بهینه‌سازی تحویل کالا با هوش مصنوعی انویدیا در پلتفرم وانریل

شرکت وانریل با ادغام زیرساخت‌های محاسباتی و هوش مصنوعی انویدیا، پلتفرم جدیدی را عرضه کرده است که با سرعتی آنی، ارزان‌ترین مسیر و روش تحویل کالا را تعیین و هزینه‌های مایل آخر را به‌شدت کاهش می‌دهد. این سامانه با بهره‌گیری از فناوری پیشرفته هوش مصنوعی انویدیا به خرده‌فروشان، عمده‌فروشان و شرکت‌های توزیع کمک می‌کند تا درباره نحوه ارسال تک‌تک سفارش‌ها بهینه‌ترین تصمیم را اتخاذ کنند. به گفته وانریل، این سیستم که «امنیاستار» (OmniSTAR) نام دارد، گزینه‌های مختلف از جمله ناوگان اختصاصی، پیک‌ها، شرکت‌های حمل مرسولات پستی و سایر شیوه‌های حمل‌ونقل را ارزیابی کرده و سپس کم‌هزینه‌ترین گزینه‌ای را که با سطح خدمات مورد نظر همخوانی دارد، انتخاب می‌کند.

این پلتفرم، موتور بهینه‌سازی تصمیم‌گیری cuOpt و نرم‌افزار پردازش داده cuDF انویدیا را با داده‌های قیمت‌گذاری و عملکرد تحویل وانریل پیوند می‌زند. برای انجام محاسبات مربوط به مسیریابی و تعیین روش تحویل کالا نیز از زیرساخت‌های محاسباتی شتاب‌یافته انویدیا استفاده می‌شود.

به گفته وانریل، این سیستم می‌تواند زمان محاسبات را تا ۱۰ برابر کاهش دهد؛ به‌طوری که محاسبه‌ای که پیش‌تر ۲۰ دقیقه زمان می‌برد، اکنون ظرف کمتر از دو دقیقه انجام می‌شود و محاسباتی که یک هفته به طول می‌انجامید، به حدود دو روز تقلیل یافته است. وانریل اعلام کرده که این کاهش چشمگیر در زمان پردازش، امکان اجرای فرآیند بهینه‌سازی را به‌طور بلادرنگ در فرایند تحویل فراهم می‌سازد؛ جایی که گزینه‌های متعدد آماده‌سازی و ارسال سفارش می‌توانند پیش از واگذاری و تخصیص نهایی، به‌دقت ارزیابی شوند.

کاتانیا از مدیران ارشد وانریل در مصاحبه با شبکه CNBC در این باره گفت: «اگر توانایی تصمیم‌گیری با سرعتی بسیار بالا را نداشته باشید، حاشیه سود خود را از دست خواهید داد؛ چرا که فرآیند تحویل در مایل آخر (Last-Mile Fulfilment) بسیار پرهزینه است.»

از پیش‌بینی تا تصمیم‌گیری برای تحویل

سیستم‌های جامع‌تر هوش مصنوعی وانریل برای بخش‌های مختلف فرآیند تحویل از پیش‌بینی و بهینه‌سازی بهره می‌برند. این شرکت اعلام کرده که مدل‌های یادگیری ماشین آن مواردی نظیر زمان سرویس‌دهی، ریسک تأخیر، احتمال موفقیت در نخستین تلاش برای تحویل و بازه‌های قیمتی مورد انتظار را تخمین می‌زنند.

به گفته وانریل، این پیش‌بینی‌ها در اختیار سامانه‌های بهینه‌سازی قرار می‌گیرند؛ سیستم‌هایی که تعیین می‌کنند یک سفارش چگونه باید اجرا و تحویل داده شود. به‌طور مجزا، شرکت وانریل خاطرنشان کرده که امنیاستار شیوه‌های مختلف آماده‌سازی و ارسال کالا را پیش از انتخاب نهایی بر اساس فاکتورهای هزینه و الزامات خدمات، با یکدیگر مقایسه می‌کند.

