de répartition par-dessus, est l'ordre qui garde les options ouvertes.