大多数运输经理都认为运输网络中隐藏着提高效率和降低成本的机会——而且他们通常是正确的。但是，直到最近，运输网络的规模和复杂性阻碍了快速识别和利用这些机会的能力。
耗时、数据有限
复杂的交通解决方案设计和分析是一项复杂的工作。不仅需要考虑重大战略决策，还需要考虑影响交通成本的其他数十个因素。例如，是否可以在不影响服务水平的情况下减少班次？是否有整合的机会？不同地面交通方式的比较成本有何影响？
交通运输专家解决这一复杂性的方法是根据他们的经验和对网络的理解做出战略假设，然后使用多种离散工具（如路线和整合优化器以及建模工具）测试这些假设的效率，以确定通过拟议战略可以实现的成本节约。然后根据初步分析修改该策略，并通过多次迭代重复该循环，直到解决方案得到全面分析。
这一过程不仅耗时，而且数据有限。用于优化路线或发现整合机 亚美尼亚电子邮件列表 会的专用工具只能在分析中容纳货运数据的子集。即使精心选择控制数据来反映特定托运人的季节性波动，也可能无法捕捉到可能通过较大数据集发现的所有细微差别或机会。此外，由于实现优化需要多次迭代，因此该过程可能需要数周才能完成。
缺失的环节
这些数据可以通过各种供应链平台进行更全面的分析。但目前缺少的是一个可以处理大数据的宏观运输决策支持工具——一个可以让运输工程师快速制定灵活的优化策略而无需多次迭代的工具。
由于市场上没有该解决方案，DHL Supply Chain 决定开发它。这项开发工作的成果就是我们的运输网络优化器。该解决方案将网络、货运和路线优化与各种成本计算引擎（包裹、零担、整车、联运和车队）相结合，以优化历史或每日货运的成本。