Automation är en färdighet du kan lära dig En effektivitetsökning på ≥ 10% kan uppnås

I praktiken är dessa mål realistiska och uppnåeliga. Samtidigt underskattas resan mot dem ofta. Det finns en tendens att anta att en planeringsmotor är plug and play, och att optimal effektivitet uppnås nästan omedelbart.

I verkligheten fungerar processen annorlunda. Att implementera en planeringsmotor kan jämföras med att onboarda en ny mänsklig planerare. Det finns en implementeringsfas under vilken systemet måste konfigureras, levereras med korrekta data och anpassas till den specifika driftsmiljön. Detta följs av förfining: optimering baserad på verklig erfarenhet, justering av parametrar och kontinuerlig förbättring av datakvaliteten.

Först då uppstår en situation där organisation och teknik förstärker varandra. De första resultaten är ofta synliga direkt: större lugn inom planeringsteamet, förbättrad förutsägbarhet och de första procentenheterna av effektivitetsökning. Men som med en mänsklig planerare kommer verklig tillväxt genom erfarenhet, vägledning och strukturerad användning av data för optimering.
På varje nivå krävs insikt, disciplin och tid för att successivt anpassa verksamheten till det sätt på vilket en planeringsmotor fungerar mest effektivt. Tekniken måste anpassas till människor, men människor måste också lära sig att arbeta effektivt med tekniken.

I flera projekt stod det klart att denna utveckling varken är rent teknisk eller rent organisatorisk. Det härrör från kombinationen av båda.

Två företag, som arbetar oberoende för samma kund och med samma mål, minska planeringssårbarheten och öka operativ effektivitet, samarbetade på ett kompletterande sätt.

I en fallstudie som involverade både en central sändningsorganisation och ett medelstort taxiföretag resulterade kombinationen av Euphoria Opt1Route planeringsmotor levererad av Cabman och Opt1dev och riktad drift och användning av datavägledning från Schurink Consultancy i en strukturell och mätbar effektivitetsförbättring. Genom löpande månatlig optimering baserad på datainsikter har effektiviteten stadigt förbättrats sedan implementeringen och ökat med mer än 10 procent inom ett år.

Operativa utmaningar

Kapacitetsplanering
I många organisationer har kapacitetsplanering utvecklats historiskt. Arbetslistorna är baserade på erfarenhet, vanor och äldre mönster, och har ofta inte granskats fundamentalt över tid. Förare har ofta fasta scheman som de är ovilliga att avvika från. Som ett resultat, listor formas ofta mer av förarens tillgänglighet än av operativ efterfrågan.

Detta kan leda till dagliga fluktuationer i balansen mellan utbud och efterfrågan, liksom inkonsekvenser i blandningen av fordonstyper, som inte alltid återspeglar den operativa verkligheten. Dessutom saknas ofta konsekvent fordonstilldelning. När förarna är fria att välja ett fordon varje dag uppstår osäkerhet i installationen.

Planeringsmotorn ställs sedan inför oväntade begränsningar, vilket gör det svårare att flexibelt omfördela tidigare schemalagda resor med specifika krav, såsom rullstolstransporter eller taxiklassificeringar.

Ett konsekvent och förutsägbart planeringsresultat kräver en stabil kapacitetsgrund. Detta innebär realistisk anpassning mellan efterfrågan och utbud, både när det gäller timmar och fordonstyper, och tjänster som registreras korrekt och i god tid, med tydliga start- och slutplatser, start- och sluttider och fasta fordonstilldelningar.

Resefördelning
Avtalstransporter och målgruppstransporter är i allmänhet spridda över dagen, men kännetecknas av tydliga toppperioder. Dessa toppar är svåra att täcka effektivt utan att använda överkapacitet under tystare perioder.

Detta skapar två oönskade scenarier: antingen utökas ytterligare kapacitet under rusningstid, eller så levereras ett relativt stort antal resor sent inom det tidsblocket, vilket kräver överkompensation under andra tidsluckor för att förbli inom servicenivåavtalen totalt sett.

