人工智慧如何協助物流快遞業提昇效率
文：衷嵐焜 博士 奇點無限有限公司 創辦人
物流快遞業，有時稱為最後一哩運送(last-mile delivery)，是指貨件由零售商的一端直接運送到最終目的地，例如終端消費者，或者商家。
物流快遞並不是什麼新的行業，反而是傳統產業，但近年來因為電商的興起，促使消費者改變購物/消費模式(傳統電商、線上線下、食物快遞、共享車輛等等)，使得物流快遞業也必須智慧化，尤其在調度與路順規劃上提昇效能，才能因應倍數增加的訂單。
圖1 快遞司機後方載貨的送貨順序是一個非常難解的數學問題
物流快遞業面臨的三大挑戰：
進入21世紀已經快要20年了，然而物流快遞業仍然面臨了三大挑戰：
♦第一挑戰是成本
以電商快遞來說，低運費已經是普遍的行規，快遞業面臨到紅海市場，也只能硬著頭皮苦幹；同時間，人力成本(薪資、保險)卻是逐年提高，而快遞最重要的運輸工具，也面臨著油價居高不下的窘境。因此，成本總是快遞業者念茲在茲的一大挑戰。
♦第二個挑戰是透明度
透明度指的是快遞業者對於貨件目前的狀態能提供的透通度，也就是對收件者來說，貨件狀態是否為可追蹤的。你我一定有這樣的經驗：因為在電商平台買了個高價又期待的商品，因此三不五時在網站上點擊貨件狀態，看看是不是快送到家裡了。
♦第三個挑戰是效率
電商快遞從早年的24小時到貨，現在已有6小時甚至3小時的極速到貨。我們從快遞業的作業流程看起：假設每天有10,000件貨要運送，但只有100輛車，而車有大有小，能裝的貨件體積不同，而每件貨可能都有收件者指定的收貨時間(例如下午才能收貨，或者10:00-16:00才能收貨)，如果某司機今天貨斗內有100件貨，他(她)要怎麼決定送貨的順序(路順)，才能讓每一件貨都準時到達，且用的時間最少？
上述三個挑戰，透明度對於中大型快遞業者來說，幾乎是已經解決的問題，那麼成本與效率呢？
成本與效率是一體兩面。
我們先談效率這件事。其實快遞業者面臨到的問題主要是哪些貨上哪些車，以及貨上了車，要怎麼送才有效率。這其實是一個經典的組合數學問題—車輛路線問題(Vehicle Routing Problem, VRP)，早在1959年就由美國數學家George Dantzig完成數學定式。組合數學由於存在著極為複雜的解空間，且計算成本隨著問題大小呈指數方式增加，是一種NP-Hard問題，因此要從其中找到最佳解極端困難(此類型問題是上世紀末克雷數學研究所提出的七大千禧數學難題的一題，至今仍無人破解)，即便是電腦運算能力超群的2019年，物流快遞業每天面臨的問題，仍舊難以用傳統電腦解決，即便是量子電腦(VRP也是業界/學界期待量子電腦能解的問題之一)，也是非常吃力。
舉例來說，若一輛車要送20件貨(分布在城市不同的地方)，哪種送的順序(路順)才能夠最快送完呢？光20件貨的組合就有20!種可能(讀者可用工程計算機計算這個數字)，該數字已經大到難以用中文或英文讀出來了。就算是這麼難的問題，在沒有電腦的時代，還是可以用人腦解出一個答案，只是這個答案是不是最好的？或是，有沒有比這個答案更有效率的？就非靠先進的演算法求解不可了。
人工智慧變成顯學(或流行名詞)的今天，任何服務都要跟AI扯上關係。AI究竟可以怎麼幫助快遞業解決效率痛點呢？
♦一、 先進演算法或GPU加速計算過程
前面提到VRP問題有著難解的特性，但是靠數學證明可以發展出許多簡省計算時間的演算法，如遺傳演算法(GA)、模擬退火法(SA)等。 GPU常在機器學習/深度學習領域加速學習過程，同樣地GPU也對組合數學的問題有加速的效果，一般而言，可以加速5倍~95倍的計算速度。
♦二、 利用機器學習技術預測道路旅行時間
道路旅行時間預測對於規劃路順有非常重要的影響。傳統的VRP問題假設道路成本為固定常數(例如以距離，或道路速率的法定上限)，但事實上道路旅行時間攸關著一個路順的結果，這則需要能夠透過政府開放資料(六都的車輛偵測器歷史資料)或者民間交通資料業者(如google maps, HERE, TomTom…)的付費資料進行歷史資料的學習以推估未來的道路旅行時間。
♦三、 預計抵達時間的推估
道路旅行時間另一個重要用途，便是預計抵達時間(Estimated Time of Arrival, ETA)。雖然使用先進演算法或AI機器學習可以有效改善效率，但道路狀況或是收件者未依律定時間收件的情況經常發生，因此，為能夠降低收件者、司機、與調度者/客服人員的焦慮，ETA便是一個重要參數，它能夠根據當下的狀態提供各方該貨件預計抵達時間，同時提昇貨件透明度以及降低焦慮與客訴。
上述是AI可以協助傳統物流快遞業解決貨-車-路順的效率問題。在國外更有甚者，可以再解決貨-車-司機-路順的問題，主因是再先進國家有更為嚴格的職業駕駛人連續駕駛時數之規定，因此在較為長途的運輸時，必須考量人員排班問題。
其次是AI的調度/路順軟體如何被傳統的物流快遞業導入？目前多是客製軟體為主。所謂客製軟體，便是由物流快遞業尋商，透過傳統軟體開發流程(需求訪談、系統分析、系統設計、開發、測試、上線..)替企業量身打造。但這種方式花費時間較久(依功能多寡可能要4-8個月)、所費不貲、需自備軟硬體以及後續的軟體升級維護費用，不適合中小型業者使用。因此，可選擇雲端服務(Cloud Service，或者軟體即服務Software as a Service, SaaS)。 SaaS是目前對於中小型企業非常友善的模式。業者端完全不用架設安裝任何軟硬體，便可在瀏覽器上直接使用調度/路順軟體。SaaS模式通常是訂閱制(Subscription)，也就是透過每月或每年付費獲得軟體使用權，若是軟體真的不符企業使用，退訂即可，損失非常小，不若傳統的客製化模式，萬一開發成果不若預期，則會產生非常大的沉沒成本(Sunk cost)。
改善效率，同時就節省成本。
圖2 範例：11個收件者、3輛車、20件貨的調度與路順規劃結果
物流快遞業雖然是傳統到不行的傳產，但它面臨的效率問題可是到目前為止數學界、資訊科學界都難以解決的問題。雖然AI目前的浪頭都圍繞在視覺、語意或廣告頭放上，但AI在物流快遞業的問題上可是扮演了非常關鍵的角色。試想，各種電商型態讓最後一哩運送蓬勃發展，物流快遞業不是接不了單，而是送不完，若明年訂單預估比今年多60%，難道要擴充車隊60%？這是不可能的。回過頭來思考AI如何幫助業者進行智慧化調度與路順規劃，才能夠用同樣的車隊規模，運送更多貨件。
A.I.Routing 是獲得Audi Innovation Award 2019大獎的雲端調度/路順規劃軟體，請至https://airouting.io/ 了解詳情。
#WeMakeItAmazing #人工智慧 #產業創新 #物流快遞