TacitRouting
O futuro do roteamento de última milha tem ADN Português
Foi nas instalações do INESC TEC, no campus da Faculdade de Engenharia da Universidade do Porto, que estivemos à conversa com o Professor António Galrão Ramos, responsável pelo projeto TacitRouting, e Farzam Salimi, um dos investigadores associados ao projeto, um disruptivo sistema de gestão da última milha. No ritmo frenético de quem entrega ciência às empresas, partimos à boleia deste inovador sistema para uma viagem onde o last-mile foi repensado do princípio ao fim.
Jornalista: Sérgio Abrantes | Fotografia: Igor Martins
O projeto TacitRouting, desenvolvido no INESC TEC pela equipa liderada pelo Professor António Galrão Ramos, emerge como uma inovação disruptiva no campo da logística de entregas, especialmente na última milha.
Este projeto, que combina técnicas avançadas de machine learning e otimização, visa superar os desafios complexos das operações de entrega, oferecendo uma solução robusta e adaptável a qualquer contexto.
Neste novo artigo do DH LAB exploramos a fundo o desenvolvimento, a implementação e o impacto potencial do TacitRouting, destacando as suas contribuições para a indústria logística, nomeadamente por este sistema responder a algumas das dificuldades sentidas pelos operadores: o roteamento eficiente na última milha.
O desafio de competir com os melhores
A logística de entregas, especialmente na última milha, é um dos segmentos mais desafiadores e dinâmicos da cadeia de abastecimento. A complexidade das operações de entrega, que envolvem múltiplos fatores como tráfego, lugares de estacionamento, comportamento do motorista e preferências do cliente, torna a otimização das rotas uma tarefa extremamente difícil. Mais ainda quando quem distribui não é o detentor do produto final a entregar ao cliente. Tradicionalmente, os sistemas de roteamento focam-se na minimização da distância e tempo, muitas vezes ignorando a realidade multifacetada das entregas urbanas e o conhecimento adquirido pelos motoristas de forma empírica.
Porém, a motivação inicial para o desenvolvimento do TacitRouting surgiu da participação de membros da equipa em desafios científicos, como a Amazon Last-Mile Routing Research Challenge. Esses desafios proporcionaram uma plataforma para testar e aperfeiçoar soluções inovadoras, permitindo que a equipa avaliasse as suas abordagens em comparação com outras equipas de investigação ao redor do mundo. A experiência adquirida, bem como um honroso quarto lugar nessa competição, foi fundamental para o desenvolvimento do TacitRouting, um sistema que procura quer não apenas otimizar rotas, mas também aprender com o conhecimento dos motoristas e adaptar-se às condições reais de entrega.
“O Amazon Last-Mile Routing Research Challenge foi uma competição científica única, por diferentes fatores, mas sobretudo porque a Amazon investiu profundamente nela. Normalmente as competições científicas, quando têm algum tipo de prémio, ronda os 5 mil euros… aqui, a Amazon pôs 150 mil dólares a jogo. Foi um bocadinho mais atrativo [risos]”, começou por explicar António Galrão Ramos. “A nossa motivação inicial era o quê? Tanto eu como o meu colega, que lecionamos na área da logística e otimização, queríamos perceber por dentro como o last-mile funcionava na Amazon, como é que eles trabalhavam e perceber, principalmente, quais os desafios que enfrentavam”, confidencia António Galrão Ramos, assumindo que se sentiu numa espécie de Liga dos Campeões para investigadores dos temas associados à logística.
Inovar no last-time quando (quase) tudo já foi feito
O TacitRouting adota uma abordagem híbrida que combina modelos determinísticos clássicos com técnicas avançadas de machine learning. Esta abordagem permite que o sistema considere uma vasta gama de fatores que influenciam as operações de entrega, proporcionando uma solução mais completa e adaptável, não dependendo apenas de objetivos únicos como a minimização da distância ou do tempo.
Mas mais do que isso, um dos principais diferenciais do TacitRouting é a sua capacidade de aprender com o conhecimento dos motoristas. Ao analisar as decisões tomadas pelos motoristas durante as entregas já realizadas, o sistema pode identificar padrões e preferências que não são capturados e integrados com modelos tradicionais de otimização de rotas. Essa aprendizagem contínua permite que o TacitRouting ajuste as suas recomendações de roteamento, melhorando a eficiência das rotas, respondendo rapidamente a situações como uma falha de um produto que estava programado para entrega.