Den största möjligheten till förbättring ligger i början av processen. Genom att aktivt styra färdfördelningen under intaget kan toppar plattas ut. När personalen har insikt i efterfrågenivåer per timme eller kvartsblock kan volymen anpassas bättre till tillgänglig kapacitet.

Planerare och förarbeteende
Planerare tenderar ofta att följa fasta mönster och deras pålitliga sätt att arbeta och upprätthålla full personlig kontroll. Detta kan resultera i fortsatt manuell intervention i planeringsresultaten. Även om det drivs av engagemang och ansvar har sådana insatser ofta en negativ inverkan på den övergripande optimeringen.

En planeringsmotor måste tillåtas fungera så självständigt som möjligt, med beslut som är förklarliga och transparenta. Systemet övervakar hela nätverket och planerar längre fram än någon individ kan. Manuella korrigeringar stör denna bredare jämvikt.

Förarens beteende påverkar också planeringsresultaten direkt. När resor inte genomförs i optimal ordning, när förare avgår sent eller när resor stängs av med förseningar blir efterföljande planering obalanserad. Planeringsmotorn beräknar kontinuerligt; operativa avvikelser återspeglas omedelbart i systemet.

Historiskt odlade avtal och vanor spelar också en roll. Förare kan vara vana vid att ta pauser vid fasta tider och fasta platser, till exempel hemma eller på en bestämd rang. Det som uppfattas som en förvärvad rättighet kan vara operativt ineffektivt. Det kan resultera i onödig tom körsträcka, både för den enskilda föraren och för kollegor som tillfälligt måste täcka området.

Det inträffar också att förare inte tar pauser under tystare perioder, medan de är otillgängliga under rusningstid. Sådana ineffektivitet måste sedan kompenseras med ytterligare kapacitet, vilket direkt undergräver de avsedda effektivitetsvinsterna.

En datadriven strategi för kontinuerlig förbättring

Förbättring börjar med insikt. Utan en baslinjemätning är det omöjligt att avgöra om justeringar har haft effekt. Det är viktigt att se bortom en enda nyckelprestationsindikator. Till exempel indikerar en lägre körfaktor inte automatiskt sämre prestanda; på vissa dagar kan den genomsnittliga körlängden vara högre, vilket resulterar i ökade intäkter per driftsatt timme.

Med rätt datainsikter kan organisationer göra målinriktade förbättringar, till exempel genom att

• Optimera kapacitetsplaneringen genom att identifiera dagar eller tidsblock där det råder obalans i efterfrågan, utbud eller fordonstyp.
• Uppmuntra till bättre resefördelning genom att ge personalen synlighet av efterfrågan per kvarttimmarsblock. Under bokningsintaget kan volymen anpassas bättre till tillgänglig kapacitet. En kund som vill boka klockan 20:00, till exempel, kan informeras om ledigt utrymme klockan 19:45 eller 20:15, vilket möjliggör bättre resekombinationer.
• Övervakning av prestanda och resefördelning per kontrakt, vilket gör det möjligt att justera eller säga upp olönsamma kontrakt som utgör ett oproportionerligt tryck på toppkapaciteten.
  Gör manuella planeringsåtgärder transparenta, vilket möjliggör beteendestyrning och coachning.
• Mätning av förarens prestanda, både dagligen och över längre perioder, vilket möjliggör riktade åtgärder där prestandan konsekvent släpar efter.
• Spårningsavvikelser avseende pauser och tomkörning, minskning av ineffektivitet och vägledning av beteendeanpassningar.

Baserat på dessa insikter kan processer förfinas och beteendeförändringar kan systematiskt stödjas. Detta skapar en kontinuerlig förbättringscykel där mätning, analys och anpassning förstärker varandra, vilket strukturellt ökar organisationens effektivitet.

De avsedda effektivitetsvinsterna realiseras inte enbart genom programvara, utan genom kombinationen av automatisering, användning av data för processoptimering och målinriktad beteendeförändring.

Organisationer som närmar sig automatisering som en inlärningsprocess och strukturellt använder data för att kontinuerligt styra och förbättra prestanda, frigör den fulla potentialen i sin planeringsmotor och kan bevisligen uppnå effektivitetsvinster på 10 procent eller mer.

‍