Multi criteria decision process model for postal service in combination with crowd delivery

Abstract

Marsruutimisprobleemid logistikaplaneerimisel on ettevõtetele võtmetähtsusega, kuna need võivad põhjustada majanduslikke raskusi ja tarneahela struktureerimatust. Paljud logistikavaldkonna spetsialistid keskenduvad mudelite optimeerimisele nende probleemide lahendamiseks, mis mõjutavad organisatsioonide sise- ja välisprotsesse nii otseselt kui ka kaudselt. Käesoleva lõputöö eesmärk on analüüsida äritegevust ühes rahvusvahelises postiteenuste ja logistika ettevõttes Balti riikides, keskendudes sellele, kuidas rahvakulleri teenuse (CSD – crowdsourced delivery) rakendamine võiks optimeerida nende logistikaoperatsioone. Uurimus koosneb neljast osast: esimene osa annab põhjalikku kirjanduse ülevaate marsruudioptimeerimise kohta; teine osa sisaldab erinevate sõidukimarsruudi probleemide (VRP – vehicle routing problems) analüüsi; kolmas osa hindab kohaletoimetamise ärimudelit ja CSD teostatavust; neljas osa annab ülevaate CSD mõjust logistikaprotsessidele ja toob välja selle lahenduse eelised ja puudused. Uurimistöö kolmas ja neljas osa rakendavad simulatsioone, toetudes juhuslikult genereeritud standardiseeritud tehinguandmetele. Testisime järelevalveta masinõppe (ML – machine learning) klasterdamise mudeleid, et teha kindlaks optimaalne pakkide jaotamine ja marsruutide järjestus, luues seeläbi silla pakkide jaotamise, marsruudiplaneerimise ja kohaletoimetamise vahel. Töö annab sisendi pakiveoettevõttele, käsitledes osalise CSD võimalikku rakendamist tegevusmudelis ja pakub ühtlasi lähtepunkti edasiseks uurimistööks rahvakulleri lähenemise integreerimisel logistikamudelitesse.