Loģistika un transports: matemātiskā mākslīgā intelekta optimizācija attiecībā uz ieguldījumiem autoparkā, mezglu atrašanās vietām, automatizāciju un infrastruktūru

Sākuma punkts: pilns ieguldījumu saraksts pirms faktiskā lēmuma pieņemšanas

Šīs jaunās aprēķinu metodes izšķirošā atšķirība ir tās piemērošanas laiks: tā netiek izmantota apstiprināšanai pēc lēmuma pieņemšanas, bet pirms faktiskā lēmuma pieņemšanas, pamatojoties uz uzņēmuma pilnu ieguldījumu un projektu sarakstu.

Parasti ir potenciālo CAPEX projektu saraksts - piemēram, rūpnīcu modernizācija, IT pārveidošana, produktu attīstība, Infrastruktūras pasākumi vai efektivitātes programmas. Tajā pašā laikā ir noteikti ierobežojumi, piemēram, ierobežots kopējais budžets, ierobežotas inženiertehniskās iespējas, Ražošanas logi, riska budžeti un stratēģiskie pamatnosacījumi.

Tieši šeit rodas īsta lēmumu pieņemšanas problēma: ne visus projektus var īstenot. Tāpēc jautājums nav šāds kuri projekti atsevišķi šķiet jēgpilni, bet gan to, kura šo projektu kombinācija veido globāli optimālo kopējo portfeli, ņemot vērā dotos ierobežojumus.

Tāpēc jaunā aprēķinu metode nevērtē atsevišķus projektus izolēti, bet aprēķina no pilna projektu saraksta optimālo portfeli, ņemot vērā visus budžeta, jaudas, riska un stratēģijas ierobežojumus. Rezultāts ir matemātiski pamatots Rezultāts ir matemātiski pamatota to projektu atlase, kas kopā rada maksimālo kopējo vērtības devumu - pirms tiek pieņemts faktiskais lēmums par investīcijām. Novirzes no aprēķinātās optimālās sākuma pozīcijas tiek veiktas, skaidri redzot radušās alternatīvās izmaksas un to kvantitatīvi izmērāmo ietekmi uz kopējo portfeļa vērtību.

Tas pārvērš CAPEX plānošanu no secīga atlases procesa par konsekventu portfeļa optimizāciju, kurā pilnībā tiek ņemtas vērā alternatīvās izmaksas, ierobežojumu vājās vietas un portfeļa ietekme.

Loģistikas piemērs:

10 projekti. Fiksēts budžets: 850 miljoni EUR. Kopējās ieguldījumu izmaksas: EUR 2088 miljoni .

Kopsavilkums

Loģistikas un transporta nozare ir pasaules ekonomikas mugurkauls. Uzņēmumi nepārtraukti iegulda līdzekļus transportlīdzekļu parkos, izplatīšanas centros, automatizācijas tehnoloģijās un infrastruktūrā, lai optimizētu efektivitāti, ātrumu un izmaksu struktūru.

Šie ieguldījumi ir saistīti ar kapitālu uz laiku no 5 līdz 30 gadiem un nosaka loģistikas uzņēmuma ilgtermiņa konkurētspēju.

Ekonomiskos panākumus nosaka nevis atsevišķi investīciju lēmumi, bet gan visa investīciju portfeļa matemātiska optimizācija, ņemot vērā reālos budžeta, jaudas, pieprasījuma un infrastruktūras ierobežojumus.

Ja ir tikai daži desmiti potenciālo ieguldījumu projektu, rodas eksponenciāli augoša lēmumu pieņemšanas telpa, kuru nav iespējams pilnībā analizēt, izmantojot tradicionālos lēmumu pieņemšanas procesus.

Projektu portfeļa optimizācijas mākslīgais intelekts pirmo reizi ļauj aprēķināt globāli optimālu ieguldījumu portfeli un pārveido kapitāla piešķiršanu loģistikas uzņēmumos no heiristiskas plānošanas uz matemātiski optimālu lēmumu pieņemšanu.

1. Loģistikas uzņēmumi kā kombinatoriskas kapitāla sadales sistēmas

Loģistikas uzņēmumi darbojas ar vairākiem vienlaicīgiem ierobežojumiem:

• CAPEX budžeti transportlīdzekļu parkam un infrastruktūrai
• Mezgla un izplatīšanas tīkla struktūra
• Transporta jaudas un pieprasījuma nepastāvība
• Uzglabāšanas un šķirošanas sistēmu automatizācijas pakāpe
• Enerģētikas un dekarbonizācijas stratēģijas
• Atrašanās vietas stratēģijas un ģeogrāfiskie tīkli
• Pakalpojumu līmeņa prasības un piegādes laiks

Tipiski investīciju projekti ietver

• Transportlīdzekļu parka atjaunošana vai paplašināšana (kravas automašīnas, piegādes transportlīdzekļi, gaisa kuģi)
• Jaunu loģistikas mezglu un sadales centru būvniecība
• Šķirošanas un uzglabāšanas procesu automatizācija
• Transporta parka elektrifikācija vai dekarbonizācija
• Esošās infrastruktūras optimizācija
• Starptautisko loģistikas tīklu paplašināšana

Katram projektam ir izmērāmi parametri:

• Paredzamais ekonomiskais ieguldījums (Ri)
• Ieguldījumu izmaksas (Ci)
• Ietekme uz jaudu
• Darbības izmaksu samazinājums
• Stratēģiskais ieguldījums tīkla optimizācijā
• Risks un īstenošanas laiks

