«Мы предлагаем своего рода автомат Калашникова в логистике»

— Как вы пришли в сферу автоматизации логистики?

— До 17 лет я профессионально занимался шахматами, добился звания международного мастера. Мозг привык работать интенсивно, и хотелось найти направление с интеллектуальной нагрузкой. На логистику мне посоветовал обратить внимание отец.

С первого курса я получал практический опыт в логистике, а в 2014 году появилась GT Logistics. Мы начали с грузоперевозок, но уже через пару месяцев параллельно начали разработку IT-решения по автоматизации логистики. Хотелось попробовать свои силы в этом направлении, причем сразу я стремился создать решение, объединяющее производственную, транспортную и складскую логистику, — такая была амбициозная юношеская идея.

— Какие проблемы компаний решают ваши IT-инструменты?

— У нас есть два основных направления — складское и транспортное. По транспортной логистике мы выпускаем два программных продукта — это система автопостроения маршрутов GTRoute и мобильный клиент GTDrive для водителей. Основные проблемы в этом направлении — долгое построение маршрутов, чрезмерные транспортные издержки и отсутствие контроля себестоимости доставки. В зависимости от количества точек на маршрутах наша система справляется с их построением за пять-десять минут вместо 15–20 часов человеческого труда. При этом в каждый маршрут система включает больше точек доставки, и транспортные издержки снижаются в среднем на 15%.

Еще одна проблема транспортной логистики — отсутствие контроля водителя в рейсе. Некоторые пытаются контролировать водителей по телефону, но это дорого и неэффективно. Приложение для водителя GTDrive устанавливается на его личный смартфон и обеспечивает полный контроль за работой в рейсе. В нем высвечивается весь маршрут с точками и графиком доставки, есть быстрый переход в навигатор, чтобы не вбивать адреса самостоятельно. Каждую доставку водитель отмечает в приложении. Вся информация через платформу водителя 1C поступает в компанию.

По складскому направлению тоже много существенных проблем. Во-первых, низкий клиентский сервис — долгая сборка заказов на складе, высокий уровень пересортицы. Это все связано с человеческим фактором. Ни один человек не может запомнить, где именно лежат на складе десятки тысяч товарных позиций. Также среди проблем — переизбыток трудовых ресурсов, зависимость компаний от опытных работников, непрозрачность операций и фактических остатков на складе.

Наша программа GTStock по складскому направлению состоит из базы на платформе 1C для руководителей и мобильного клиента (Android-приложения) для сотрудников склада. Все операции, которые выполняют складские работники, вплоть до уборки территории, отображаются на смартфоне. Когда нужно собрать заказ, система сама ведет их по складу, контролирует, в каком порядке нужно подходить к ячейкам, какие товары брать. Эффект — быстрая и точная сборка заказов, снижение потребности в персонале, в том числе в высококвалифицированном. Производительность труда возрастает в разы, а на обучение до высокого уровня требуется буквально несколько рабочих смен вместо полугода. И так как каждый заходит в приложение со своим логином и паролем, все операции полностью прозрачны.

— Расскажите о технологиях, которые стоят за вашими решениями.

— Наиболее интересная из наших разработок, пожалуй, — алгоритм автопостроения маршрутов. В математике с ним можно сопоставить задачу коммивояжера и задачу распределения ресурсов. Но их решения из научных работ к практическим условиям, к сожалению, неприменимы. В реальности нужно учесть, в какие часы клиенты готовы принять заказ; сколько времени требуется на выгрузку; какие точки доступны для каждой машины — в городах есть ограничения по весу и по объему автомобилей, а еще у нас много закрытых городов, для проезда в них водителю нужен пропуск. И таких нюансов очень много. А существующие в науке решения обычно учитывают простейшие параметры и минимизируют только километраж, что некорректно, так как различаются условия по автомобилям.

Наша задача состояла в том, чтобы алгоритм минимум в десять раз быстрее и в среднем на 10% лучше логистов строил маршруты, и при этом не требовал бы внесения дополнительных настроек под каждого клиента. Таким требованиям не ответили ни алгоритмы для решения задачи коммивояжера, ни более изощренные — ни генетический алгоритм в чистом виде, ни нейронные сети. В 2014 году мы начали создавать свое решение на основе переработанных классических алгоритмов и различных метаэвристик. В итоге наш алгоритм состоит из 11 последовательных алгоритмов, перерабатывающих начальные данные и выдающих итоговый результат в виде готовых маршрутов с подобранными на них машинами.

Через два года после старта разработки наша система заработала. Правда, она строила маршруты примерно на 10% хуже логистов и учитывала меньше параметров, чем сейчас. Но еще через два года активной разработки и тестирования у клиентов мы пришли к цели — у нас получился алгоритм, работающий в десятки раз быстрее логистов и лучше на 10–15%. Это решение удовлетворяло запросам 80% клиентов, и его можно было внедрять. Мы продолжаем его совершенствовать. Наша цель — сделать полностью автономным построение маршрутов.

— Какой уровень технологического развития должен быть у компании, чтобы в ней можно было внедрить ваши системы?

— На старте у нас нет никаких особых параметров. Для складской системы нужны сервер и платформа 1C, чтобы мы могли запустить решение. Чтобы работало мобильное приложение у сотрудников склада, на нем должен быть Wi-Fi, но практика показывает, что и это не обязательно: один из наших клиентов оплачивает сотрудникам мобильный интернет и все работает. Интеграцию систем мы берем на себя, клиенту не нужно даже иметь в штате программиста. Большинство наших клиентов — средние и крупные компании, на складах которых работают от 30–40 сотрудников. И нам удается в некоторых случаях увеличить производительность труда вдвое: с нашей системой работу 40 человек выполняют 20. Но работаем мы и с теми, у кого пять-шесть кладовщиков. Автоматизация по нашей транспортной программе интересна, как правило, клиентам с 60 и больше заказами в сутки, доставляемыми клиентам.

За время работы мы существенно изменили саму логику развития проекта. Поначалу мы пытались сразу сделать что-то большое, мощное, грандиозное. В итоге поняли, что нужно двигаться, напротив, снизу вверх — от минимальных необходимых функций, которые можно быстро запустить. Мы предлагаем своего рода автомат Калашникова в логистике. Если клиенты получают результат, вложив в автоматизацию небольшую сумму, они готовы идти дальше, добавить к автомату оптический прицел, другой приклад, сменить тип патрона. Главное для нас в разработке — и дальше расширять инфраструктуру быстро встраиваемых функций, чтобы, когда клиент захочет и будет готов добавить новые функции, быстро их запустить.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Подписывайтесь на Indicator.Ru в соцсетях: Facebook, ВКонтакте, Twitter, Telegram, Одноклассники.