Маршруты в доставке — это не “рисуем линию на карте”. Это ежедневная борьба с физикой, временем и человеческими привычками. Пробки, окна клиентов, парковка, погрузка-выгрузка, неожиданные переносы и вечное “мы будем после обеда” — всё это превращает хороший план в плохой, если он не учитывает реальность. Зато грамотное планирование даёт быстрый эффект: меньше пробег, ниже расход топлива, больше доставок на машину/смену, меньше простоев на точках.
Типовая ошибка новичков — пытаться оптимизировать только километры. В городской логистике дороже обычно минуты, а не метры. Поэтому ниже — практичный разбор ключевых метрик, подходов и пошаговый алгоритм внедрения планирования маршрутов так, чтобы оно снижало затраты, а не добавляло операционную драму.
1) Пробег (distance) и “пустой пробег”
Пробег — суммарные километры маршрута. Пустой пробег — километры без полезной работы (без доставок/загрузки). Измеряется км/смена и % пустых км. Важно, потому что пустые километры — это топливо и время без выручки.
2) Время на остановку (stop time)
Сколько минут уходит на одну точку: подъезд, парковка, подписание, ожидание, перенос. Измеряется минутами по каждому типу точки. Важно, потому что снижение stop time часто даёт больший эффект, чем “срезать 5 км”.
3) Окна доставки (time windows)
Временные интервалы, когда клиент принимает груз. Измеряются как диапазоны времени и “жёсткость” окна. Важно, потому что жёсткие окна ломают идеальную геометрию маршрута и создают простои.
4) Ёмкость ресурса (capacity)
Ограничения по весу/объёму, количеству мест, времени смены, числу точек, температурным режимам. Измеряется лимитами и фактом загрузки (utilization). Важно, потому что перегруженный план = срывы, штрафы, переработки.
5) SLA/OTIF и стоимость на успешную доставку
OTIF — “вовремя и полностью”. Стоимость на успешную доставку — затраты на одну доставку, которая реально состоялась. Важно, потому что самый “красивый маршрут” бесполезен, если вы не успеваете в окна или получаете много недоставок.
6) Простой
Время, когда машина/курьер стоит и не двигает процесс: ожидание на складе, у рампы, у клиента. Измеряется минутами и причинами. Важно, потому что простой — это оплачиваемое время без результата. Экономика это ненавидит.
| Что оптимизируем | Метрика | Что чаще всего мешает |
|---|---|---|
| Пробег | км/смена, % пустых км | Разброс адресов, плохая кластеризация |
| Топливо | л/100 км, л/смена | Пробки, холостой ход, стиль вождения |
| Простои | мин/точка, мин/смена | Окна, очереди на рампе, ожидание клиента |
| Производительность | доставок/смена | Длинные stop time, неудачные последовательности |
Ручное планирование + простые правила (для небольших объёмов)
Когда подходит: до ~20–40 точек в день на одну-две машины, стабильная география, опытный диспетчер, мало жёстких окон.
Плюсы: быстро; не требует дорогого ПО; легко учитывать “человеческие знания” (где парковаться, какие подъезды сложные).
Ограничения: плохо масштабируется; качество зависит от одного человека; сложно анализировать данные системно.
Риски: маршруты “как привыкли” становятся традицией, а традиции редко оптимальны.
Алгоритмическое планирование (TMS/route optimization) + контроль исполнения
Когда подходит: десятки и сотни точек в день, несколько машин, много окон, высокая стоимость ошибок, нужно масштабирование.
Плюсы: лучше оптимизация по времени и пробегу; прозрачная аналитика; проще пересчитывать маршруты при изменениях.
Ограничения: требует качественных данных (адреса, окна, сервисное время); нужна дисциплина исполнения.
Риски: если данные плохие, алгоритм будет оптимизировать мусор. Это не вина алгоритма, это его работа.
Сценарий 1: исходные данные — 3 машины, 120 точек в день, маршруты собирали “по привычке”, пробег и топливо росли. Действия — ввели зонирование города, закрепили зоны за машинами, добавили сервисное время на типы точек и начали анализ план/факт. Результат — пробег снизился, а число доставок на машину выросло без переработок.
Сценарий 2: исходные данные — много простоев у магазинов из-за очередей на рампе. Действия — договорились о более узких окнах приёмки, распределили точки по времени, добавили правило “раньше не приезжать” (да, иногда это тоже оптимизация). Результат — простой снизился, а график стал стабильнее. Мы работаем в этой сфере более 13 лет, и честно: иногда самый большой выигрыш — не в маршруте, а в том, чтобы перестать приезжать туда, где вас всё равно не примут.
1) Что даёт больший эффект: оптимизация пробега или сокращение простоев?
Часто — сокращение простоев и времени на остановку. В городских доставках время обычно дороже километров. Но лучше считать по факту: если у вас длинные плечи между районами, пробег тоже может быть главным.
2) Можно ли планировать маршруты без специального ПО?
Можно, если объёмы небольшие и есть дисциплина данных. Но как только растёт число точек, появляются окна и “динамика дня”, ручное планирование начинает съедать время и давать нестабильный результат.
3) С чего начать, если сегодня полный хаос?
С трёх вещей: нормализовать адреса, ввести типы точек (и их сервисное время), фиксировать план/факт с причинами отклонений. Эти базовые данные — топливо для любой оптимизации. Без них оптимизировать нечего, только гадать.