پژوهش‌های انجام‌شده در زمینه مسیریابی پویای ناوگان نیز تفکیک مشابهی میان «پیش‌بینی شرایط متغیر» و «محاسبه مجدد تصمیمات عملیاتی به محض دریافت اطلاعات تازه» قائل می‌شوند. در یک مقاله مروری در سال ۲۰۲۴ در نشریه اروپایی European Journal of Operational Research، پیش‌بینی زمان سفر و بهینه‌سازی مجدد آنی، به عنوان دو حوزه مجزا در پژوهش‌های مسیریابی وابسته به زمان معرفی شده‌اند.

نقش هوش مصنوعی انویدیا و cuOpt در بهینه‌سازی مسیرها

انویدیا کتابخانه cuOpt را یک کتابخانه بهینه‌سازی متن‌باز و مبتنی بر شتاب‌دهنده‌های گرافیکی (GPU) معرفی می‌کند که ویژه مسیریابی ناوگان و دیگر مسائل بهینه‌سازی ریاضی توسعه یافته است.

مستندات فنی انویدیا نشان می‌دهد که cuOpt می‌تواند هنگام محاسبه مسیرها مواردی چون هزینه‌های وسایل نقلیه، ظرفیت‌ها، مدت‌زمان سفر، پنجره‌های زمانی عملیاتی، مکان‌های مبدأ و سایر محدودیت‌ها را لحاظ کند. مدل‌های هزینه این کتابخانه همچنین می‌توانند از مسافت، زمان، هزینه پولی یا ترکیبی وزن‌دهی‌شده از این معیارها استفاده کنند.

سیستم امنیاستار کتابخانه cuOpt را هم در مسیریابی و هم در انتخاب روش تحویل به کار می‌گیرد. وانریل اظهار داشته که این امر به سیستم اجازه می‌دهد تا گزینه‌های موجود برای آماده‌سازی یک سفارش را بسنجد و کم‌هزینه‌ترین گزینه‌ای را که هم‌زمان الزامات خدماتی را نیز برآورده می‌سازد، مشخص کند.

وانریل اشاره می‌کند که بسیاری از خرده‌فروشان هنوز برای اتخاذ این تصمیمات بر قواعد ایستا یا برنامه‌ریزی دستی تکیه دارند، در حالی که امنیاستار طوری طراحی شده است تا ترکیب‌های بسیار بیشتری از روش‌های تحویل را در بازه‌های زمانی عملیاتی کوتاه‌تر ارزیابی کند.

انویدیا توضیح می‌دهد که cuOpt تک‌تک مسیرهای ممکن را به‌صورت شمارش کامل کل حالات (جست‌وجوی جامع) بررسی نمی‌کند؛ بلکه این الگوریتم حل مسئله، گزینه‌ها و راهکارهای نامزد اولیه را تولید کرده و با استفاده از روش‌های ابتکاری (Heuristics) شتاب‌یافته روی پردازنده‌های گرافیکی، آن‌ها را به‌صورت مکرر ارتقا می‌دهد تا نتایجی باکیفیت بالا را در بازه زمانی تعیین‌شده محاسباتی تولید کند.

این پلتفرم همچنین از کتابخانه Nvidia cuDF استفاده می‌کند؛ کتابخانه‌ای شتاب‌یافته با GPU برای پردازش داده‌های جدولی که عملیاتی مانند فیلتر کردن، پیوند زدن و تجمیع داده‌ها را شامل می‌شود.

وانریل این قابلیت‌ها را با داده‌های اختصاصی تحویل و مدل‌های عملیاتی خود پیوند زده است. مجموعه داده‌های این شرکت بر پایه میلیون‌ها سفارش تحویل در شبکه‌ای شکل گرفته که به گفته وانریل، بیش از ۱۲ میلیون راننده و افزون بر ۱,۰۰۰ همکار لجستیکی را در بر می‌گیرد.

این داده‌ها، اطلاعات قیمت‌گذاری و عملکرد تحویل در شیوه‌های گوناگون حمل‌ونقل را پوشش می‌دهند. وانریل اعلام کرده که امنیاستار می‌تواند با تحلیل این اطلاعات، قواعد تحویلی را که موجب افزایش هزینه‌ها می‌شوند شناسایی کرده و اثر انتخاب‌های مختلف لجستیکی را بر سودآوری تک‌تک کالاها بسنجد.

