På en måde er al forretning et spørgsmål om matematik. Men nogle virksomheder har vanskeligere ligninger at løse end andre.
Hos UPS foretager den gennemsnitlige chauffør ca. 120 leveringer om dagen, siger Jack Levis, der er direktør for processtyring hos fragtgiganten. For at finde ud af, hvor mange forskellige mulige ruter denne chauffør kan køre, skal man bare begynde at gange: 120 * 119 * 118 * . . . * 3 * 2 * 1. Slutresultatet, siger Levis gerne, er langt større end Jordens alder i nanosekunder.
Hvis det tal lyder stort, så forestil dig at skulle foretage disse beregninger for 55.000 chauffører hver dag. Indtil for nylig brugte UPS et softwareværktøj, der gav chaufførerne en generel rute, som de skulle følge, men som gav dem et stort spillerum til at foretage menneskelige vurderinger undervejs. I løbet af de næste fem år vil virksomheden imidlertid i vid udstrækning indføre en mere præcis algoritme, der er designet til at styre chaufførerne væk fra de velkendte veje og hen imod ofte kontraintuitive ruter, der er beregnet til at gøre leveringen hurtigere.
Med ORION, eller On-Road Integrated Optimization and Navigation, har UPS’ datadækkede ruteoptimeringsværktøj til formål at levere det hidtil bedste svar på det omrejsende sælgerproblem, den klassiske beregningsmæssige gåde, der viser, hvor svært det er at finde den korteste afstand mellem en række punkter på et kort. Størrelsen af de involverede tal betyder, at simpel aritmetik er udelukket. I stedet er ORION afhængig af heuristikker, et område inden for matematik og datalogi, der er dedikeret til at finde svar, der er gode nok, og som bliver bedre på baggrund af tidligere erfaringer.
Det er naturligvis kun en af de mange variabler, der er i spil for UPS. De lovede leveringstider, forskellige typer kunder og de typer pakker, der leveres og afhentes, er blot nogle af de yderligere faktorer, som ORION skal tage hensyn til. Og Levis er hurtig til at understrege, at UPS ikke afviser værdien af den visdom, som chaufførerne har opbygget i løbet af årene på en rute. Det bedste system, siger han, er et system, der er baseret på både menneskelig og algoritmisk intelligens, ikke kun det ene eller det andet.
Selvfølgelig har computere langt større rå beregningskraft end mennesker. Denne kapacitet kombineret med den enorme mængde data, der er nødvendig for at fodre denne hjernekraft, er det, som Levis håber, at det giver en overmenneskelig intelligens: “Hvordan finder vi frem til metoder, der er bedre end dem, mennesker selv ville have fundet frem til?”
Her er et par tal mere, der spiller ind i matematikken bag UPS’ stræben efter effektivitet:
30 millioner dollars: Omkostningerne for UPS om året, hvis hver chauffør kører bare én kilometer mere hver dag end nødvendigt. Med samme logik sparer virksomheden 30 millioner dollars, hvis hver chauffør finder en måde at køre en kilometer mindre.
15 trillioner trillioner – antallet af mulige ruter, som en chauffør med blot 25 pakker at levere kan vælge imellem. Det matematiske fænomen, der gør det så vanskeligt at finde ud af de bedste leveringsruter, kaldes en kombinatorisk eksplosion.
55.000 – Antallet af “pakkebiler” (de brune lastbiler) i UPS’ amerikanske flåde. Hvis tallene for at finde den mest effektive rute for én chauffør er astronomiske, så forestil dig, hvordan tallene ser ud for hele flåden.
85 millioner – Det antal kilometer, som Levis siger, at UPS’ analyseværktøjer sparer UPS-chauffører om året.
16 millioner – Det antal leveringer, som UPS foretager dagligt.
30 – Det maksimale antal centimeter, som UPS angiver, at en chauffør skal bevæge sig for at vælge den næste pakke. Dette opnås ved hjælp af et omhyggeligt system til lastning af pakker i lastbilen i den rækkefølge, som de skal leveres i.
200 millioner – Antallet af adresser, der kortlægges af UPS-chauffører på jorden.
74 – Antallet af sider i manualen til UPS-chauffører, der beskriver de bedste metoder til at maksimere leveringseffektiviteten.
100 millioner – Reduktionen i antallet af minutter, UPS’ lastbiler kører i tomgang, hvilket ifølge virksomheden til dels skyldes indbyggede sensorer, der hjælper med at finde ud af, hvornår i leveringsprocessen lastbilen skal tændes og slukkes.
200 – Antallet af datapunkter, der overvåges på hver enkelt leveringsbil for at foregribe vedligeholdelsesproblemer og bestemme de mest effektive måder at drive køretøjerne på.
200 – Antallet af datapunkter, der overvåges på hver enkelt leveringsbil for at foregribe vedligeholdelsesproblemer og bestemme de mest effektive måder at drive køretøjerne på.