Last mile-levering inden for detailhandel og e-handel er kompleks og vigtig at få rigtigt. Det påvirker blandt andet kundetilfredshed og oplevelse, gentagelsesforretning, mærkeopfattelse og rentabilitet. Det er derfor forståeligt, at logistik- og leveringsplanlægningsteam har en tendens til at bruge en betydelig mængde tid på at forberede deres leveringsruter, udvikle de mest omkostningseffektive, miljøvenlige planer, som deres leveringshold og flåder kan udføre. Oprettelse af en optimeret ruteplan for leverancer er det første skridt til at maksimere flådens ydeevne og give en positiv kundeoplevelse.
Men en god plan betyder først noget, når den bliver udført – og det er udfordringen for mange flådeoperatører. Nok hjælper det at spore chauffører med GPS, men problemet er ikke så simpelt, da der er flere områder, hvor der forekommer afvigelser fra planen. Nogle afvigelser er f.eks. frivillige (f.eks. beslutter en chauffør at ændre leveringssekvensen), og andre er ufrivillige (f.eks. er der en vejspærring, der ikke er fanget i de digitale kortdata). I mange tilfælde starter afvigelse fra planen længe før en chauffør overhovedet kommer på vejen. For at få bedre kontrol over flådens ydeevne skal detailhandlere derfor spore "plan" kontra "faktisk" ydeevne. Chris Jones, EVP,Descartesforklarer.
Definition af "Plan" vs. "Faktisk" præstation
Der er tre nøglepunkter at forstå, når det kommer til plan kontra faktisk ydeevne, og hvordan detailflådeoperatører kan bruge disse oplysninger til at maksimere flådens ydeevne og kundeoplevelse.
1. Start med en optimeret ruteplan
Mange flådeoperatører gør brug af ruteplanlægningsløsninger til at understøtte detail- og e-handelsleverancer. Dagens avancerede ruteoptimeringsløsninger er meget dygtige til at overveje alle forretningsmæssige begrænsninger og vurdere afvejningen mellem at have specifikke ordrer på bestemte ruter og den rækkefølge, de bliver leveret i. De ser holistisk for at finde den bedste kombination af ruter og sekvenser, der vil opfylde kundens leveringskrav for de laveste leverede omkostninger.
Selvom det ikke er perfekt, vil den, hvis ruteplanlægningsløsningen er konfigureret korrekt, konsekvent overgå det menneskelige sind for at finde den mest omkostningseffektive ruteplan. Til denne diskussion, lad os overveje, at den plan, der oprindeligt blev genereret af systemet, er udgangspunktet for målepunktet og har de bedste potentielle resultater.
2. Evaluer virkningen af ændringer foretaget af planlæggere
Når en plan først er oprettet, bliver den typisk gennemgået af en planlægger for at sikre, at der ikke er nogen uoverensstemmelser, der kan påvirke leveringsydelsen, og tage højde for eventuelle forhold, der ikke blev taget i betragtning i systemkonfigurationen, eller som ikke er mulige at modellere. Dette trin er det første sted, hvor der kan forekomme afvigelser fra den oprindelige optimerede plan. Af legitime og vilkårlige årsager foretager planlæggere ændringer af optimerede ruter. For eksempel ved planlæggeren, at løsningen ikke fuldt ud fanger en begrænsning og antallet af leverancer, som en specifik lastbil kan udføre.
Ligeledes kan en planlægger have forudfattede meninger om, hvordan en rute skal "se ud" og foretage ændringer for at få den vist på en bestemt måde på det digitale kort. I begge tilfælde er den optimerede plan blevet justeret, og resultaterne falder i to kategorier: mere optimeret og bedre ydeevne eller mindre optimeret og lavere ydeevne. Disse ændringer skal fanges og sammenlignes med den oprindeligt optimerede plan.
3. Spor udførelse og opfang afvigelser, der påvirker det
Når planlæggeren er færdig med at foretage deres justeringer, offentliggøres planen til chaufføren. Lad os antage, at alle leverancer er på lastbilen, og chaufføren begynder at udføre ruten, som spores af GPS. Her kan chaufføren igen afvige fra ruteplanen af legitime og vilkårlige årsager.
Chaufføren ved, at en bestemt kunde vil tage imod ordrer tidligere end angivet i ruteplanen og ændrer leveringssekvensen til at være mere effektiv, eller chaufføren kan lide at stoppe på et bestemt sted, fordi faciliteterne er bedre eller mad- og drikkemulighederne mere tiltalende . Så er der hændelser, som er uden for førerens kontrol, som kan ændre ruteplanen. For eksempel afbestiller en kunde en levering, eller en ulykke lukker en vej. Alle førerændringer og eksterne hændelser skal fanges for at få et komplet billede af afvigelserne under ruteudførelsen.