Além disso, o sistema desenvolvido considera obstáculos naturais e artificiais que afetam as rotas de entrega. Fatores como rios, estradas principais e barreiras geográficas são levados em conta na divisão do território em distritos, permitindo uma otimização mais eficiente das rotas. Essa abordagem contrasta com os métodos tradicionais, que frequentemente utilizam divisões administrativas baseadas em códigos postais, que não refletem a realidade operacional das entregas.
“A forma como nós dividimos o território em distritos é claramente mais eficiente. Uma das principais áreas que trabalhamos é a forma como agrupamos esses distritos, pois esta tem uma forte influência na determinação do número de motoristas necessários para a operação”, refere o professor do Instituto Superior de Engenharia do Porto .
O conhecimento do cliente também desempenha um papel importante no TacitRouting. O sistema incorpora informações sobre a disponibilidade e preferências dos clientes, permitindo que as entregas sejam agendadas em horários convenientes e evitando situações em que as encomendas não possam ser entregues. Essa abordagem centrada no cliente melhora a satisfação e a experiência do cliente, diferenciando o TacitRouting de outras soluções de roteamento.
“Quando olhamos para a literatura clássica a questão é como minimizar custos, minimizar tempo, é esse o grande objetivo. E, tipicamente, há dois métodos. Um, consideramos todas as entregas e vamos construindo as respetivas rotas, numa etapa só. Isto é possível quando a base de clientes é pequena. Quando os problemas começam a crescer em dimensão, a abordagem normalmente seguida é uma abordagem em dois estágios, em que no primeiro estágio é a divisão dos clientes em conjuntos e, depois, fazemos o roteamento dentro desses conjuntos e entre esses conjuntos. No fundo, é partir o elefante às postas para encontrar uma solução”, explica Galrão Ramos, lembrando que o TacitRouting tem esta abordagem.
Que modelo operativo?
Assim, o TacitRouting é estruturado em três fases principais, cada uma com objetivos e desafios específicos. Numa primeira fase, a que a equipa apelida de Districting:, o território é dividido em distritos, considerando fatores geográficos e de procura, utilizando o histórico de dados disponível. Essa divisão é fundamental para a otimização das rotas, pois permite que o sistema se foque em áreas menores e mais gerenciáveis. Ao contrário dos métodos tradicionais, que utilizam códigos postais para dividir o território, o TacitRouting considera obstáculos naturais e artificiais, como rios e estradas principais, para criar distritos que reflitam a realidade operacional das entregas. “A primeira fase, que nós chamamos de Districting, consiste, no fundo, em dividir o território em parcelas”, explica o responsável pelo projeto.
A segunda fase, a que a equipa chama de Sequenciamento, envolve a agregação e ordenação dos distritos de forma eficiente, combinando o conhecimento dos motoristas com a minimização do tempo e da distância de entrega. Para isto, o TacitRouting utiliza algoritmos avançados de otimização e machine learning para determinar a melhor agregação de distritos, garantindo que os motoristas percorram a menor distância possível e evitam congestionamentos e outros obstáculos. Essa fase é essencial para garantir que as entregas sejam realizadas da forma mais eficiente e com a menor utilização de recursos.
Por fim, o Roteamento. Esta terceira fase envolve a criação de rotas detalhadas dentro de cada distrito, utilizando algoritmos avançados de otimização. “No fim, ligamos efetivamente os pontos. A ideia é que o motorista se mantenha sempre dentro do mesmo distrito numa primeira fase e, depois de completar as entregas nesse distrito, passe para o distrito seguinte. Fechando esse, passa para o seguinte, e por aí adiante…”, explica.
O TacitRouting considera uma vasta gama de fatores, incluindo o conhecimento dos motoristas, obstáculos naturais e artificiais, e o dinamismo do tráfego, para criar rotas que sejam eficientes.
Quais os resultados e impacto desta solução?
Os resultados preliminares do TacitRouting são, segundo explica o responsável da equipa, promissores. O sistema consegue processar instâncias de grande dimensão em minutos, o que significa uma melhoria significativa em comparação com os métodos tradicionais. Além disso, a abordagem híbrida permite uma maior flexibilidade e adaptação às condições reais de entrega, resultando numa série de benefícios para as empresas de logística e para os seus clientes. A satisfação do cliente também é melhorada com o TacitRouting, pois o sistema considera as preferências e a disponibilidade dos clientes, garantindo que as entregas sejam realizadas em horários convenientes.
“A estrutura atual proposta e testada apresentou uma solução com melhor desempenho em termos de distâncias totais percorridas e número de motoristas quando comparada com dados reais de um operador de last-mile. Mesmo para um dia movimentado, todas as rotas podem ser determinadas em menos de 15 minutos num laptop comum”, assume António Galrão Ramos.
