OptimizeToursRequest applique des contraintes aux éléments suivants :
- Expéditions, affectant la façon dont les expéditions sont effectuées
- Véhicules, qui affectent le calcul des itinéraires des véhicules
- À l'échelle mondiale, affectant à la fois les véhicules et les expéditions.
Ce guide se concentre sur une contrainte d'expédition essentielle : les créneaux horaires.
Les périodes sont un type de contrainte que vous fournissez dans le message OptimizeToursRequest (REST, gRPC) afin de spécifier des limites temporelles pour les activités d'expédition. Ce type de contrainte influe à la fois sur le moment et la manière dont une expédition peut être effectuée, ainsi que sur l'attribution du véhicule pour l'expédition. Avec ces contraintes, l'optimiseur privilégie les véhicules qui peuvent le mieux respecter les contraintes de temps de l'expédition.
Contraintes de livraison : plages horaires
Vous pouvez indiquer quand un retrait ou une livraison peut avoir lieu dans le message Shipment.VisitRequest comme suit :
- Utilisez la propriété
timeWindowsdans le message (REST, gRPC). - Spécifiez les heures de début et de fin dans le message
TimeWindow(REST, gRPC).
Exemple de requête avec des contraintes de période
L'exemple ci-dessous illustre trois expéditions différentes, chacune avec sa propre plage de livraison. Pour plus de simplicité, cet exemple définit des plages horaires uniquement sur deliveries, mais des plages horaires peuvent également être appliquées aux collectes. Vous pouvez spécifier plusieurs plages horaires, mais cet exemple n'en utilise qu'une par livraison VisitRequest.
Consulter un exemple de requête avec des plages horaires
{ "populatePolylines": false, "populateTransitionPolylines": false, "model": { "globalStartTime": "2023-01-13T16:00:00Z", "globalEndTime": "2023-01-14T16:00:00Z", "shipments": [ { "deliveries": [ { "arrivalLocation": { "latitude": 37.789456, "longitude": -122.390192 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T18:00:00Z", "endTime": "2023-01-13T19:00:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 100.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.789116, "longitude": -122.395080 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T18:00:00Z", "endTime": "2023-01-13T18:30:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 20.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.795242, "longitude": -122.399347 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T17:30:00Z", "endTime": "2023-01-13T18:00:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 50.0 } ], "vehicles": [ { "endLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "startLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "costPerHour": 40.0, "costPerKilometer": 10.0 } ] } }
Exemple de réponse avec des contraintes de période
Dans l'exemple de réponse, les heures de début et de fin du véhicule sont respectivement 17:35:50 et 18:17:24. Ces heures reflètent la minimisation par l'optimiseur du temps nécessaire pour faire fonctionner le véhicule spécifié dans la requête en tant que costPerHour tout en respectant toutes les contraintes de plage horaire. En utilisant 17:35:50 comme heure de début, le véhicule n'a pas besoin d'attendre sur le lieu de la visite jusqu'à ce que la plage horaire de la visite commence. Dans la réponse, cela se traduit par des valeurs nulles waitDuration.
Afficher une réponse à l'exemple de requête avec des plages horaires
{ "routes": [ { "vehicleStartTime": "2023-01-13T17:35:50Z", "vehicleEndTime": "2023-01-13T18:17:24Z", "visits": [ { "isPickup": true, "startTime": "2023-01-13T17:35:50Z", "detour": "0s" }, { "shipmentIndex": 1, "isPickup": true, "startTime": "2023-01-13T17:38:20Z", "detour": "150s" }, { "shipmentIndex": 2, "isPickup": true, "startTime": "2023-01-13T17:40:50Z", "detour": "300s" }, { "shipmentIndex": 2, "startTime": "2023-01-13T17:50:09Z", "detour": "0s" }, { "shipmentIndex": 1, "startTime": "2023-01-13T18:00:00Z", "detour": "796s" }, { "startTime": "2023-01-13T18:07:35Z", "detour": "1520s" } ], "transitions": [ { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:35:50Z" }, { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:38:20Z" }, { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:40:50Z" }, { "travelDuration": "409s", "travelDistanceMeters": 1371, "waitDuration": "0s", "totalDuration": "409s", "startTime": "2023-01-13T17:43:20Z" }, { "travelDuration": "341s", "travelDistanceMeters": 1312, "waitDuration": "0s", "totalDuration": "341s", "startTime": "2023-01-13T17:54:19Z" }, { "travelDuration": "205s", "travelDistanceMeters": 636, "waitDuration": "0s", "totalDuration": "205s", "startTime": "2023-01-13T18:04:10Z" }, { "travelDuration": "339s", "travelDistanceMeters": 1276, "waitDuration": "0s", "totalDuration": "339s", "startTime": "2023-01-13T18:11:45Z" } ], "metrics": { "performedShipmentCount": 3, "travelDuration": "1294s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "1200s", "totalDuration": "2494s", "travelDistanceMeters": 4595 }, "routeCosts": { "model.vehicles.cost_per_hour": 27.711111111111112, "model.vehicles.cost_per_kilometer": 45.95 }, "routeTotalCost": 73.661111111111111 } ], "metrics": { "aggregatedRouteMetrics": { "performedShipmentCount": 3, "travelDuration": "1294s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "1200s", "totalDuration": "2494s", "travelDistanceMeters": 4595 }, "usedVehicleCount": 1, "earliestVehicleStartTime": "2023-01-13T17:35:50Z", "latestVehicleEndTime": "2023-01-13T18:17:24Z", "totalCost": 73.661111111111111, "costs": { "model.vehicles.cost_per_hour": 27.711111111111112, "model.vehicles.cost_per_kilometer": 45.95 } } }
Les créneaux horaires ont ordonné les visits du véhicule de sorte que les livraisons avec les créneaux horaires les plus tôt soient effectuées en premier.