Den komplette plan versus det faktiske billede
Indfangning af disse point giver flådeforvaltere et omfattende overblik over planen gennem faktisk udførelse og bedre kontrol over præstationsresultater. Ledere vil kende planens udgangspunkt med hensyn til omkostninger og kundeservice, hvordan planlæggerens ændringer påvirkede omkostninger og service, og det samme forchaufførændringer og eksterne begivenheder – alle vigtige faktorer at overveje med stigende omkostninger til hjemmelevering og flådedrift.
Placeret side om side kan lederen se (1) om planen ikke var så optimal eller gennemførlig som muligt, (2) i hvilken grad planlæggere ændrer den oprindelige plan, og hvorfor og grad chaufførerne afviger og hvorfor. Med disse oplysninger kan ledere træffe korrigerende handlinger for at (1) forbedre kvaliteten af den oprindelige optimerede plan gennem konfigurationsændringer, (2) identificere hvilke planlæggere, der overredigerer planen og påvirker omkostninger og kundeservice negativt, og (3) bedre administrere chaufførens overholdelse af planlægning og forstå, i hvilken grad eksterne hændelser påvirker leveringsydelsen.
Teknologi kan forfine og optimere gennemgangsprocessen
Teknologien fremmer løbende effektiviteten på tværs af detailsektoren. Det kan gøre hjemmeleveringsplanen i forhold til den faktiske gennemgang lettere, eliminere nogle af årsagerne til afvigelser fra planer, der har en negativ indvirkning på ydeevnen; men det kan også tage højde for afvigelser, der havde en positiv indvirkning. Sådan understøtter teknologien.
• Dataanalyse integreret med planlægnings- og eksekveringsløsningen kan accelerere planen i forhold til den faktiske præstationsanalyse. En af de største udfordringer er at indsamle, organisere og korrelere den enorme mængde data, som ruteplanlægning og GPS-baserede udførelsesløsninger genererer.
Fremkomsten af kraftfulde, men intuitive og billige analyseplatforme såsom Microsoft PowerBI™, der har standardiseret integration til ruteplanlægning og eksekveringsløsninger strømliner datahåndteringsprocessen og giver dyb indsigt i plan kontra faktisk ydeevne.
• Hvordan maskinlæring hjælper med at fange plan kontra faktisk ydeevne. Sporing af flådeplan kontra faktisk leveringsydelse er en fremragende applikation til maskinlæring på grund af alle de data, der oprettes i ruteplanlægningen gennem udførelsesprocessen.
Maskinlæring kan mere præcist identificere faktisk stopplacering, køre-, service- og stoptider og andre mønstre, såsom ændringer i stopsekvens. Disse anbefalinger kan anvendes på den optimerede planlægningsløsning for at skabe mere nøjagtige og produktive ruteplaner.
Maskinlæring kan også identificere, hvilke planlæggere og drivere der er outliers for at indfange bedste praksis eller coache dårligere performere.
• Robotprocesautomatisering kan eliminere nogle af årsagerne til plan kontra faktisk afvigelse. Desværre kan planlæggerens ydeevne variere meget, hvilket resulterer i betydelige afvigelser fra den oprindelige optimerede plan og dårligere planydeevne.
Ved at indfange og automatisere de bedste planlæggeres planlægningspraksis ved hjælp af robotprocesautomatisering, kan flådeoperatører eliminere mange af de justeringer efter optimering, der opstår i planlægningsgennemgangsfasen. Følgelig vil der være færre ændringer, mere forudsigelige planlægningsresultater på tværs af organisationen, kortere planlægningsgennemgange og større planlæggerproduktivitet.
Analyse af plan kontra faktisk leveringsydelse er en vigtig proces til at udpege og forbedre de praksisser og handlinger, som planlæggere og chauffører tager, og som har en negativ indvirkning på hjemmeleveringsydelsen for detailhandlere. Ved at bruge denne beskrevne trepunktstilgang giver ledere inden for detail- og e-handelsorganisationer mulighed for at fange de ændringer, der påvirker leveringsydelsen til hjemmet. Når det kombineres med teknologiske fremskridt såsom dataanalyse, maskinlæring og robotprocesautomatisering, kan flådeoperationer implementere kraftfulde plan kontra faktiske præstationsprocesser, der driver leveringsflådens ydeevne og forbedringer til bundlinjen.
