Предиктивная модель PRI сократила срывы забора грузов на 35%

Сбои перевозчиков можно предсказывать до того, как машина вышла в рейс. Классический контроль качества в перевозках работает наоборот: скоркарды и дашборды фиксируют провал постфактум, когда резервный транспорт уже отправлен, персонал перераспределён, а размещение запасов нарушено. Анализ крупной сети внутренних магистральных автоперевозок, объединяющей более 1 600 активных перевозчиков, показал: всего 1,35% компаний отвечают за непропорционально большую долю всех срывов забора груза. Распределение оказалось не случайным – сигналы будущих сбоев присутствовали в данных заранее, их просто никто не собирал в единый индикатор риска.

На этой фактуре построили Predictive Reliability Index (PRI) – индекс прогнозной надёжности перевозчика. Модель обучена на массиве из более чем 150 тыс. обезличенных записей об отгрузках и изначально учитывала свыше 100 операционных переменных: историю исполнения, структуру контракта, время выхода в рейс, поведение на конкретных маршрутах, региональные условия и характеристики привлечения водителей. Перед каждой передачей заказа система выставляет перевозчику риск-балл – ещё до отправки машины, чтобы диспетчер успел вмешаться.

Первые версии алгоритма угадывали сбои лишь в 53% случаев. После разбора с отраслевыми специалистами список предикторов сократили примерно до 20 ключевых – и точность выросла до 85%, а в будущих версиях разработчики рассчитывают превысить 99%. Эффект уже измерен: адресная работа с попавшими под подозрение перевозчиками до выхода в рейс снизила число срывов забора в высокорисковом сегменте на 35%.

Часть выводов применима шире самой модели. Время подачи транспорта влияет на надёжность сильнее, чем принято считать: рейсы с выходом после полуночи срываются заметно чаще. Один из самых сильных разделяющих факторов – тип договора: спотовые и краткосрочные перевозчики проваливают погрузки существенно чаще работающих по долгосрочным контрактам. А география отправки даёт устойчивый сигнал даже после поправки на самих перевозчиков – значит, снижать сбои можно точечными мерами на уровне отдельных маршрутов.

Экономика вопроса проста: дефекты каскадируются. Поздний выход превращается в позднее прибытие, затем – в простой людей на разгрузке и ошибку в позиционировании запасов. Стоимость одной такой цепочки, как правило, кратно превышает цену профилактики. При развёртывании на всю сеть авторы модели прогнозируют экономию свыше 40 млн долларов в год – только за счёт того, что решение о выборе перевозчика опирается на данные, которые раньше не использовались.

Специалист по цепям поставок и транспортной аналитике Дебаншу Шарма, описавший модель, указывает на системный перекос отрасли: логистические сети накапливают огромные массивы данных о том, что уже случилось, но почти не превращают их в прогноз того, что случится дальше. Чем сложнее и автоматизированнее сеть, тем дороже обходится эта асимметрия.