А начиналось всё довольно безобидно.

Хотелось распределить объёмы по дням, убрать пики нагрузки и сделать работу склада и транспорта предсказуемее.

Казалось, Excel и пары свободных вечеров вполне хватит.

Но быстро выяснилось, что равномерный график и хороший график — не всегда одно и то же.

Выравниваешь объёмы — теряешь географию. Группируешь соседние магазины — получаешь перекосы по дням. Добавляешь сроки поставки и ограничения транспорта — становится ещё веселее.

В таблице красиво. На карте — уже не очень.

Тогда возник вопрос: зачем балансировать магазины по одному, если транспорт работает с маршрутами, а не со строками Excel?

Так появилась гипотеза: сначала формировать компактные, попутные и сонаправленные микрологистические кусты, а уже потом выравнивать их по календарю.

Но и здесь всё оказалось не так просто. География, нагрузка, сроки поставки и ограничения сети постоянно конфликтуют между собой.

Задача постепенно превратилась в многокритериальный поиск компромисса. Понадобились геокластеры, радиусы, гексагональные соты, реальные дорожные связи и математическое ядро.

А где-то между очередной гипотезой и пересмотром алгоритма я обнаружил, что уже разрабатываю собственное приложение для планирования поставок.

При том что профессионального опыта разработки ПО у меня не было.

Сегодня это уже полноценный инструмент, хотя эксперименты продолжаются: алгоритмы меняются, гипотезы пересматриваются, а вопросов порой больше, чем ответов.

Пока два вывода:

1. Хороший график — не обязательно самый ровный. Важнее, насколько он жизнеспособен в реальной логистике.

2. Отсутствие опыта разработки ПО — не приговор. С помощью ИИ удалось создать полноценное приложение. Причём разобраться, что именно должен делать алгоритм, оказалось сложнее, чем написать код.