Chytřejší logistika: AI optimalizuje dopravu a snižuje náklady

Proč je AI v logistice kritická právě teď

• Volatilita poptávky: sezónnost, promo akce, lokální události a počasí rozbíjejí klasické forecasty.
• Rostoucí očekávání: zákazníci chtějí přesné ETA, úzká okna a flexibilní doručení bez příplatků.
• Inflace nákladů: palivo, mzdy, mýto, servis – každý zbytečný kilometr se násobí.
• Datová připravenost: telematika, TMS/WMS/ERP, IoT, mapy a veřejná data činí logistiku „měřitelnou“.

AI využívá tuto datovou bohatost k predikci (co se stane) a optimalizaci (jak reagovat). Klíčem je propojit „plán“ (forecast, zásoby) i „okamžité řízení“ (dispatch, reopt) do jedné rozhodovací smyčky.

Business case: kde vznikají úspory a jak je spočítat

Typické zdroje přínosu:

• -5–20 % km/stop: lepší seskupení objednávek, méně prázdných jízd.
• -10–30 % repro-delivery: přesnější ETA a notifikace, méně „nezastiženi“.
• -10–25 % zásob: přesnější forecast + dynamický bezpečný zásobník + multi-echelon.
• -5–15 % OPEX flotily: plán směn, využití kapacit, prevence poruch.
• +3–10 p. b. OTIF: lepší dodržení časů a kompletace.

Jednoduchý rámec ROI: Roční přínos se rovná součtu ušetřených kilometrů vynásobených nákladem na kilometr, poklesu opakovaných doručení vynásobeného nákladem na jedno opakování, snížení zásob zohledněného kapitálovým nákladem (WACC) a poklesu penalizací SLA. Od této sumy odečtěte licence, výpočetní náklady, integrace a enablement.

Pro přehlednost držte samostatné sazby pro palivo, čas řidiče a mýto. U zásob započítejte kapitál, expirace i shrink.

Use-casy: od predikce poptávky po poslední míli

• Predikce poptávky: SKU × prodejna/region × den/hodina, vstup do výroby, nákupu a distribuce.
• Replenishment: dynamický bezpečný zásobník, min-max, multi-echelon.
• Optimalizace tras: VRP s časovými okny, kapacitami, restrikcemi a legislativou.
• ETA & dispatch: přepočty za jízdy, přidělování stop, prioritizace SLA.
• Warehouse AI: slotting, pick-path, wave plánování, labor scheduling.
• Yard & dock: rezervace ramp, sekvenování návštěv, zkrácení čekání.
• Prediktivní údržba: vzory poruch z CAN/OBD telemetrie.
• Eco-routing a emise: minimalizace CO₂ na objednávku.
• Reverse logistics: svozy vratek, obalů, recyklace s minimem prázdných jízd.

Predikce poptávky do praxe: signály, modely, metriky

Signály

• Interní: prodeje, objednávky, storna, promo, ceny, zásoby, lead time, dostupnost skladů.
• Externí: počasí, svátky, lokální akce, traffic indexy, webová návštěvnost, vyhledávací trendy.
• Kontext a vztahy: substituce, komplementarita, kanály (e-shop/retail), demografie.

Modely

Kombinace klasiky a ML: gradient boosting, hierarchické modely, Prophet pro sezónnost, LSTM/Temporal Fusion Transformer pro intradenní profil, bayesovské přístupy pro „cold start“. V praxi vyhrává ensemble s automatickým výběrem nejlepšího modelu pro danou kombinaci SKU a lokace.

Metriky

• MAPE/WAPE: relativní chyba (pozor na nízké objemy).
• MAE: pro plánování kapacit (řidiči, pickeři).
• P50/P90/P95: intervaly pro návrh bezpečných zásob a servisních úrovní.
• Rozpad chyby: promo vs. počasí vs. trend – ukáže, co zlepšovat.

Pravidlo: forecast je prostředek, ne cíl. Napojte ho do replenishmentu a dopravy; bez akce je i perfektní křivka k ničemu.

Replenishment a řízení zásob (vč. multi-echelon)

• Dynamický bezpečný zásobník: AI počítá variabilitu poptávky i lead time; SS se mění dle sezóny a SLA.
• EOQ a min–max: průběžná optimalizace parametrů objednávek (náklady na objednávku vs. držení zásob).
• Multi-echelon: optimalizace napříč DC → region → prodejna; zásoba neleží „na špatném místě“.
• Aging/expirace: rotace zásob, návrhy přesunů a substitucí, minimální waste.

