編者按：本周，懂調度公眾號將繼續為大家帶來行業解讀系列文章，分析目前行業面臨“貨量波動”問題時，如何避免成本浪費，以供讀者參考。

訂單數量“兩極分化”，合理降本均成剛需

鼠年伊始，國內各大醫藥流通企業就呈現出一種“兩極分化”的趨勢。一方面，新冠肺炎的肆虐讓防疫藥品、醫護物資等貨品的需求量直線上升，相關醫藥流通企業業務量急增，并且由于復工推遲政策的影響，可用運力不足，調度、配送環節面臨巨大的壓力，消耗成本明顯上升；另一方面，由于醫療機構目前集中資源抗擊疫情，消費醫療和擇期靈活度較大的醫療活動被大量推遲，同時部分醫藥、耗材等銷售情況受患者避醫情緒影響，需求有所下降，導致部分醫藥流通企業的業務量減少，甚至出現資金周轉難的問題。

沒錯，疫情持續到現在，對經濟社會各個方面都造成了巨大的影響，其中醫藥流通企業是受影響最直接的幾個行業之一。如何在貨量波動的情況下合理降本，是每個企業都需要深思的問題。

人工智能“合單”，讓急單無需另增車輛

疫情期間，與防疫藥品、物資相關的醫藥流通企業訂單會增多，很多醫院和藥房會臨時下一些急單，時間緊、任務重。傳統的人工調度處理這些臨時增加的訂單，是一個比較復雜的工程，因為排線時要綜合考量一系列維度，將新增訂單插入已有排線結果的話，很容易因為路線、收貨時間窗、車輛裝載率等因素的不匹配而難以執行，人工手動一條條路線實驗的話，等于打破了之前的排線結果。于是，有些企業會選擇加派車輛、車次專門配送新增的訂單，但這造成了車輛裝載率低，行駛路程長的結果，無疑浪費了不少成本，不僅如此，由于延遲復工等政策的影響，有些企業即使想要加大成本投入，也難以保障急單的配送。

在這種情況下，不少企業開始思考，是否能使用人工智能來幫助調度人員進行這些復雜繁瑣的計算，將新增訂單合理加入到已有的路線中呢？

一些企業在急單上行的情況下，在原本的TMS上接入了一款智能調度的軟件——懂調度，其中的“合單”功能，只需將新增訂單導入系統，系統就可以快速根據訂單的貨量、收貨時間窗等多個維度，與系統路徑自動進行匹配，最優車型、最優車輛數及車次數、車輛形式概況一目了然，在裝載率合適的情況下，甚至可以幫助企業不用新增車輛、車次，就能及時完成急單配送，大大降低了成本。

懂調度計算結果頁面

最優車輛數及車次數、車輛形式等概況提前可知

凹凸算法，在貨量波動時優化車輛配載率

新冠肺炎疫情，讓各個醫藥流通企業的訂單量受到不同程度的波及，這讓調度排線的難度加大，尤其是分片區經營的企業，不同片區的貨量波動情況也不一致。如何在貨量波動時，合理降低成本，是壓在不少企業心頭的大山。

某知名醫藥流通企業在疫情期間，明顯感受到不同片區訂單量波動幅度不同，定點醫院相對較多的片區需求上升，而定點醫院相對較少的片區需求下降。于是，這家企業開始尋求用人工智能輔助調度人員進行排線方法，也在原本的TMS上接入了懂調度，并利用懂調度首創的“凹凸算法”，在保證原有配送區域的情況下，動態計算最優配載率，訂單密度低的向外“凸”一點，訂單密度高的向內“凹”一點，通俗地比喻就是，原來司機熟悉的區域是3公里的范圍，使用凹凸算法后，司機熟悉的區域變成了4公里，在某區域訂單密度變高時可以進行有效支援。這樣的改變，對于司機來說沒什么難度，而車輛配載可以得到顯著提升。

通過懂調度系統，這家企業在日均訂單量增加了5%但各片區增減幅度大相徑庭的情況下，從原本的日均102車次變成了91車次，實現了優化車輛、車次的目的，技能保證在當前運力緊張的情況下，司機交付和終端配送服務可以很好的完成，更讓配送成本大大降低。

凹凸算法：訂單密度低的向外“凸”一點，訂單密度高的向內“凹”一點

其實，人工智能賦能調度，不僅可以幫助企業“應對危機”，還能“推陳出新”的作用于客戶，具體表現在哪里，請期待下期文章