Mērķis ir izvēlēties optimālo projektu kombināciju.

max Σ Σ Ri xi
s.t. Σ Ci xi ≤ Budžets
xi ∈ {0,1}

2. Loģistikas ieguldījumu lēmumu kombinatoriskā realitāte

Jau ir 40 potenciālie investīciju projekti:

2⁴⁰ = 1 099 511 627 776 iespējamie ieguldījumu portfeļi

Ar 60 projektiem:

2⁶⁰ = 1 152 921 504 606 846 976 iespējamās kombinācijas

Šāda lieluma pakāpe būtiski pārsniedz klasisko lēmumu pieņemšanas procesu analīzes iespējas.

Praksē lēmumu pieņemšana parasti balstās uz

• atsevišķiem biznesa gadījumu novērtējumiem
• Prioritāšu saraksti
• pakāpeniska tīkla plānošana
• uz budžetu balstītiem investīciju lēmumiem

Šīs metodes ir aptuvens risinājums - tās neaprēķina globālo optimālo risinājumu.

3. Tipiski investīciju lēmumi loģistikā un transportā

Piemērs: autoparka modernizācija un elektrifikācija

Uzņēmumam ir jāpieņem lēmums:

• Turpināt ekspluatēt esošo transportlīdzekļu parku
• Daļēja autoparka modernizācija
• Pilnīga pāreja uz elektriskām vai alternatīvām piedziņas sistēmām

Šim lēmumam ir ilgtermiņa ietekme:

• Ekspluatācijas izmaksas gadu desmitu garumā
• Uzturēšanas izmaksas
• Energoefektivitāte
• regulatīvie riski

Piemērs Nr. 2: Centrmezgla atrašanās vieta un sadales tīkla stratēģija

Iespējamie risinājumi:

• Esošo mezglu paplašināšana
• Jaunu reģionālo sadales centru izveide
• Esošās infrastruktūras konsolidācija

Šie lēmumi ietekmē:

• Transporta izmaksu struktūru
• Piegādes termiņus
• Tīkla efektivitāti
• Uzņēmuma mērogojamību

Piemērs: Loģistikas centru automatizācija

Ieguldījumu iespējas:

• Manuālo procesu saglabāšana
• Daļēja esošās infrastruktūras automatizācija
• Pilnīga jaunu loģistikas centru automatizācija

Šiem lēmumiem ir ilgtermiņa ietekme:

• Personāla izmaksu struktūra
• Caurlaides spēju
• Kļūdu īpatsvars un efektivitāte
• darbības mērogojamība

4. Loģistikas ieguldījumu lēmumu savstarpējā atkarība

Lēmumi par ieguldījumiem loģistikas tīklos ir savstarpēji ļoti atkarīgi:

• Transporta mezglu atrašanās vietas ietekmē transporta izmaksas un piegādes laiku
• Autoparka struktūra ietekmē jaudu un ekspluatācijas izmaksas
• Automatizācija ietekmē caurlaides spēju un mērogojamību
• Infrastruktūras lēmumi ietekmē ilgtermiņa konkurētspēju

No tā izriet:

Portfeļa vērtība ≠ atsevišķo ieguldījumu lēmumu summa

Bet:

Portfeļa vērtība = f(tīkla struktūra, jauda, ierobežojumi un stratēģiskā orientācija)

5. Portfeļa optimizācijas AI matemātiskais pamats

Formāli šī ir kombinatoriskās optimizācijas problēma:

max Rᵀx
s.t. Ax ≤ b
x ∈ {0,1}

Ar:

• x = ieguldījumu projektu izvēle
• R = ekonomiskais ieguldījums
• A = ierobežojumu matrica (budžets, jauda, infrastruktūra, pieprasījums)
• b = ierobežojumu robežas

6. Konkrēti portfeļa optimizācijas mākslīgā intelekta izmantošanas gadījumi loģistikas uzņēmumos

• Ieguldījumu autoparkā optimizācija
• Optimāla loģistikas centru atrašanās vietas plānošana
• Automatizācijas stratēģija sadales centriem
• Globālo loģistikas tīklu optimizācija
• Infrastruktūras investīciju plānošana
• Dekarbonizācijas un enerģijas optimizācijas stratēģijas

7. Ekonomiskā ietekme un uzņēmuma vērtība

Ar tipisku ieguldījumu apjomu:

500 miljoni līdz 5 miljardi eiro gadā

kapitāla sadalījuma uzlabošana tikai par:

5 %

rada papildu pievienoto vērtību:

eUR 25 līdz EUR 250 miljonus gadā

Loģistikas infrastruktūras aprites cikla laikā tas nozīmē miljardiem papildu uzņēmuma vērtības.

Secinājums

Loģistikas uzņēmumi darbojas ļoti sarežģītā investīciju vidē ar ilgtermiņa kapitāla saistībām un savstarpēji atkarīgiem infrastruktūras lēmumiem.

Portfeļa optimizācijas mākslīgais intelekts pirmo reizi ļauj pilnībā matemātiski optimizēt loģistikas ieguldījumu portfeļus.

Tas iezīmē pāreju no heiristiskas infrastruktūras plānošanas uz matemātiski optimizētu stratēģisko pārvaldību loģistikas un transporta jomā.