Dopad: méně mrtvých zásob, méně stockoutů, hladší špičky v dopravě, kratší cash-to-cash.

Optimalizace tras: VRP varianty, reoptimace a EV routing

Praktické VRP varianty

• CVRPTW: kapacita a časová okna pro běžné B2B/B2C rozvozy.
• PDPTW: pick-up & delivery s okny (sběry a rozvozy, reverse logistics).
• MDVRP: více dep a přidělování regionů.
• TDVRP: časově závislé jízdní doby (ranní špičky vs. noc).
• VRP s dovednostmi: kvalifikace řidiče, ADR, chlazení, přístupové karty.

Řešiče a heuristiky

Kombinace smíšeného celočíselného programování, heuristik (Savings, Tabu, Clarke–Wright), metaheuristik (Genetic, VNS) a učení posilováním pro jemné doladění on-road. Cíl: výpočet v minutách, ne v hodinách.

Reoptimace a HITL

• Trigger-based reopt: zpoždění nad definovaný práh, nehoda, no-show, urgentní pickup.
• HITL override: dispečer smí upravit pořadí/řidiče kvůli vztahu se zákazníkem či lokální znalosti.
• Re-ETA broadcast: okamžitá aktualizace zákazníkům a rampám.

EV routing (elektromobilita)

• Energetický model: kapacita baterie, teplota, profil trasy, náklad.
• Dobíjení: plán stanic, doba nabíjení, omezení výkonu; preferujte „nabij během nakládky“.
• Mix flotily: kdy se EV vyplatí (krátké okruhy, město, noční nabíjení v depu).

Kostra cílové funkce (ilustrativně)

Náklady se typicky skládají z následujících složek: vzdálenost (km), čas jízdy a obsluhy, mýto a poplatky, penalizace za porušení SLA a odhadované emise. Každou složku lze vážit podle firemní strategie (např. náklad v Kč vs. CO₂ vs. SLA).

ETA, časová okna, SLA a komunikace se zákazníkem

Modely ETA využívají historii GPS, dopravní situaci, počasí, typ trasy, řidiče i vozidlo. Přesné ETA snižuje neúspěšná doručení a náklady na opakování.

• Časová okna: úzká pro VIP, širší pro low-cost; AI doporučí dynamická okna dle zatížení.
• Notifikace: SMS/Push s informací „jsme na cestě“ a „za 15 minut u vás“; mapa s polohou řidiče.
• SLA: penalizace za pozdní příjezdy, priority pro rizikové zásilky.

Měřte: P50/P90 odchylku ETA, dodržení oken, repro-delivery, OTIF a customer effort score.

AI ve skladu: slotting, pick-path, labor plánování

• Slotting: umístění podle frekvence a spoluobjednání, zóny pro „fast movers“.
• Pick-path: nejkratší dráhy, multi-order pick, wave/batch strategie.
• Labor: AI plán směn, dovednosti, křivka učení nováčků, cross-training.
• Vision AI: kontrola kompletace a kvality, počítání kusů, detekce poškození.

Propojte se sloty ramp a trasami – ať sklad netvoří zácpy pro řidiče.

Yard & dock scheduling: od čekáren k plynulým rampám

• Rezervace slotů: dopravci si rezervují okna; AI seskládá příjezdy vs. kapacitu ramp.
• Sequencing: pořadí nakládek/vykládek podle priority, času a kompatibility (chlazené/ADR).
• Yard visibility: geofencing kolem depa; alerty na fronty a přetížení.

Výsledek: kratší čekání, méně prázdných běhů, spokojenější dopravci i sklad.

Taktické plánování: flotila, směny, sítě a depa

• Flotila: mix (EV/diesel/chladírenské), leasing vs. vlastní; scénáře růstu/útlumu.
• Směny: kolik dispečerů/pickerů/řidičů a kdy; dovednosti a zálohy.
• Network design: umístění dep (location–allocation), hub-and-spoke vs. point-to-point.
• Digital twin: simulace „co kdyby“ – nové depo, jiná okna, změna flotily, dopad na SLA/CO₂.

Architektura řešení: data → featury → modely → rozhodnutí

1. Ingest: TMS, WMS, ERP/OMS, GPS/telematika (CAN), mapy/traffic, počasí; proudově i dávkově.
2. Data lakehouse a katalog: jednotné schéma, data contracts, lineage, pravidla kvality.
3. Feature store: sdílené featury pro forecast, ETA, VRP, labor; verzování a governance.
4. Modely: trénink (batch), inference (batch/stream), VRP solver (API); A/B testy a canary release.
5. Policy engine: SLA, penalizace, priority, compliance; oddělený od modelů pro rychlé úpravy.
6. Aplikace: dispečerský panel, driver app (offline režim), zákaznické notifikace; audit a „proč právě tato trasa“.
7. Security: přístup podle rolí (ABAC), šifrování, anonymizace GPS/adres, auditní stopy.

