AI Cross-Docking Optimization System Development

Разработка AI-системы оптимизации cross-docking

Cross-docking — принципиально другой режим логистики: груз не хранится, а немедленно перегружается с принимающего дока на отправляющий. Окно операции — 2–4 часа. AI координирует потоки так, чтобы входящие и исходящие машины встречались без ожидания.

Специфика задачи cross-docking

Классический склад оптимизирует хранение и сборку. Кросс-докинг оптимизирует синхронизацию:

• Входящие потоки: TIR-поставщиков с 50–200 артикулами
• Исходящие потоки: региональные развозные машины по торговым точкам
• Задача: какой груз с какой машины → на какую машину, в какой последовательности

Типы кросс-докинга:

• Pre-distribution: поставщик уже маркирует товар под конкретные магазины
• Post-distribution: разбивка на терминале AI-системой
• Opportunistic: смешанный склад использует кросс-докинг для части потока

AI-планировщик операций

Временна́я синхронизация прибытия

ML-прогноз времени прибытия каждого TIR (ETA) → составление слота разгрузки для каждого дока:

from ortools.sat.python import cp_model
import numpy as np

def schedule_crossdock(
    inbound_trucks,   # [{id, eta, items: [(sku, qty)], dock_time_min}]
    outbound_trucks,  # [{id, departure, required_items: [(sku, qty)]}]
    n_docks=20,
    planning_horizon=480  # минут
):
    """Оптимизация назначения доков и расписания перегрузки"""
    model = cp_model.CpModel()

    # Переменная: время начала разгрузки каждой входящей машины
    unload_start = {}
    unload_end = {}
    for truck in inbound_trucks:
        earliest = max(0, int(truck['eta']))
        latest = planning_horizon - truck['dock_time_min']
        unload_start[truck['id']] = model.NewIntVar(earliest, latest, f"us_{truck['id']}")
        unload_end[truck['id']] = model.NewIntVar(
            earliest + truck['dock_time_min'], planning_horizon, f"ue_{truck['id']}"
        )
        model.Add(unload_end[truck['id']] == unload_start[truck['id']] + truck['dock_time_min'])

    # Назначение доков: каждый входящий грузовик получает один из N доков
    dock_assign = {}
    for truck in inbound_trucks:
        dock_assign[truck['id']] = model.NewIntVar(0, n_docks - 1, f"dock_{truck['id']}")

    # Ограничение: на одном доке одновременно не более одной машины
    intervals = {}
    for truck in inbound_trucks:
        intervals[truck['id']] = model.NewOptionalIntervalVar(
            unload_start[truck['id']], truck['dock_time_min'],
            unload_end[truck['id']], True, f"interval_{truck['id']}"
        )

    # No-overlap на каждом доке
    for dock in range(n_docks):
        trucks_at_dock = [intervals[t['id']] for t in inbound_trucks
                         if dock_assign.get(t['id'])]  # упрощение
        if len(trucks_at_dock) > 1:
            model.AddNoOverlap(trucks_at_dock)

    # Цель: минимизировать задержку исходящих машин
    delays = []
    for out_truck in outbound_trucks:
        ready_time = model.NewIntVar(0, planning_horizon, f"ready_{out_truck['id']}")
        # Машина готова когда все нужные SKU разгружены
        required_unload_times = [
            unload_end[in_t['id']] for in_t in inbound_trucks
            if any(sku in [i[0] for i in in_t['items']]
                   for sku in [r[0] for r in out_truck['required_items']])
        ]
        for t in required_unload_times:
            model.Add(ready_time >= t)
        delay = model.NewIntVar(0, planning_horizon, f"delay_{out_truck['id']}")
        model.Add(delay >= ready_time - out_truck['departure'])
        delays.append(delay)

    model.Minimize(sum(delays))
    solver = cp_model.CpSolver()
    solver.parameters.max_time_in_seconds = 30.0
    status = solver.Solve(model)

    return solver, model, unload_start, dock_assign

Оптимизация физической разбивки груза

Сортировка потоков на конвейере:

Автоматические сортировочные конвейеры (cross-belt sorter, tilt tray sorter) направляют коробки по доковым каналам. AI управляет:

• Приоритет срочных доков (отправление через 30 мин — сначала туда)
• Балансировка: не создавать затор на одном канале
• Прогноз завершения сортировки по каждому исходящему рейсу

Динамическая переработка плана:

Задержка входящей машины → пересчёт плана для исходящих:

• Какие машины могут подождать 30–60 мин (допуск по временному окну доставки)?
• Какие части отправки можно скомплектовать из других машин?
• Нужно ли перенести отправку на следующий рейс?

Метрики и интеграция

KPI кросс-докингового терминала:

• Throughput: количество паллет/час через терминал
• Cross-dock ratio: % грузов через кросс-доки vs. хранение
• Dock door utilization: % времени, когда дверь занята
• On-time departure rate: % машин, отправившихся по расписанию

Интеграции:

• TMS (транспортные задания, ETA обновления)
• WMS (ярлыки, сортировка)
• Весы / сканеры на воротах (автоматическая идентификация)
• Видеоналитика на доках: подтверждение завершения разгрузки/погрузки

Срок разработки: 4–6 месяцев для полного планировщика кросс-докинга с интеграцией в TMS/WMS и системы сортировки.