OneRail використовує ШІ NVIDIA для оптимізації доставки на останній милі в реальному часі

OneRail запустила платформу доставки на основі ШІ, яка використовує технології Nvidia, щоб допомогти роздрібним торговцям, оптовикам і дистриб’юторам визначати, як доставляти окремі замовлення.

Система під назвою OmniSTAR оцінює такі варіанти, як власні автопарки, кур’єри, оператори посилкової доставки та інші способи доставки, а потім обирає найдешевший варіант, який відповідає необхідному рівню обслуговування, повідомила OneRail.

Платформа поєднує механізм оптимізації рішень Nvidia cuOpt і програмне забезпечення для обробки даних cuDF із даними OneRail про ціни та ефективність доставки. Для обробки розрахунків маршрутів і способів доставки використовується інфраструктура прискорених обчислень Nvidia.

У OneRail заявили, що система може скоротити час обчислень у 10 разів. Розрахунок, який раніше займав 20 хвилин, можна виконати менш ніж за дві хвилини, тоді як розрахунок, що тривав тиждень, можна скоротити приблизно до двох днів, повідомила компанія.

У OneRail зазначили, що коротший час обробки дає змогу запускати оптимізацію в межах поточних операцій доставки, коли перед призначенням замовлення можна оцінити кілька варіантів його виконання.

«Якщо ви не здатні ухвалювати блискавичні рішення, ви втрачаєте маржу», — сказав Катаньїа в інтерв’ю CNBC. «Виконання доставки на останній милі є дорогим».

Від прогнозування до рішень щодо доставки

Ширша система ШІ OneRail використовує прогнозування й оптимізацію для різних етапів процесу доставки. У компанії заявили, що її моделі машинного навчання оцінюють такі фактори, як час обслуговування, ризик запізнення, ймовірність успішної доставки з першої спроби та очікувані діапазони цін.

У OneRail зазначили, що ці прогнози надходять до систем оптимізації, які визначають, як має бути виконане замовлення. Окремо компанія повідомила, що OmniSTAR порівнює різні способи виконання замовлення, перш ніж обрати варіант на основі вимог до вартості та обслуговування.

Дослідження динамічної маршрутизації транспортних засобів проводить аналогічне розмежування між прогнозуванням мінливих умов і повторним розрахунком операційних рішень у міру надходження нової інформації. В огляді 2024 року в журналі European Journal of Operational Research прогнозування часу поїздки та повторну оптимізацію в реальному часі було визначено як окремі напрями досліджень маршрутизації, залежної від часу.

Nvidia cuOpt оптимізує маршрути

Nvidia описує cuOpt як бібліотеку оптимізації з відкритим кодом і GPU-прискоренням для маршрутизації транспортних засобів та інших задач математичної оптимізації.

Документація Nvidia показує, що під час розрахунку маршрутів cuOpt може враховувати вартість експлуатації транспортних засобів, їхню місткість, час поїздки, операційні часові вікна, початкові місця розташування та інші обмеження. Її моделі вартості також можуть використовувати відстань, час, грошові витрати або зважену комбінацію цих показників.

OmniSTAR застосовує cuOpt як для маршрутизації, так і для вибору способу доставки. У OneRail заявили, що це дає системі змогу порівнювати доступні варіанти виконання замовлення та визначати найдешевший варіант, який водночас відповідає вимогам до обслуговування.

У OneRail зазначили, що багато роздрібних торговців досі покладаються на статичні правила або ручне планування під час ухвалення таких рішень, тоді як OmniSTAR розроблена для оцінювання більшої кількості комбінацій доставки за коротші операційні проміжки часу.

Nvidia заявила, що cuOpt не перевіряє вичерпно кожен можливий маршрут. Натомість розв’язувач генерує можливі рішення та поступово їх удосконалює за допомогою евристик із GPU-прискоренням, щоб отримати якісні результати протягом визначеного часу обчислень.

Платформа також використовує Nvidia cuDF — бібліотеку з GPU-прискоренням для обробки табличних даних, зокрема фільтрування, об’єднання та агрегування наборів даних.

OneRail поєднує ці можливості з власними даними про доставку та операційними моделями. Її набір даних ґрунтується на мільйонах доставок у мережі, яка, за словами компанії, охоплює понад 12 мільйонів водіїв і більш ніж 1 000 логістичних партнерів.

Дані охоплюють ціни та ефективність доставки для різних видів транспорту. У OneRail заявили, що OmniSTAR може використовувати цю інформацію для визначення правил доставки, які підвищують витрати, а також оцінювання впливу вибору способу доставки на прибутковість окремих товарів.

Розкрита архітектура OmniSTAR ґрунтується на обробці даних і математичній оптимізації з GPU-прискоренням. Nvidia описує cuOpt як компонент оптимізації, що використовується для таких задач, як маршрутизація транспортних засобів.

Оскільки cuOpt є системою без збереження стану, зміни операційних умов вимагають повторного моделювання та надсилання задачі оптимізації. Nvidia наводить поломки транспортних засобів, відсутність водіїв, перекриття доріг, затори та появу нових пріоритетних замовлень як приклади змін, що можуть спричинити таку динамічну повторну оптимізацію.

У OneRail заявили, що OmniSTAR може повторно запускати сценарії доставки в міру зміни таких змінних, як витрати на пальне, погода та умови транспортування. Раніше компанія окремо повідомляла, що використання cuOpt дає їй змогу оцінювати більше сценаріїв маршрутизації та швидше перераховувати маршрути, ніж попередній підхід.

OmniSTAR переходить до роботи в реальному часі

OmniSTAR уже впроваджена у вибраних корпоративних клієнтів.

У US Foods OneRail заявила, що система виявила конфігурації доставки, які зменшували маржу, зокрема транспортування товарів із низькою маржею на великі відстані за допомогою дорожчого обладнання. За даними OneRail, згодом US Foods використала ці висновки для коригування цін і перебудови деяких схем доставки.

OneRail також повідомила CNBC, що неназваний великий дистриб’ютор шин, який використовує платформу, досяг економії в розмірі 40 мільйонів доларів у перерахунку на поточний річний темп за три роки. Клієнта не було названо, а дані про економію надала OneRail. Компанія також повідомила CNBC, що очікує перевищення OmniSTAR показника валового обсягу товарів у 6 мільярдів доларів у четвертому кварталі 2026 року.

CNBC повідомила, що OneRail і Nvidia працювали над проєктом протягом трьох років до його запуску. У OneRail заявили, що співпраця включала безпосередню взаємодію з інженерною командою Nvidia cuOpt щодо доставки на останній милі та оптимізації великомасштабної логістики, а також участь компанії в програмі Nvidia Inception.

У березні цього року FedEx запустила FedEx SameDay Local у співпраці з OneRail, з’єднавши клієнтів із національною мережею, що налічує понад 1 000 постачальників доставки.

(Фото: Brecht Corbeel)

Дивіться також: Чверть бізнесу Nvidia наступного року припадатиме на лабораторії, які вона фінансує

Хочете дізнатися більше про ШІ та великі дані від лідерів галузі? Відвідайте AI & Big Data Expo, що відбудеться в Амстердамі, Каліфорнії та Лондоні. Цей масштабний захід є частиною TechEx і проводиться одночасно з іншими провідними технологічними заходами; натисніть тут, щоб отримати додаткову інформацію.

AI News працює за підтримки TechForge Media. Ознайомтеся з іншими майбутніми заходами та вебінарами у сфері корпоративних технологій тут.