OptimizeToursRequest applique des contraintes aux éléments suivants:
- les expéditions, affectant leur mode de fonctionnement ;
- Véhicules, affectant la manière dont les itinéraires des véhicules sont calculés
- Dans le monde entier, ce qui concerne à la fois les véhicules et les livraisons.
Ce guide se concentre sur une contrainte essentielle de livraison: les périodes de livraison.
Les fenêtres temporelles sont un type de contrainte que vous fournissez dans le message OptimizeToursRequest (REST, gRPC) afin de spécifier des limites temporelles pour les activités de livraison. Ce type de contrainte influence à la fois quand et comment un envoi peut être effectué, ainsi que l'attribution du véhicule pour la livraison. Avec ces contraintes, l'optimiseur donne la préférence aux véhicules qui satisfont le mieux aux contraintes de temps de livraison.
Contraintes de livraison: périodes
Vous spécifiez le moment où un retrait ou une livraison peuvent avoir lieu dans le message Shipment.VisitRequest comme suit:
- en utilisant 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 fenêtre temporelle
Cet exemple illustre trois livraisons différentes, chacune ayant son propre délai de livraison. Par souci de simplicité, cet exemple définit des périodes uniquement pour deliveries, mais celles-ci peuvent également s'appliquer aux retraits. Vous pouvez spécifier plusieurs périodes, bien que cet exemple n'en utilise qu'une par VisitRequest de diffusion.
Voir un exemple de requête avec des périodes
{
"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 fenêtre temporelle
Dans l'exemple de réponse, les heures de début et de fin du véhicule sont respectivement 17:35:50 et 18:17:24. Ces durées reflètent l'optimiseur qui minimise le temps nécessaire pour utiliser le véhicule spécifié dans la requête en tant que costPerHour, tout en respectant toutes les contraintes de fenêtre de temps. En utilisant 17:35:50 comme heure de départ,
le véhicule n'aura plus besoin d'attendre le début de la période de visite. Cela apparaît dans la réponse sous la forme d'une valeur waitDuration nulle.
Afficher une réponse à l'exemple de requête avec des intervalles de temps
{
"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
}
}
}
Le service visits du véhicule a été commandé par périodes afin que les envois ayant les créneaux les plus tôt soient livrés en premier.
shipments[2]est livré à 17h50shipments[1]est livré à 18hshipments[0]est livré à 18:07
L'exemple de requête spécifie des contraintes de fenêtre difficiles, dans lesquelles les diffusions doivent être effectuées. Si la réalisation de la VisitRequests d'une expédition dans l'une de ses périodes n'est pas possible ou rentable, l'optimiseur ignore l'expédition. Si la livraison présente 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 fenêtres temporelles en décalant la fenêtre de shipment[1] plusieurs heures plus tard (de 18h à 21h), les résultats seront différents, comme illustré dans les exemples suivants.
Voici un exemple de requête avec des périodes qui ne peuvent pas être satisfaites
{
"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
}
]
}
}
Affichez une réponse au deuxième exemple de requête avec des fenêtres temporelles, pendant lesquelles une expédition est ignorée.
{
"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, le délai ultérieur a entraîné l'omission de shipment[1], car le temps de fonctionnement supplémentaire du véhicule nécessaire pour livrer le colis dans le délai spécifié a dépassé les frais de pénalité associés à la livraison.
Le coût de pénalité pour shipment[1] apparaît dans metrics.costs, et son index apparaît dans skippedShipments.
Contraintes liées aux périodes de temps flexible
Comme indiqué brièvement dans la section Paramètres du modèle de coût, les périodes peuvent être appliquées en tant que contraintes soft. Les contraintes faibles diffèrent des contraintes strictes comme suit:
- Contraintes strictes: elles ne peuvent pas être enfreintes. L'optimiseur ne propose pas de solution contraire à la contrainte, même si cela implique d'ignorer une livraison.
- Contraintes souples: elles peuvent être enfreintes, ce qui signifie que l'optimiseur peut fournir une solution qui enfreint une contrainte flexible. Cependant, l'optimiseur applique également un coût à tout cas de non-conformité. Vous indiquez ce coût en tant que propriété supplémentaire dans la fenêtre temporelle, généralement sous la forme d'un coût horaire pour chaque heure précédant ou suivant la fenêtre temporelle de l'activité.
Les fenêtres de temps sont adoucées en utilisant softStartTime ou softEndTime au lieu de startTime ou endTime respectivement, et en définissant costPerHourBeforeSoftStartTime ou costPerHourAfterSoftEndTime.
Utilisez des contraintes de délai flexible lorsque les retraits ou les livraisons doivent avoir lieu dans un délai spécifié, mais que le retrait ou la livraison dans ce créneau ne sont pas absolument nécessaires. Vous pouvez combiner des contraintes de fenêtre temporelle strictes et temporaires pour exprimer vos objectifs d'entreprise. Exemple :
- Période difficile: indique les horaires d'ouverture d'un client, par exemple de 9h à 17h.
- Délai flexible: indique le délai de livraison ou de retrait qui correspond à la notification envoyée au client, par exemple de 9h à 13h.
Dans cet exemple, la contrainte d'heure de début de l'expédition précédemment ignorée a été assouplie, car sa fenêtre temporelle a commencé trop tard. L'heure de fin des autres expéditions a également été assouplie.
Voir un exemple de requête avec des fenêtres de temps spécifique et flexible
{
"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
}
]
}
}
Affichez une réponse à l'exemple de requête avec des fenêtres de temps fixes et temporaires.
{
"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
}
}
}
Lorsque l'exemple ne comportant que des contraintes de fenêtre temporelle ignorait complètement shipment[1], l'adoucissement de sa fenêtre de livraison entraîne sa diffusion avant l'heure de début. De même, l'assouplissement des heures de fin des autres expéditions a permis de livrer shipment[2] après la fin de sa période de livraison.
Dans le même temps, les coûts et le nombre total d'expéditions ont changé:
totalCost: a diminué de 81,283 à 64,797- nombre total d'expéditions terminées: passé de 2 à 3
L'optimiseur a trouvé une solution moins coûteuse, car les contraintes de fenêtre temporelle 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 le délai de livraison manqué. Par exemple :
costPerHourBeforeSoftStartTimede 2.0 et- Délai entre la livraison réelle et le début de la période : 2,83583 heures
Résultat :
model.shipments.deliveries.time_windows.cost_per_hour_before_soft_start_time : 5,6716666666666669.
Ces métriques vous permettent d'effectuer une analyse des coûts afin d'identifier le compromis entre les contraintes strictes et les contraintes faibles, que vous pouvez utiliser pour ajuster vos contraintes afin de les adapter à vos règles métier spécifiques. Dans ce cas, le coût total est inférieur à la valeur shipment[1].penalty_cost de 20,0. L'optimiseur a déterminé qu'il est plus rentable de livrer la livraison tôt que de l'ignorer.