shipments[2]est livré à 17h50shipments[1]est livré à 18hshipments[0]est livrée à 18h07
L'exemple de requête spécifie des contraintes de créneaux horaires strictes, ce qui signifie que les livraisons doivent être effectuées pendant ces créneaux. Si l'exécution d'une VisitRequests d'expédition dans l'un de ses créneaux horaires n'est pas possible ou rentable, l'optimiseur ignore l'expédition. Si l'envoi comporte un penaltyCost, l'optimiseur l'ajoute aux coûts indiqués dans la réponse metrics. Sinon, la propriété skippedMandatoryShipmentCount du message OptimizeToursResponse (REST, gRPC) augmente.
Si vous modifiez les périodes en décalant la fenêtre de shipment[1] de plusieurs heures (de 18h à 21h), les résultats seront différents, comme illustré dans les exemples suivants.
Consultez un exemple de requête avec des créneaux horaires qui ne peuvent pas être satisfaits.
{ "populatePolylines": false, "populateTransitionPolylines": false, "model": { "globalStartTime": "2023-01-13T16:00:00Z", "globalEndTime": "2023-01-14T16:00:00Z", "shipments": [ { "deliveries": [ { "arrivalLocation": { "latitude": 37.789456, "longitude": -122.390192 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T18:00:00Z", "endTime": "2023-01-13T19:00:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 100.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.789116, "longitude": -122.395080 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T21:00:00Z", "endTime": "2023-01-13T21:30:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 20.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.795242, "longitude": -122.399347 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T17:30:00Z", "endTime": "2023-01-13T18:00:00Z" } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 50.0 } ], "vehicles": [ { "endLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "startLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "costPerHour": 40.0, "costPerKilometer": 10.0 } ] } }
Afficher une réponse à la deuxième demande d'exemple avec des plages horaires, où un envoi est ignoré
{ "routes": [ { "vehicleStartTime": "2023-01-13T17:37:49Z", "vehicleEndTime": "2023-01-13T18:09:49Z", "visits": [ { "isPickup": true, "startTime": "2023-01-13T17:37:49Z", "detour": "0s" }, { "shipmentIndex": 2, "isPickup": true, "startTime": "2023-01-13T17:40:19Z", "detour": "150s" }, { "shipmentIndex": 2, "startTime": "2023-01-13T17:49:38Z", "detour": "0s" }, { "startTime": "2023-01-13T18:00:00Z", "detour": "946s" } ], "transitions": [ { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:37:49Z" }, { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:40:19Z" }, { "travelDuration": "409s", "travelDistanceMeters": 1371, "waitDuration": "0s", "totalDuration": "409s", "startTime": "2023-01-13T17:42:49Z" }, { "travelDuration": "372s", "travelDistanceMeters": 1348, "waitDuration": "0s", "totalDuration": "372s", "startTime": "2023-01-13T17:53:48Z" }, { "travelDuration": "339s", "travelDistanceMeters": 1276, "waitDuration": "0s", "totalDuration": "339s", "startTime": "2023-01-13T18:04:10Z" } ], "metrics": { "performedShipmentCount": 2, "travelDuration": "1120s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "800s", "totalDuration": "1920s", "travelDistanceMeters": 3995 }, "routeCosts": { "model.vehicles.cost_per_kilometer": 39.95, "model.vehicles.cost_per_hour": 21.333333333333332 }, "routeTotalCost": 61.283333333333331 } ], "skippedShipments": [ { "index": 1 } ], "metrics": { "aggregatedRouteMetrics": { "performedShipmentCount": 2, "travelDuration": "1120s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "800s", "totalDuration": "1920s", "travelDistanceMeters": 3995 }, "usedVehicleCount": 1, "earliestVehicleStartTime": "2023-01-13T17:37:49Z", "latestVehicleEndTime": "2023-01-13T18:09:49Z", "totalCost": 81.283333333333331, "costs": { "model.shipments.penalty_cost": 20, "model.vehicles.cost_per_hour": 21.333333333333332, "model.vehicles.cost_per_kilometer": 39.95 } } }
Dans cet exemple, la plage horaire ultérieure a entraîné l'omission de shipment[1], car le temps de fonctionnement supplémentaire du véhicule nécessaire pour effectuer la livraison de l'envoi dans sa plage horaire spécifiée a dépassé le coût de pénalité de l'envoi.
