Construindo um sistema de logística de código aberto em escala nacional no Butão

Como você constrói um sistema logístico complexo que coleta, em escala nacional, a colheita em todo o país, em um país em desenvolvimento, com pouca ou nenhuma boa informação e condições de estradas irregulares? Neste estudo de caso, da Mountain Hazelnuts Ventures ("MHV", uma empresa ambiental para fins lucrativos no Butão – Veja informações de fundo no blog do World Economic Forum ), o objetivo é a colheita de avelãs de milhares de agricultores em todo o país ( estradas mal mapeadas) em todo o país.

Esta abordagem é igualmente aplicável em outros casos de distribuição ou cobrança, como otimizar a entrega de vacinas para centros de saúde, entregar material para distribuidores, planejar uma turnê de treinamento, coletar informações da comunidade, operar uma rede de micro-rede de última milha …

Esta é a documentação bastante longa da abordagem completa. De árvores para viagens. Inicia a estratégia, depois explica o sistema de suporte e, em seguida, o processo de 3 etapas (1-Estimate Harvest, colheita de 2-Cluster agricultores em pontos de coleta e 3-Thread os pontos de coleta em caminhadas de caminhões detalhadas).

Coletivamente levou cerca de ~ 1000 horas-pessoa para construir e treinar o time do zero. É ativamente atualizado e melhorado. Também é baseado em muitas peças de software abertas. Teria sido impossível sem ele, e teríamos economizado muito tempo por cada peça extra que tivéssemos.

De árvores para viagens: MHV Logística de avelã

Como estimamos, e coletamos, a colheita de milhões de árvores em todo o Butão para a planta de processamento?

Nosso objetivo é trazer as nozes para a planta de processamento.

A coleta da colheita é o principal resultado, mas o processo e o pipeline também compõem uma equipe confiável e adaptável, executada localmente, da Data Science e serviços capazes de suportar outras questões.

Visão geral do sistema de logística

Para conhecer as necessidades de colheita, precisamos conhecer o volume de colheita, o tempo e o acesso rodoviário. Para saber disso, precisamos de bons mapas rodoviários (usaremos o OSM ) e um mecanismo de roteamento personalizado ( OSRM , que corre em cima do OSM) para orientar nossos caminhões carregados ("DCM", um tipo de caminhão ). Isso significa que precisamos da JOSM para melhorar o OSM, e também o QGIS para visualizar a colheita e apoiar a tomada de decisões. Para auxiliar no mapeamento, utilizamos a camada livre do serviço comercial MAPBOX (que extrai dados OSM), bem como imagens de satélite da Digital Globe (DG) e dados processados ​​de nossa ferramenta de gerenciamento corporativo (RMT) – que possui informações como locais de agricultores, traços de GPS e dados de fenologia de árvores -. Então, para priorizar o rastreamento, para fazer estatísticas da logística e para estimar a colheita, precisaremos fazer alguma ciência dos dados. Vamos usar o PYTHON, rodando em cadernos JUPYTER para documentação e clareza. Para registrar e gerenciar o conhecimento que criamos e para colaborar entre o membro da equipe, usaremos o GIT e nós o acompanharemos no GITHUB, onde também faremos o progresso do arquivo e os Problemas.

Custo total do software: 0 $.

O sistema de logística do buraco de coelho. Para trazer as nozes para a fábrica de processamento, nós puxamos vários níveis de ferramentas, conectando cada componente. Cada caixa azul é um caderno de python "data science" no git. As caixas brancas são dados de entrada. Outros dados coloridos são ferramentas isoladas.