物流商的路線排程 Copilot

路線排程的品質，決定了一整天的準點率與成本。這家物流商的調度員每天清晨得在多套系統間切換、再加上幾通電話，才拼得出一份可行的班表；我們的任務，是把評估路線從以小時計變成以分鐘計。

挑戰

這家物流商的調度資料，分散在三套互不相通的系統裡：訂單在 OMS、庫存與揀貨在 WMS、車輛與運能在 TMS。調度員要排一條路線，得先在三個畫面間人工核對，再憑經驗判斷哪一車先出、哪一單可併。

更棘手的是決策時機。路況變化、臨時加單或車輛延誤時，資訊得透過電話一層層傳回辦公室，等班表重排好，現場早已錯過最佳出車時間。久而久之，排程品質綁在少數資深人員的經驗上；客戶要的不是取代調度員，而是讓每位調度員都接近資深水準。

我們的做法

我們沒有從架構圖開始，而是先派 FDE 進駐營運現場，跟著資深調度員跑完整的真實班表，記錄他們在哪個節點、依據什麼做出取捨——尤其那些寫不進 SOP、只存在老手腦中的判斷。

接著在一場聚焦的工作坊裡，我們和調度團隊把這些隱性規則攤開，界定第一版範圍：不是全公司，而是單一區域的日常配送。再以 API 串接既有的 TMS、WMS 與 OMS，把資料匯流成單一視圖——不替換任何核心系統，只在其上補一層決策輔助。整套系統部署在客戶自己的 VPC 內，資料不出環境；底層的最佳化引擎與語言模型保持中立、可替換，避免供應商綁定。

解決方案

最終交付的，是一套疊在現有系統上的路線排程 Copilot，由四個部分組成：

• 統一營運視圖： 即時匯整 OMS 的訂單、WMS 的庫存與揀貨、TMS 的車輛與運能，再疊上即時交通資料，讓調度員能在同一畫面看到全局。
• 路線與裝載最佳化： 依運能、時窗、交通與裝載限制，為每輪配送生成數個候選方案，並標示各方案的預估 ETA、里程與成本，供比較取捨。
• 例外管理工作流： 臨時加單、車輛延誤或塞車時，系統主動辨識、計算影響並提出重排建議，把原本得靠電話追的狀況變成畫面上的待辦。
• 人機協作： 系統只負責建議，派車決定權始終在調度員手上；每個建議都附上依據，方便快速判讀、必要時推翻。它放大資深判斷，而非取代。

成果

我們在 3 週內讓 MVP 在試點區域上線。能有這個節奏，關鍵在於我們從第一天就把範圍收斂在單一區域最痛的決策，而非先求大而全。

上線後，調度員評估路線選項的時間縮短了 40%——原本得花數小時反覆核對的工作，如今幾分鐘就能完成，資淺調度員也能做出接近資深水準的判斷。而我們交付的不只是程式碼：試點期間，客戶的調度與 IT 團隊全程參與，理解每條規則的來由，也具備了自行調參、把做法複製到其他區域的能力。把能力留在客戶手上，正是我們的目標。