Le coût de la pénalité pour shipment[1] apparaît dans metrics.costs, et son index apparaît dans skippedShipments.
Contraintes de période flexibles
Comme indiqué brièvement dans Paramètres du modèle de coûts, les plages horaires peuvent être appliquées en tant que contraintes souples. Les contraintes souples diffèrent des contraintes strictes comme suit :
- Contraintes strictes : elles ne peuvent pas être enfreintes. L'outil d'optimisation ne propose pas de solution qui enfreint la contrainte, même si cela signifie ignorer une expédition.
- Contraintes souples : elles peuvent être enfreintes, ce qui signifie que l'optimiseur peut fournir une solution qui ne les respecte pas. Toutefois, l'outil d'optimisation applique également un coût à chaque cas de non-respect. Vous fournissez ce coût en tant que propriété supplémentaire dans la période, généralement sous la forme d'un coût par heure pour chaque heure avant ou après la période au cours de laquelle l'activité se produit.
Les plages horaires sont assouplies en utilisant softStartTime ou softEndTime au lieu de startTime ou endTime respectivement, et en définissant costPerHourBeforeSoftStartTime ou costPerHourAfterSoftEndTime.
Utilisez des contraintes de créneau horaire souples lorsque les collectes ou les livraisons doivent avoir lieu dans un créneau horaire spécifié, mais que la collecte ou la livraison dans ce créneau n'est pas absolument obligatoire. Vous pouvez utiliser des contraintes de période strictes et souples ensemble pour exprimer vos objectifs commerciaux. Exemple :
- Plage horaire stricte : indique les heures d'ouverture d'un client, par exemple de 9h à 17h.
- Plage horaire flexible : indique la plage horaire de livraison ou de retrait qui correspond à la notification envoyée au client, par exemple de 9h à 13h.
Dans cet exemple, la contrainte de début de l'expédition qui avait été ignorée précédemment, car sa plage horaire commençait trop tard, est assouplie. Les heures de fin des créneaux horaires des autres expéditions ont également été assouplies.
Consultez un exemple de demande avec des plages horaires strictes et flexibles.
{ "populatePolylines": false, "populateTransitionPolylines": false, "model": { "globalStartTime": "2023-01-13T16:00:00Z", "globalEndTime": "2023-01-14T16:00:00Z", "shipments": [ { "deliveries": [ { "arrivalLocation": { "latitude": 37.789456, "longitude": -122.390192 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T18:00:00Z", "softEndTime": "2023-01-13T19:00:00Z", "costPerHourAfterSoftEndTime": 2.0 } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 100.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.789116, "longitude": -122.395080 }, "duration": "250s", "timeWindows": [ { "softStartTime": "2023-01-13T21:00:00Z", "endTime": "2023-01-13T21:30:00Z", "costPerHourBeforeSoftStartTime": 2.0 } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 20.0 }, { "deliveries": [ { "arrivalLocation": { "latitude": 37.795242, "longitude": -122.399347 }, "duration": "250s", "timeWindows": [ { "startTime": "2023-01-13T17:30:00Z", "softEndTime": "2023-01-13T18:00:00Z", "costPerHourAfterSoftEndTime": 2.0 } ] } ], "pickups": [ { "arrivalLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "duration": "150s" } ], "penaltyCost": 50.0 } ], "vehicles": [ { "endLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "startLocation": { "latitude": 37.794465, "longitude": -122.394839 }, "costPerHour": 40.0, "costPerKilometer": 10.0 } ] } }
Voir une réponse à l'exemple de requête avec des plages horaires strictes et flexibles
