OneRail a lancé une plate-forme de livraison basée sur l’IA qui utilise la technologie Nvidia pour aider les détaillants, les grossistes et les distributeurs à décider comment les commandes individuelles doivent être livrées.
Appelé OmniSTAR, le système évalue les options, notamment les flottes détenues, les coursiers, les transporteurs de colis et d’autres modes de livraison, puis sélectionne l’option la moins coûteuse qui répond au niveau de service requis, selon OneRail.
La plate-forme combine le moteur d’optimisation de décision cuOpt et le logiciel de traitement de données cuDF de Nvidia avec les données de prix et de performances de livraison de OneRail. L’infrastructure informatique accélérée de Nvidia est utilisée pour traiter les calculs de routage et de mode de livraison.
OneRail a déclaré que le système peut réduire les temps de calcul jusqu’à 10 fois. Un calcul qui prenait auparavant 20 minutes peut être effectué en moins de deux minutes, tandis qu’un calcul prenant une semaine peut être réduit à environ deux jours, selon l’entreprise.
OneRail a déclaré que le temps de traitement plus court permet à l’optimisation de s’exécuter dans les opérations de livraison en direct, où plusieurs options d’exécution peuvent être évaluées avant qu’une commande ne soit attribuée.
« Si vous n’avez pas la capacité de prendre des décisions ultra-rapides, vous perdez de la marge », a déclaré Catania dans une interview à CNBC. « Le traitement du dernier kilomètre coûte cher. »
De la prédiction aux décisions de livraison
Les systèmes d’IA plus larges de OneRail utilisent la prédiction et l’optimisation pour différentes parties du processus de livraison. La société a déclaré que ses modèles d’apprentissage automatique estiment des facteurs tels que le temps de service, le risque de retard, la probabilité de réussite de la première tentative de livraison et les fourchettes de prix attendues.
OneRail a déclaré que ces prédictions alimentent les systèmes d’optimisation qui déterminent comment un ordre doit être exécuté. Par ailleurs, la société a déclaré qu’OmniSTAR compare différents modes d’exécution avant de sélectionner une option en fonction des exigences de coût et de service.
La recherche sur les itinéraires dynamiques des véhicules fait une distinction similaire entre la prévision des conditions changeantes et le recalcul des décisions opérationnelles à mesure que de nouvelles informations deviennent disponibles. Une étude publiée en 2024 dans le European Journal of Operational Research a identifié la prévision du temps de trajet et la réoptimisation en temps réel comme des domaines distincts de la recherche sur les itinéraires dépendant du temps.
Nvidia cuOpt gère l’optimisation des itinéraires
Nvidia décrit cuOpt comme une bibliothèque d’optimisation open source accélérée par GPU pour l’itinéraire des véhicules et d’autres problèmes d’optimisation mathématique.
La documentation de Nvidia montre que cuOpt peut prendre en compte les coûts des véhicules, les capacités, les temps de trajet, les fenêtres d’exploitation, les emplacements de départ et d’autres restrictions lors du calcul des itinéraires. Ses modèles de coûts peuvent également utiliser la distance, le temps, le coût monétaire ou une combinaison pondérée de ces mesures.
OmniSTAR applique cuOpt à la fois à la sélection du routage et du mode de livraison. OneRail a déclaré que cela permet au système de comparer les options d’exécution disponibles pour une commande et d’identifier l’option la moins coûteuse qui répond toujours à ses exigences de service.
OneRail a déclaré que de nombreux détaillants s’appuient encore sur des règles statiques ou une planification manuelle pour prendre ces décisions, et qu’OmniSTAR est conçu pour évaluer davantage de combinaisons de livraison dans des délais opérationnels plus courts.
Nvidia a déclaré que cuOpt ne testait pas de manière exhaustive toutes les routes possibles. Au lieu de cela, le solveur génère des solutions candidates et les améliore de manière itérative à l’aide d’heuristiques accélérées par GPU pour produire des résultats de haute qualité dans un temps de calcul défini.
La plate-forme utilise également Nvidia cuDF, une bibliothèque accélérée par GPU pour le traitement des données tabulaires, notamment le filtrage, la jointure et l’agrégation d’ensembles de données.
OneRail combine ces capacités avec ses propres données de livraison et modèles opérationnels. Son ensemble de données est basé sur des millions de livraisons à travers un réseau qui, selon l’entreprise, comprend plus de 12 millions de chauffeurs et plus de 1 000 partenaires logistiques.
Les données couvrent les performances de tarification et de livraison pour différents modes de transport. OneRail a déclaré qu’OmniSTAR peut utiliser ces informations pour identifier les règles de livraison qui augmentent les coûts et évaluer comment les choix de livraison affectent la rentabilité au niveau des articles.
L’architecture dévoilée pour OmniSTAR est centrée sur le traitement des données accéléré par GPU et l’optimisation mathématique. Nvidia décrit cuOpt comme le composant d’optimisation utilisé pour les problèmes tels que l’itinéraire des véhicules.
CuOpt étant sans état, les changements dans les conditions de fonctionnement nécessitent que le problème d’optimisation soit modélisé et soumis à nouveau. Nvidia cite les pannes de véhicules, les absences de conducteurs, les barrages routiers, le trafic et les nouvelles commandes hautement prioritaires comme exemples de changements pouvant inciter à ce type de réoptimisation dynamique.
OneRail a déclaré qu’OmniSTAR peut réexécuter des scénarios de livraison à mesure que des variables telles que les coûts de carburant, la météo et les conditions d’expédition changent. La société a déclaré séparément que son utilisation de cuOpt lui permettait d’évaluer davantage de scénarios de routage et de recalculer les itinéraires plus rapidement que son approche précédente.
OmniSTAR passe aux opérations réelles
OmniSTAR est déjà déployé auprès de certaines entreprises clientes.
Chez US Foods, OneRail a déclaré que le système identifiait les configurations de livraison qui réduisaient les marges, notamment les produits à faible marge transportés sur de longues distances à l’aide d’équipements plus coûteux. US Foods a ensuite utilisé les résultats pour ajuster les prix et restructurer certains modèles de livraison, selon OneRail.
OneRail a également déclaré CNBC qu’un grand distributeur de pneus anonyme utilisant la plate-forme a réalisé 40 millions de dollars d’économies de fonctionnement sur trois ans. Le client n’a pas été identifié et le chiffre des économies a été fourni par OneRail. L’entreprise a également déclaré CNBC qu’il s’attend à ce qu’OmniSTAR dépasse 6 milliards de dollars en volume brut de marchandises au cours du quatrième trimestre 2026.
CNBC a rapporté que OneRail et Nvidia avaient travaillé sur le projet pendant trois ans avant son lancement. OneRail a déclaré que la collaboration comprenait un engagement direct avec l’équipe d’ingénierie cuOpt de Nvidia sur la livraison du dernier kilomètre et l’optimisation logistique à grande échelle, parallèlement à sa participation au programme Nvidia Inception.
En mars de cette année, FedEx a lancé FedEx SameDay Local en collaboration avec OneRail, connectant les clients à un réseau national de plus de 1 000 prestataires de livraison.
(Photo de Brecht Corbeel)
