如何用 AI 更“聪明”地进行物流路线规划?
作者 | Moon Chung
本周的 Model Monday 版本亮点是 NVIDIA cuOpt,这是一款创新的加速优化引擎,专为帮助团队解决复杂的路线规划问题而设计。它为组织提供了重塑物流、运营研究、运输和供应链优化的能力。NVIDIA cuOpt 支持多种物流优化用例,包括:
- 最后一英里交付 (LMD)
- 现场调度
- 车队管理
- 仓库和工厂机器人
- 供应链管理 (SCM)
- 上下车
最终,cuOpt 可以帮助组织增加收入、降低成本并提高客户满意度。
本文介绍了两种探索 cuOpt 功能的方法:使用 NVIDIA AI 基础模型和端点,以及使用 NVIDIA LaunchPad。
NVIDIA AI 基础模型针对企业生成式 AI 进行了优化。您可以与 NVIDIA cuOpt 通过 API 和基于用户界面的演示使用样本数据。这是一个开放访问平台,可在托管环境中使用,因此您不需要使用具有 GPU 加速功能的服务器。
即使对于那些可能不熟悉优化的人来说,也很容易开始使用 cuOpt. 只需浏览 Web GUI,即可通过以下两种方式之一体验模型:基于 API 的脚本演示 (REST 端点) 或基于 UI 的演示。模型中预加载了三个示例数据集。要详细了解每个数据集,请参阅技术概览。
对于数据自定义,基于 API 的演示和基于 UI 的演示的功能存在一些差异,详情如下。
对于 AI 开发者、技术产品经理和 AI 从业者而言,基于 API 的演示是一个不错的选择。
NVIDIA 提供了一个 JSON 文件,其中包含经过预处理的数据,并可随时提交给 cuOpt。用户可以原样提交数据,也可以直接在单元中的 API 调用中编辑数据。要使用自己的数据,请完成数据预处理,并以 JSON 格式将其引入 AI 基础端点。
图 1. 基于 cuOpt API 的演示提供预处理数据,可在 API 调用中直接使用或编辑
基于 UI 的演示对希望更好地了解 cuOpt 的特性和功能的高管、IT 和 AI 领导者以及业务部门高管非常有益。
图 2. 探索基于 UI 的演示,以更好地了解 cuOpt 的特性和功能
NVIDIA 提供示例数据集和包含输入数据的 JSON 文件,这些数据集和文件可随时提交至 cuOpt。在交互式演示中,用户可以选择要在输入数据中包含的约束。然后,系统会显示输出以及约束对输出的影响。在此演示环境中,使用您自己的数据不是一个选项。
NVIDIA LaunchPad 提供了一个免费的互联网浏览器访问平台,让您能够远程使用 NVIDIA 加速的硬件和软件。通过 LaunchPad,您可以在一个托管环境中体验 cuOpt。这一选项特别适合那些在优化领域拥有丰富实战经验的专业人士,如数据科学家或优化科学家。
首先,提交 LaunchPad 路由优化动手实验室的访问请求。本实验使用 NVIDIA cuOpt Cloud 服务优化车队的路线。其中包含 Jupyter Notebook,可引导您完成数据预处理步骤和每个数据字段的定义,从而提供更具参与度和指导性的学习体验。
图 3. 使用 NVIDIA LaunchPad 在托管环境中试用 cuOpt从路由优化实验室指南开始。
在这里,您可以探索提供预加载数据集的 Jupyter Notebook。
图 4. 在 Jupyter Notebook 中探索预加载的数据集
其中包含一系列示例合成数据集,可将订单分配给一批配送驱动程序。每个用例中都使用三个 CSV 文件将驱动程序分配给相应的订单:订单、仓库和路线。此外,您还可以使用 Jupyter Notebook 上传自己的数据。
详细的数据集前提条件如下:
- 输入格式:三个文件,分别是订单、车辆和任务数据集。每个数据集应包含相关数据的列,例如位置、运营时间、需求等。请参阅预加载数据集中的详细数据字段。
- 输入参数:上传到 Jupyter Notebook 进行数据预处理的 CSV 文件。将其另存为 JSON 文件以进行 cuOpt API 调用。
- 与输入相关的其他属性:最多 1K 个位置。没有最大字符数量或 JSON 文件大小。预处理用于将约束转换为整数和布尔值。有关特定输入约束的更多信息,请参阅技术概览。
以下数据包含在预加载的数据集中:
- 订单数据:目的地的地理位置信息(包括经度和纬度)、订单需求或重量以及可交付订单的时间窗口。
- 车辆数据:指定车辆和驾驶员特征,例如车辆类型和每辆车可处理的最大容量,甚至是驾驶员的休息时间。
- 存储数据:关于仓库 / 配送中心的出发地点和运营时间的信息。
图 5. NVIDIA 路线优化工作流程图
详细了解 NVIDIA cuOpt 如何借助 NVIDIA AI 基础模型和端点,或免费试用 NVIDIA LaunchPad,改变您的物流运营。要比较这两个选项之间的差异,请参阅表 1。
表 1. NVIDIA cuOpt 的两种试用方式对比
加入我们的 NVIDIA GTC 2024 会议,您可以向 NVIDIA 的优化 AI 工程经理 Alex Fender 了解更多信息,并参加 DLI 培训,以学习如何使用我们的路线优化微服务提高效率并节省成本。
内容推荐
China AI Day 演讲主题:AI Native,生成商业新未来
演讲简介:基于 LLM 技术的理解、生成、逻辑和记忆四大核心能力,百度营销全面重构商业生态,AI Native 全景应用落地,打造商业智能体,包括懂营销的 AIGC 创意内容生产平台“擎舵”,用自然语言即可创建营销方案的 AI Native 营销平台“轻舸”,全面提升广告投放效率与效果的商业动力引擎“扬楫”。全新商业智能体通过 LLM 技术驱动,基于自然语言的界面,使其能够理解客户的意图,帮助商家更好满足用户需求,同时利用 AIGC 技术,实现从营销洞察到创意制作、广告投放到营销经营的全链路闭环,在底层的模型与架构层面,多项技术取得核心突破,打造业内领先水平。
点击“阅读原文”,查看更多信息。
关键词
模型
数据集
文件
功能
技术
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。