{ "routes": [ { "vehicleStartTime": "2023-01-13T17:48:35Z", "vehicleEndTime": "2023-01-13T18:24:28Z", "visits": [ { "isPickup": true, "startTime": "2023-01-13T17:48:35Z", "detour": "0s" }, { "shipmentIndex": 1, "isPickup": true, "startTime": "2023-01-13T17:51:05Z", "detour": "150s" }, { "shipmentIndex": 2, "isPickup": true, "startTime": "2023-01-13T17:53:35Z", "detour": "300s" }, { "startTime": "2023-01-13T18:00:00Z", "detour": "300s" }, { "shipmentIndex": 1, "startTime": "2023-01-13T18:07:42Z", "detour": "493s" }, { "shipmentIndex": 2, "startTime": "2023-01-13T18:17:27Z", "detour": "873s" } ], "transitions": [ { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:48:35Z" }, { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:51:05Z" }, { "travelDuration": "0s", "waitDuration": "0s", "totalDuration": "0s", "startTime": "2023-01-13T17:53:35Z" }, { "travelDuration": "235s", "travelDistanceMeters": 795, "waitDuration": "0s", "totalDuration": "235s", "startTime": "2023-01-13T17:56:05Z" }, { "travelDuration": "212s", "travelDistanceMeters": 791, "waitDuration": "0s", "totalDuration": "212s", "startTime": "2023-01-13T18:04:10Z" }, { "travelDuration": "335s", "travelDistanceMeters": 1204, "waitDuration": "0s", "totalDuration": "335s", "startTime": "2023-01-13T18:11:52Z" }, { "travelDuration": "171s", "travelDistanceMeters": 665, "waitDuration": "0s", "totalDuration": "171s", "startTime": "2023-01-13T18:21:37Z" } ], "metrics": { "performedShipmentCount": 3, "travelDuration": "953s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "1200s", "totalDuration": "2153s", "travelDistanceMeters": 3455 }, "routeCosts": { "model.shipments.deliveries.time_windows.cost_per_hour_after_soft_end_time": 0.58166666666666667, "model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time": 5.7433333333333332, "model.vehicles.cost_per_hour": 23.922222222222221, "model.vehicles.cost_per_kilometer": 34.55 }, "routeTotalCost": 64.797222222222217 } ], "metrics": { "aggregatedRouteMetrics": { "performedShipmentCount": 3, "travelDuration": "953s", "waitDuration": "0s", "delayDuration": "0s", "breakDuration": "0s", "visitDuration": "1200s", "totalDuration": "2153s", "travelDistanceMeters": 3455 }, "usedVehicleCount": 1, "earliestVehicleStartTime": "2023-01-13T17:48:35Z", "latestVehicleEndTime": "2023-01-13T18:24:28Z", "totalCost": 64.797222222222217, "costs": { "model.vehicles.cost_per_kilometer": 34.55, "model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time": 5.7433333333333332, "model.shipments.deliveries.time_windows.cost_per_hour_after_soft_end_time": 0.58166666666666667, "model.vehicles.cost_per_hour": 23.922222222222221 } } }
Alors que l'exemple avec uniquement des contraintes de créneau horaire strictes a complètement ignoré shipment[1], l'assouplissement de son créneau horaire de livraison entraîne sa livraison avant l'heure de début de son créneau horaire. De même, l'assouplissement des heures de fin des autres expéditions a permis à shipment[2] d'être livré après la fin de sa plage horaire.
Dans le même temps, les coûts et le nombre total d'envois ont changé :
totalCost: diminution de 81,283 à 64,797- Le nombre total d'envois effectués est passé de 2 à 3.
L'optimiseur a trouvé une solution moins coûteuse, car les contraintes de plage horaire ont été assouplies par rapport à l'exemple précédent.
Enfin, la propriété metrics.costs inclut également une nouvelle clé pour indiquer le coût réel encouru en fonction du produit de la contrainte et de la durée du retard de la plage de livraison. Par exemple :
costPerHourBeforeSoftStartTimede la version 2.0 et- le délai entre la livraison réelle et le début du créneau horaire : 2,83583 heures
Résultat :
model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time :
5.6716666666666669.
Ces métriques vous permettent d'analyser les coûts pour voir le compromis entre les contraintes strictes et souples. Vous pouvez les utiliser pour ajuster vos contraintes afin de mieux les adapter à vos règles commerciales spécifiques. Dans ce cas, le coût total est inférieur à shipment[1].penalty_cost de 20.0. L'optimiseur a identifié qu'il est plus rentable de livrer l'envoi plus tôt que de l'ignorer.