The value of Logistics 4.0 in the transportation process : exploiting predictive information for truck scheduling optimization

Inbound truck scheduling models have focused for long on how to support receiving and shipping activities disregarding the uncertain arrival of trucks. Few authors addressed the problem, proposing both proactive, robust scheduling approaches, or reactive, dynamically adjusted approaches, aimed to deal with uncertainty in truck arrival time. Nevertheless, the lack of information introduced by uncertainty poses some limitations for both approaches, which led to suboptimal solutions. Is it possible to build an inbound truck scheduling model that grasps the truck arrival uncertainty while aiming for uncompromising optimization? Logistics 4.0 provides a key enabler to this purpose: the predictive estimation of truck arrival times. By studying the main characteristics of the estimated time of arrival (ETA) through interviews with supply chain visibility solution provider, this work investigates how this information can be integrated in a truck scheduling model. For this purpose, a new approach to truck scheduling was designed, which combines ETA information with reactive approaches. This was supported by a truck scheduling optimization model aimed at the minimization of the sum of waiting time of incoming trucks. The model was solved through a genetic algorithm (GA). The application to a realistic simulated environment, based on a dataset provided by large retail company working in the grocery business, allowed to validate the developed model and to perform an extensive computational study. This was used to compare the developed approach with a commonly used reactive truck scheduling approach, the First Come First Served (FCFS) rule, and to perform experiments on some parameters including (i) ETA accuracy and (ii) receiving facility congestion. Results showed that ETA exploitation for truck scheduling outperforms the common operational way of working proving to be beneficial under different conditions.

I modelli di schedulazione dei camion in ingresso a magazzini e centri distributivi hanno avuto a lungo lo scopo di supportare le attività di ricezione e spedizione merce trascurando l’incertezza legata all’orario di arrivo dei camion. Pochi autori hanno affrontato il problema con approcci proattivi, improntati alla robustezza, oppure con approcci reattivi, basati su aggiornamenti dinamici. Tuttavia, la mancanza di informazioni crea delle limitazioni per entrambi e quindi porta al raggiungimento di risultati subottimali. È quindi possibile realizzare un modello di schedulazione dei camion che consideri l'incertezza sull'arrivo degli stessi puntando, allo stesso tempo, all'ottimizzazione senza compromessi? La Logistica 4.0 fornisce uno strumento chiave per rispondere positivamente a questa domanda: la possibilità, attraverso l’utilizzo di algoritmi predittivi e l’analisi dei big data, di stimare i tempi attesi di arrivo dei camion (i.e. ETA). Studiando le caratteristiche principali dell’ETA e attraverso interviste a due aziende che si occupano di realizzare soluzioni per aumentare la visibilità nella supply chain, questo lavoro ha lo scopo di capire come queste informazioni predittive possano essere integrate in un modello di schedulazione dei camion. A questo fine è stato definito un nuovo approccio alla schedulazione che integri informazioni contenute nell’ ETA con un approccio reattivo e sia in grado di migliorare la gestione dell’incertezza negli arrivi dei camion incrementando così la sincronizzazione tra trasporto e magazzino. L’approccio sviluppato è supportato da un modello di ottimizzazione volto a minimizzare la somma dei tempi di attesa di tutti i camion in arrivo. Tale modello è risolto tramite un algoritmo genetico (GA). L’applicazione del nuovo approccio ad un ambiente realistico realizzata tramite simulazione, basata su un set di dati fornito da una grande rivenditore operante nel settore alimentare, ha permesso di validare il modello sviluppato e di effettuare uno estensivo studio quantitativo. È stato quindi possibile confrontare il nuovo approccio con una regola comunemente utilizzata per la schedulazione dei camion, la "First Come First Served (FCFS)" sviluppando esperimenti basati sui parametri di (i) accuratezza dell’ETA e (ii) la congestione affrontata dal magazzino. I risultati dimostrano che l’utilizzo dell’ETA all’interno di un approccio per la schedulazione dei camion porta a risultati migliori per tutte le diverse condizioni esaminate.