MLOps/OROps a FinOps: udržet modely přesné a výpočty levné

• Monitoring modelů: drift poptávky, sezónnost, kvalita ETA, odchylka plán vs. realita.
• Automatické přeučení: při propadu metrik (MAPE, ETA P90) spouštějte retraining.
• Experimenty: A/B váhy VRP, různá časová okna, nové mapové restrikce.
• FinOps: cena za inference a řešení VRP; cache opakovaných výpočtů; předpočty pro špičky.

Kvalita adres a map: nejlevnější úspory, které málo kdo dělá

• Normalizace adres: sjednotit ulice, čísla, PSČ, města; opravit typické chyby.
• Geokód a vjezdy: přidejte GPS bod skutečného vjezdu/rampy, ne jen střed parcely.
• Mapové restrikce: zákazy vjezdu, váhové limity, brány, uzávěry – pravidelně aktualizovat.
• Hex-grid (např. H3): agregace dat pro robustní profil rychlostí a spolehlivosti.

Často přinese 5–10 % úspor km/stop bez jediného dalšího modelu.

Emise, eco-driving a ESG reporting

• Eco-routing: trasy s menšími zdrženími a převýšením; minimalizace volnoběhu.
• Eco-driving: školení a zpětná vazba řidičům (akcelerace, brzdění, volnoběh).
• Reporting: CO₂ na objednávku a na km, palivo na stop; rozpad podle linek a řidičů.
• EV planning: které okruhy převést na EV a kde umístit nabíječky.

Bezpečnost dat a přístupů (GPS, adresy, sazby)

• Klasifikace: adresy, ceny, smluvní sazby – označit a řídit přístup.
• Gateway: přístup k AI přes proxy s DLP/PII redakcí, audit logy, regionální omezení.
• Šifrování: data v klidu i při přenosu; BYOK/HYOK pro nejcitlivější části.
• Audit: kdo viděl jaké trasy a adresy; minimalizace logování citlivého obsahu.

Změnové řízení: dispečeři, řidiči, obchod a zákazník

• Dispečeři: školení „co model umí a neumí“, možnost override, sběr zpětné vazby.
• Řidiči: jednoduchá mobilní aplikace, offline režim, jasné pokyny; odměny za eco-drive a včasnost.
• Obchod: sladění očekávání (okna vs. cena), dohoda o prioritách a SLA.
• Zákazník: srozumitelné ETA, možnost re-plánování slotu, méně dotazů „kde je řidič“.

KPI a metriky: co opravdu měřit (a jak)

• Km/stop a náklad/stop: základní efektivita.
• Využití flotily: objem/hmotnost/čas; podíl prázdných jízd.
• OTIF a SLA penalizace: dodávky včas a kompletně.
• Přesnost ETA: průměrná a P90 odchylka.
• Forecast MAPE/WAPE: přesnost plánování.
• Inventory turns a dostupnost: obrátka zásob vs. stockouty.
• CO₂ na objednávku: emisní účinnost.

Dashboard jedné pravdy: plán vs. realita, dopady změn (A/B), heatmapy zpoždění a odchylek.

Pilot v praxi: 30–60–90–180denní plán

0–30 dní: inventura a rychlé výhry

• Scope: jedno depo/region, 1–2 typy tras (milk-run + poslední míle).
• Data readiness: export objednávek, tras, GPS; kvalita adres; mapové restrikce.
• Baseline: km/stop, palivo, odchylka ETA, OTIF, repro-delivery, zásoby (turns).
• Rychlé opravy: čištění adres, geobody vjezdů, doplnění restrikcí, oprava „černých děr“ na mapě.

31–60 dní: první AI vrstva

• Forecast POC: top položky × vybrané prodejny; měřit MAPE/WAPE.
• VRP POC: denní plán s okny, kapacitami a přestávkami; mobilní app pro řidiče.
• ETA model: z GPS a traffic; notifikace zákazníkům.
• Dashboard: plán vs. realita; heatmapy zpoždění.

61–90 dní: reálný provoz a reoptimace

• On-road reopt: přepočet při odchylce; pravidla priorit (VIP, čerstvé zboží, smluvní okna).
• Replenishment: propojený forecast → bezpečný zásobník, min–max, multi-echelon.
• HITL: sběr oprav dispečerů/řidičů do učení modelů.