Desafios e próximos passos
Embora o TacitRouting tenha mostrado resultados preliminares empolgantes e esteja já em estudo uma implementação, ainda enfrenta desafios que precisam ser superados para alcançar o seu pleno potencial. Um dos principais desafios são cenários em que é deficiente a qualidade dos dados históricos existentes. A eficiência das recomendações de roteamento depende da qualidade dos dados disponíveis, e a falta de dados históricos precisos pode limitar a eficácia do sistema.
Para superar esses desafios, o INESC TEC está a explorar novas técnicas de machine learning para melhorar a eficiência do TacitRouting. Além disso, a equipa está a trabalhar na integração do sistema com plataformas de gestão de transporte, garantindo que o TacitRouting possa ser adotado amplamente e contribuir para a otimização das operações de entrega.
Assim, o TacitRouting representa um avanço significativo na logística de entregas, oferecendo uma solução robusta e adaptável para os desafios da entrega na última milha. Com um foco na aprendizagem contínua e na adaptação às condições reais, o projeto promete revolucionar a forma como as entregas são geridas, beneficiando tanto as empresas quanto os clientes finais.
A EQUIPA DA TACITROUTING
António Galrão Ramos: Professor Coordenador no Instituto Superior de Engenharia do Porto (ISEP) do Instituto Politécnico do Porto (IPP) e Investigador Sénior do Centro de Engenharia e Gestão Industrial (CEGI) do INESC TEC. Os seus interesses de investigação centram-se na utilização e desenvolvimento de abordagens híbridas de otimização que integram restrições complexas do mundo real em problemas de otimização combinatória na área da logística.
Farzam Salimi: Investigador do CEGI/INESC TEC. A sua investigação é centrada no desenvolvimento de abordagens inovadoras de IA para otimizar a eficiência da última milha em grandes centros urbanos.
Pedro Rocha: Investigador do CEGI/INESC TEC. A sua investigação é centrada no desenvolvimento de modelos e algoritmos de otimização integrados em sistemas de simulação, e em metodologias de aprendizagem suportadas por inteligência artificial.
Manuel Pereira Lopes: Professor Coordenador do ISEP/IPP e Investigador Sénior do CEGI/INESC TEC. A sua principal área de investigação são os Métodos Quantitativos aplicados à Gestão de Operações, em particular a aplicação de técnicas de otimização para resolver problemas empresariais complexos na cadeia de abastecimento e produção.
Carlos Ferreira: Professor Coordenador do ISEP/IPP e Investigador Sénior do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC. A sua área de investigação é a Inteligência Artificial, com foco na Aprendizagem Automática, Aprendizagem Profunda, Redes Neuronais em Grafos, Procura de Padrões Temporais e Deteção de Anomalias, aplicando estes conceitos na resolução de problemas do mundo real.
Beatriz Santos: Bolseira de investigação do CEGI/INESC TEC e aluna do Mestrado em Engenharia e Gestão Industrial do ISEP, desenvolveu a sua dissertação abordando a temática do districting na last-mile.
José Silva: Bolseiro de investigação do CEGI/INESC TEC e aluno do Mestrado em Engenharia e Gestão Industrial do ISEP, desenvolveu a sua dissertação abordando a temática do roteamento na last-mile.
O desenho do modelo e os seus benefícios
Para desenvolver o seu resultado final de roteamento, o Tacit Routing recorre a uma estrutura de três fases principais:
1. Districting: Divisão do território em distritos, considerando fatores geográficos e de procura, em vez de códigos postais.
2. Sequenciamento: Agregação e ordenação dos distritos de forma eficiente para minimizar o tempo e a distância de entrega.
3. Roteamento: Criação de rotas detalhadas dentro de cada distrito, utilizando algoritmos avançados de otimização.
O sistema foi desenvolvido utilizando um modelo de abordagem híbrida que permite integrar vários elementos ao mesmo tempo. Aqui são considerados o Conhecimento dos Motoristas, utilizando os dados recolhidos para aprender com as decisões tomadas e melhorar a qualidade das rotas. São considerados os Obstáculos Naturais e Artificiais, desenhando-se áreas que consideram barreiras geográficas e infraestruturas que afetam as rotas. Além disso, recorre-se também ao Conhecimento do Cliente, incorporando-se informações sobre a disponibilidade e preferências dos clientes, períodos históricos de pico e de procura.
Isto traduz-se, em última instância, numa Redução de Custos, com menor necessidade de recursos humanos e veículos; Aumento da Eficiência, com rotas mais rápidas e precisas; e na Melhoria na Satisfação do Cliente, com entregas mais pontuais e alinhadas com as expectativas dos clientes.
