Mengejar Transportasi Optimal
“Batas antara kekacauan dan ketertiban terletak pada logistik” - Sun Tzu.
Logistik adalah ilmu memindahkan barang secara efisien dari satu tempat ke tempat lain. Ini kedengarannya sederhana pada awalnya, namun ini berfungsi sebagai pintu gerbang menuju beberapa batasan paling menarik dalam matematika dan ilmu komputer. Dunia logistik pada dasarnya adalah salah satu algoritma dan optimasi. Oleh karena itu, tidak mengherankan jika pemikiran algoritmik terintegrasi secara mendalam ke dalam budaya teknik di Picnic. Dalam bagian ini saya ingin mengilustrasikan hal ini dengan menyoroti beberapa masalah paling menarik yang sedang kami selesaikan, dan mengapa karier di bidang logistik harus ada dalam radar Anda.
Tempat dan Jalur
Rantai pasokan dapat digambarkan sebagai kombinasi dari dua blok bangunan, yaitu “tempat” dan “jalur”. Tempat adalah tempat di mana sesuatu harus dituju, dan jalur adalah cara untuk mencapainya. Dengan dua konsep ini, kita mempunyai cukup uang untuk memodelkan model distribusi yang kompleks di dunia nyata. Anda mungkin memperhatikan bahwa ini adalah formulasi jaringan atau grafik, di mana “tempat” adalah simpul, dan “jalur” adalah hubungan di antara keduanya. Artinya, algoritme apa pun yang diterapkan pada grafik umumnya juga berlaku pada rantai pasokan yang kompleks.
Salah satu masalah terkenal semacam ini adalah Traveling Salesman Problem (TSP), yang berkaitan dengan pencarian pulang pergi optimal dalam sebuah grafik. Ini memetakan langsung ke kasus bisnis dalam Picnic. Kendaraan pengiriman kami memerlukan rute yang direncanakan dengan cermat untuk memastikan pengiriman dilakukan secara efisien dan tepat waktu. Algoritme perutean Piknik menggunakan solusi berbasis heuristik untuk Masalah Traveling Salesman untuk mencapai hal ini setiap hari.
Prinsip teori graf lainnya adalah Hukum Metcalfe, yang menyatakan bahwa nilai suatu jaringan adalah kuadrat dari jumlah node. Artinya, rantai pasok menjadi lebih bernilai secara eksponensial seiring pertumbuhannya. Secara intuitif hal ini masuk akal. Rantai pasokan yang lebih besar dan mapan mampu menjangkau lebih banyak pelanggan dan mendukung beban sumber daya antar gudang. Prinsip ini juga berlaku pada infrastruktur internet dan telepon. Artinya, semua hal ini mendapat manfaat dari skala ekonomi. Picnic memahami hal ini, itulah sebabnya kami menjadi supermarket dengan pertumbuhan tercepat di Eropa.
Pembelajaran mesin
Saat ini kami sedang dalam kebangkitan pembelajaran mesin. Banyak perbaikan terbaru dalam pembelajaran mesin telah diterapkan dalam Picnic. Kami memiliki seluruh tim yang berdedikasi untuk secara aktif mengeksplorasi solusi berbasis pembelajaran untuk mempromosikan kepentingan bisnis. Tim ini diberi nama Tim Analisis & Algoritma Tingkat Lanjut.
Salah satu penerapannya adalah prediksi permintaan. Dengan menggunakan jaringan saraf, kami dapat membuat perkiraan yang masuk akal tentang permintaan suatu barang pada hari tertentu. Model yang digunakan untuk prediksi tersebut memanfaatkan fitur-fitur seperti permintaan sebelumnya, cuaca, dan terjadinya hari libur. Hal ini memungkinkan penyimpanan stok preemptif dan meminimalkan ketidaktersediaan barang secara regional.
Memprediksi permintaan dengan cara ini memberikan perlindungan dari Bullwhip Effect. Bullwhip Effect adalah pengamatan menarik dari manajemen rantai pasokan, yang menyatakan bahwa “permintaan menjadi lebih abstrak semakin jauh Anda dari pelanggan”. Jika ada lonjakan permintaan untuk produk tertentu, gudang umumnya tidak akan mengetahui apakah hal tersebut merupakan hal yang aneh atau mewakili pertumbuhan yang sebenarnya. Oleh karena itu, perkiraan di Piknik memiliki dampak wajar dalam membantu membedakan antara peningkatan permintaan yang terus-menerus dan kasus-kasus luar biasa (seperti hari libur dan acara olahraga).