91–180 dní: škálování a standardizace

• Nové regiony a linky: složitější omezení (ADR, chlazení, nízkoemisní zóny).
• FinOps: kvóty, cache, předpočty; SLA na výpočty a latenci.
• Digital twin: simulace změn sítě, oken a flotily a jejich vliv na SLA a CO₂.

Modelové scénáře a čísla úspor

Výrobce potravin (B2B rozvoz)

• Výchozí: 1200 stop/den, 35 vozidel, MAPE forecastu 28 %, repro-delivery 7 %.
• Po 4 měsících: snížení km/stop o 11 %, repro-delivery o 18 %, zlepšení OTIF o 6 p. b., pokles zásob u čerstvých SKU o 14 %.

E-shop poslední míle

• Výchozí: P90 odchylka ETA 26 minut, opakované doručení 12 %.
• Po 3 měsících: P90 odchylka 11 minut, opakované doručení 6 %, spokojenost +0,4 bodu.

Distributorka nápojů

• Výchozí: vysoké mýto, úzká okna odběratelů, plýtvání na překládce.
• Po 5 měsících: mýto na km -9 % díky vahám VRP a konsolidaci, prázdné přejezdy -12 %.

Build vs. buy a výběr dodavatele

• Koupit (buy): rychlý start a best practice; pozor na „black-box“ a licenční náklady.
• Vytvořit (build): maximální kontrola a custom logika; vyšší nároky na tým a time-to-value.
• Hybrid: koupit solver/feature store, vlastní policy/UX.

Checklist výběru: otevřená API, export dat, vlastnictví featur, SLA na latenci a přesnost, důkazy z A/B testů, bezpečnost (BYOK/regiony), jasný exit-plán.

Antivzory a časté chyby

• Ignorace kvality adres/map: modely nezachrání špatný vstup.
• „One-off“ projekt bez MLOps: přesnost spadne při změně sezóny či sítě.
• Pouze jeden cíl optimalizace: ignorace SLA nebo CO₂ vede k regresi jinde.
• Bez HITL: praxe dispečerů/řidičů se nepropsá do systému, důvěra nepřijde.
• Vendor lock-in: bez exportů dat a vlastnictví featur těžko odejdete.

Checklist implementace

• Inventura dat (TMS/WMS/ERP, GPS, mapy) a kvality adres.
• Baseline KPI (km/stop, palivo, ETA, OTIF, zásoby, repro-delivery).
• Forecast a replenishment propojené s dopravou.
• VRP s časovými okny, kapacitami, restrikcemi a reoptimací.
• ETA model s notifikacemi a zákaznickým portálem.
• Warehouse slotting, pick-path a plánování práce.
• Yard & dock scheduling, geofencing a sekvenování ramp.
• MLOps/FinOps, A/B testy, monitoring a automatické přeučení.
• Security/Governance (ABAC, šifrování, audit), HITL a školení.
• Jeden sdílený dashboard „plán vs. realita“ pro všechny role.

FAQ vedení a provozu

Kolik můžeme ušetřit?

Záleží na startu. Často −5 až −20 % km/stop a paliva, −10 až −25 % zásob, +3–10 p. b. OTIF. Důležité je mít baseline a dělat A/B testy.

Jak dlouho trvá pilot?

Viditelné výsledky obvykle za 6–10 týdnů na jednom depu/regionu s připravenými daty a integracemi.

Potřebujeme datové vědce?

Na start stačí silný produkt a člověk, který rozumí TMS/WMS. Při škálování se hodí interní MLOps a „AI champions“ v provozu.

Co když AI navrhne „nesmyslnou“ trasu?

Proto existují guardrails (restrikce, penalizace), HITL (schvalování dispečerem) a učení z korekcí v reálném provozu.

Jak se vyhnout vendor lock-in?

Trvejte na otevřených API, exportech dat a vlastnictví featur/policy. Mějte exit-plán a dokumentovaná schémata.

Závěr: méně kilometrů, lepší servis, rychlá návratnost

AI v logistice je o praktických krocích – vyčistit adresy, zlepšit forecast a zásoby, zapnout VRP s reoptimací a přesné ETA, propojit sklad a rampy, dát dispečerům a řidičům jednoduché nástroje a měřit. Kombinace predikce poptávky, optimalizace tras a chytrého doplňování zásob přináší méně zbytečně najetých kilometrů, úspory paliva i kapitálu – a lepší servis zákazníkům. Začněte pilotem, držte se metrik a dělejte malé, ale jisté kroky každý týden. Výsledky se sčítají překvapivě rychle.