1客户嘴上要的
「上一套智能调度算法,自动规划最优路线,车辆减少 15%。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
拿 TMS 的订单和门店地址,用路径优化算法排线,纸面上里程减少 18%。试运行一周,司机投诉不断:算法排的路线准时到店,但门店卸货要排队;有的门店早上 8 点前不收货;有的地址定位在小区正门,货车只能走后门。车没少,加班更多。
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周跟车
- 跟 3 个司机各跟一整趟车,从装车到最后一家门店。记录每一段时间:行驶、找停车位、等卸货、交接签收。
- 统计 30 趟车的 GPS 轨迹和签收时间:一趟 8 小时里,行驶只占 3.5 小时,在门店停留 3 小时,其中等卸货排队平均每家 25 分钟。
- 真问题不是「路线不优」,是「大量时间花在门店等卸货,而且门店的收货时间和卸货条件没有记录」。成功标准改为:试点线路平均每趟时长从 8 小时降到 6.5 小时,门店平均停留时间减少 30%;车辆数作为第二目标。
- 踩坑别只看 TMS 里的计划时间。实际时间要从 GPS 和签收记录算。
第 2 周补门店约束
- 和调度主管、5 个老司机一起,把 120 家门店的约束补进系统:收货时间窗、限高限行、卸货位数量、是否要预约、实际停车点坐标。
- 老司机的经验是主要来源。每家店的约束由负责该区域的调度员确认,以后有变化由他更新。
- 发现等卸货的根本原因:多家供应商的车在同一时间到店。和货主的门店运营部谈,试点门店按供应商分配收货时段。
- 政治问题:门店不归物流公司管。由货主的物流经理出面推动,FDE 准备数据:每家店每天各供应商的到店时间分布。
第 3–4 周原型:带约束的排线 + 到店预约
- 排线算法加入时间窗、卸货时长(按门店历史平均)、实际停车点。输出给调度员审核,调度员可以手动调整。
- 给门店发送预计到达时间,门店可以按此安排收货人员。
- evals:用过去 4 周的真实订单回放,比较算法排线和实际执行:模拟每趟时长、违反时间窗次数。标准:违反时间窗为零,模拟时长比实际少 15% 以上。
第 5 周调度员和司机上手
- 2 条线路试运行两周,调度员每天审核排线,司机按排线跑并在 App 上反馈异常。
- 反馈:「雨天某路段积水,要绕路」「周一门店到货多,卸货慢」。加入星期和天气因素。
- Demo 给物流公司总经理和货主物流经理:试点线路每趟时长、门店停留时间、加班时数的前后对比,由调度主管讲。
第 6 周交接交接
- 交给调度主管:维护门店约束库、审核排线规则、每月更新卸货时长。
- 交给货主的门店运营:维护收货时段表。没有这一步,门店的时段安排两个月后就会失效。
4这个案例教给你的可复用判断
先把一趟活的时间拆开,看时间实际花在哪。
门店、客户的约束要写进系统,老司机的经验是主要来源。
有些问题要靠协调上下游解决,算法解决不了。
地址和停车点数据的准确性,决定路线是否可执行。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
物流与供应链的其他案例
内容更新:2026-11-11