Estimasi serupa dapat dibuat untuk berapa banyak pengiriman yang diperlukan pada hari tertentu. Kapasitas pengiriman harian dalam suatu wilayah terbatas, sama seperti sumber daya lainnya dalam rantai pasokan. Oleh karena itu, sangatlah berharga untuk memiliki gambaran kasar tentang seperti apa pengiriman dalam beberapa hari mendatang. Hal ini memastikan bahwa kami tidak memberikan janji yang berlebihan kepada pelanggan dan memiliki cukup pengemudi yang dialokasikan untuk shift.
Simulasi Monte Carlo
Simulasi Monte Carlo adalah teknik untuk meramalkan proses probabilistik yang berulang. Keberhasilan pengiriman di dunia nyata bergantung pada banyak faktor eksternal yang tidak disengaja. Hal ini terutama berlaku untuk pengiriman jarak jauh (yaitu pengiriman ke pelanggan). Faktor-faktor yang menjadi tantangan termasuk (namun tidak terbatas pada) lalu lintas, cuaca, dan jumlah pesanan individual. Kita tidak bisa membiarkan keacakan faktor-faktor ini menghalangi analisis dan perencanaan. Untuk mencapai tujuan ini, simulasi Monte Carlo sangat bermanfaat dalam menetapkan risiko dan keandalan rantai pasokan.
Simulasi tersebut baru-baru ini dijalankan untuk memperkirakan bagaimana peningkatan ukuran pesanan rata-rata akan berdampak pada jaringan pengiriman. Jawaban atas pertanyaan-pertanyaan seperti ini sangat penting bagi Picnic dalam mencegah rasa sakit yang semakin besar dan menginformasikan proyeksi dan perencanaan tingkat yang lebih tinggi.
Wilayah yang Belum Dijelajahi
Komputer kuantum tidak lagi menjadi konsep teoretis, bahkan tidak terbatas pada akademisi. Terdapat API publik yang dapat Anda gunakan saat ini untuk menjalankan program dari jarak jauh di komputer kuantum nyata. Anda mungkin pernah mendengar bahwa komputer kuantum hanya akan digunakan di domain khusus dalam jumlah yang sangat terbatas. Logistik adalah salah satu domain tersebut.
Pada tahun 2015 sekelompok akademisi mengembangkan Quantum Approximate Optimization Algorithm (QAOA), yang merupakan algoritma optimasi tujuan umum untuk komputer kuantum. Algoritma ini memungkinkan banyak masalah optimasi klasik diterjemahkan ke dalam dunia kuantum. Yang paling utama adalah Masalah Penjual Bepergian yang disebutkan sebelumnya. Meskipun saat ini kami tidak memanfaatkan komputasi kuantum di Picnic, ada kemungkinan bahwa suatu hari nanti algoritma kuantum akan memainkan peran penting dalam optimalisasi rute, pelatihan model, dan perkiraan.
Anehnya, hasil penelitian logistik juga diterapkan di industri lain. Teori transpor optimal telah digunakan dalam biologi untuk menggambarkan ekspresi genetik sel tunggal. Pemrograman linier, yang pada awalnya merupakan teknik logistik, telah dimanfaatkan di bidang pertanian dan manufaktur. Tampaknya tidak ada alasan mengapa hal sebaliknya tidak terjadi. Oleh karena itu, saya menduga bahwa beberapa terobosan di bidang logistik dapat dilakukan dengan mentransposisikan temuan-temuan di bidang fisika, kimia, dan matematika.
Kesimpulan
Menurut saya, jumlah bisnis yang melakukan hal-hal baru dalam perangkat lunak sangatlah kecil. Logistik adalah salah satu industri yang menuntut ketelitian akademis dan memungkinkan pengembang untuk merasakan algoritma yang mungkin pernah mereka pelajari di universitas. Bekerja di Piknik itu menarik dalam hal ini, dan itulah pujian tertinggi yang bisa saya berikan.