معماری اعلام‌شده برای امنیاستار بر پردازش داده‌ها و بهینه‌سازی ریاضی شتاب‌یافته بر بستر پردازنده‌های گرافیکی تمرکز دارد. انویدیا ابزار cuOpt را به عنوان مؤلفه بهینه‌سازی مورداستفاده در مسائلی نظیر مسیریابی وسایل نقلیه معرفی می‌کند.

از آنجا که cuOpt ساختاری با معماری بدون حفظ حالت (بی‌حالت / Stateless) دارد، ایجاد هرگونه تغییر در شرایط عملیاتی نیازمند مدل‌سازی مجدد مسئله بهینه‌سازی و ارسال دوباره آن است. انویدیا خرابی وسایل نقلیه، غیبت رانندگان، انسداد مسیرها، ترافیک و سفارش‌های فوری جدید را نمونه‌هایی از دگرگونی‌هایی می‌داند که اجرای چنین بهینه‌سازی‌های پویای مجددی را ایجاب می‌کنند.

به گفته وانریل، امنیاستار با تغییر متغیرهایی مانند هزینه سوخت، وضعیت آب‌وهوا و شرایط حمل‌ونقل، می‌تواند سناریوهای تحویل را دوباره ارزیابی و اجرا کند. این شرکت همچنین یادآور شده است که بهره‌گیری از cuOpt به آن اجازه می‌دهد تا در مقایسه با روش‌های پیشین خود، سناریوهای مسیریابی بیشتری را بررسی کرده و مسیرها را با سرعتی بالاتر دوباره محاسبه کند.

استقرار امنیاستار در عملیات زنده شرکتی

سامانه امنیاستار هم‌اکنون برای شماری از مشتریان منتخب در سطح سازمانی پیاده‌سازی شده است.

در شرکت یواس فودز (US Foods)، وانریل اعلام کرد این سیستم الگوهایی از تحویل کالا را شناسایی کرده که موجب کاهش حاشیه سود می‌شدند؛ از جمله حمل محصولات با حاشیه سود اندک در مسافت‌های طولانی با تجهیزات پرهزینه‌تر. بر اساس گزارش وانریل، یواس فودز متعاقبا از این یافته‌ها برای تعدیل قیمت‌ها و بازسازی برخی الگوهای ارسال کالای خود بهره گرفت.

وانریل همچنین به شبکه CNBC اعلام کرد که یکی از شرکت‌های بزرگ توزیع‌کننده لاستیک خودرو که نخواست نامش فاش شود، توانسته با استفاده از این پلتفرم طی سه سال به ۴۰ میلیون دلار صرفه‌جویی دست یابد. نام این مشتری فاش نشده و ارقام صرفه‌جویی مستقیما از سوی وانریل ارائه شده است. این شرکت به CNBC گفت که انتظار دارد حجم ناخالص مبادلات تجاری (GMV) در پلتفرم امنیاستار تا سه‌ماهه چهارم سال ۲۰۲۶ از مرز ۶ میلیارد دلار عبور کند.

گزارش CNBC حاکی از آن است که وانریل و انویدیا پیش از رونمایی از این سامانه، به مدت سه سال بر روی این پروژه کار کرده بودند. وانریل اعلام کرده که این همکاری علاوه بر حضور در برنامه رشد Nvidia Inception، تعامل و همکاری مستقیم با تیم مهندسی cuOpt انویدیا در زمینه تحویل در مایل آخر و بهینه‌سازی لجستیک در مقیاس‌های کلان را در بر داشته است.

در ماه مارس سال جاری، شرکت فدکس (FedEx) با همکاری وانریل سرویس FedEx SameDay Local را راه‌اندازی کرد که مشتریان را به شبکه‌ای ملی متشکل از بیش از ۱,۰۰۰ ارائه‌دهنده خدمات ارسال و تحویل متصل می‌سازد.

(عکس: برشت کوربیل / Photo by Brecht Corbeel)