跳到主要内容

墨西哥零售商科佩尔(Coppel)选择了另一条路线,到达燃油效率高的最后一英里

最近的UPS宣布将于明年周日开始提供包装是电子商务无可受欢迎的同一迹象 - 以及道路上的送货卡车数量。更多的车辆等于更多的燃料消耗和更多的二氧化碳排放,增加了公司对燃油效率技术的压力。

在这方面的研究麻省理工学院可持续物流倡议表明,投资更环保的卡车不是缩小最后一英里碳足迹的唯一方法。公司可以通过分析其交付运营的关键特征,例如所用车辆的类型,以及车辆的地形,并重新分配输送能力,削减CO2排放和燃料票据。

墨西哥最大的零售商之一科佩尔率先采用了这一发现,并实现了显著的节约。该公司计划在这项研究的基础上推出一个更有雄心的项目。

导航的复杂性

在墨西哥,Coppel拥有约1300家零售商店,拥有约1200辆最后一英里车辆,平均每天送货上门3万次。除了规模,Coppel最后一英里交付网络的复杂性使其成为燃油效率研究的理想候选公司。该公司的卡车车队包括各种各样的车型和年龄,以适应不同的道路和交通条件。它的业务范围包括许多地形,从人口密集的城市地区如墨西哥城到农村社区。

平均而言,超过八岁以上的车辆具有最大的排放因素。
从零售商的角度来看,这种复杂性使得难以研究和比较个别车辆的燃油效率。这是一个很多公司,包括大型商业载体,脸部的问题;我们需要研究船队如何部署大型地理位置的地区的一个原因。

建模的路况

麻省理工学院可持续物流研究人员解决了机器学习算法和基于地理空间数据的道路状况的应用问题。对于初步研究,研究了大约160辆卡车制造的交货。

第一阶段研究哪一种道路状况最能影响燃油消耗。考虑了坡度变异性(道路的丘陵度)、车辆的平均速度、车辆运行的平均海拔或海拔高度以及交付段长度等因素。这些因素被分为组,以描绘道路轮廓和相关的燃料消耗。

例如,Cluster A将高海拔、丘陵地形、相对较低的平均速度和较短的段长度的路线分组,主要描述了墨西哥城的高海拔城市地区。(聚类分析使用了Ade Barkah和Patrick Robert开发的算法麻省理工学院供应链管理硕士学位程序研究项目,“路线在运输中与地理空间分析和机器学习进行聚好用的买球外围app网站类,以减少二氧化碳排放。”

如果某些车型在特定路线上表现更好,那么减少燃料消耗和二氧化碳排放的一种方法就是根据这些性能变化重新分配车辆。
在第二阶段,研究团队关注了车辆负载如何影响油耗。研究人员根据车辆的满载程度和重量来汇总路线。有四组:低;媒介;高;和超载卡车使用。对于每一组,卡车类型按其燃料消耗进行排序,以确定哪一种车型表现最好。

研究的第三阶段涉及实地研究,以验证分析结果如何反映真实世界的最后一英里运动。来自墨西哥蒙特雷理工学院的本科生跟踪了大约160辆Coppel运载工具。他们完成了大约1,000份客户调查,其中包括约3,000份送货上门服务。实地研究还包括九个配送中心,它们服务于墨西哥的10个地区。

在实地验证了地理空间研究后,任务是如何利用这些发现帮助Coppel改善其最后一英里车队的环境性能。

下一步

首先,研究得出了一些关于Coppel交付业务的深刻见解。

例如,集群A(如上所述)是对二氧化碳排放影响最大的集群。车辆的频繁使用甚至是超载似乎对燃料消耗没有显著影响。不同车型和车龄对柴油燃烧率有显著影响;平均而言,使用年限超过8年的汽车排放因素最大。

如果某些车型在特定路线上表现更好,那么减少燃料消耗和二氧化碳排放的一种方法就是根据这些性能变化重新分配车辆。研究人员估计,以这种方式分配卡车可以减少7.2%的燃料消耗和二氧化碳排放。

10月,COPPEL实施了一个月的试点来测试本论文。在墨西哥Culiacan地区和墨​​西哥城市的辛加拉地区使用10辆车 - 零售商根据他们对不同路线的适用性重新分配卡车。转变将燃油效率提高约8%。在某些情况下,车辆交流削减了高达20%的储蓄;相当于将燃料消耗和二氧化碳排放量减少约2,200升和5,200公斤

零售商计划全面实施涵盖其整个最后一英里舰队的试点,并估计它将每年捕获大量储蓄。

从内部寻找绿色解决方案

好用的买球外围app网站运输是温室气体排放增长的主要原因 - 占运输碳足迹约40%的货运。电子商务册体的无情增加可以推动这个数字更高。

虽然企业需要继续开发更省油的货运车辆和网络配置,但它们不应忽视现有的最后一英里运营在改善环境绩效方面的潜力。将车辆与它们所行驶的地形相匹配,无需在绿色技术上进行巨额投资,就能节省燃料和减少二氧化碳排放。

编者按:本文中描述的研究是由墨西哥零售商Coppel赞助的。

这个故事最早出现在:

中等的

关于这个主题的更多信息