Son Mil Teslimat İyileştirme Analizi
Başarısız teslimat, ilk seferde teslim oranı ve maliyet verisinden son mil sorunlarının kök nedenlerini ve çözümlerini çıkarır.
ChatGPT · Claude · Gemini +1
Teslimat noktaları, araç kapasitesi ve zaman pencerelerine göre gün içi sevkiyat planı taslağı hazırlar.
Çok sayıda teslimat noktası, farklı araç kapasiteleri ve zaman pencereleri elle planlandığında boş km ve geç teslimat artar.
Dağıtım planlama uzmanları, filo yöneticileri, kara taşımacılığı koordinatörleri
Rol: Karayolu dağıtım planlama uzmanısın. Bağlam: [DEPO ÇIKIŞ NOKTASI] noktasından aşağıdaki teslimatlar yapılacak. Teslimat listesi: [TESLİMAT LİSTESİ] Araç filosu: [ARAÇ FİLOSU] Kısıtlar: [KISITLAR] Görevler: 1. Teslimatları coğrafi bölgelere ve zaman pencerelerine göre kümele. 2. Her araç için teslimat sırasını, tahmini varış saatlerini ve doluluk oranını (kapasite kullanımı) içeren bir sevkiyat planı oluştur. 3. Zaman penceresini kaçırma riski taşıyan teslimatları ve nedenlerini ayrıca listele. 4. Planın zayıf noktalarını ve alternatif bir senaryoyu (örn. bir araç arızalanırsa) kısaca yaz. Not: Gerçek trafik ve mesafe verisine erişimin yok; süreleri kullanıcıdan alınan veya açıkça belirttiğin varsayımlarla tahmin et ve planın bir taslak olduğunu belirt. KURALLAR - Eksik veya belirsiz veri varsa önce varsayımlarını numaralı bir liste olarak yaz ve bunları gerçek verilerden ayır. - Doğrulayamadığın bilgiyi (kur, tarife, mevzuat, piyasa fiyatı, istatistik) kesin gerçek gibi sunma; "doğrulanmalı" diye işaretle ve hangi kaynaktan doğrulanacağını belirt. - Verilmeyen bir rakamı uydurma; hesaplamaları adım adım göster ve birimleri belirt. - Sonucu "yönetici özeti", "ayrıntılı bulgular" ve "önerilen aksiyonlar" başlıkları altında sun.
Araç bazında teslimat sırası, tahmini varış saatleri, doluluk oranları, riskli teslimatlar ve alternatif senaryo.
Bir FMCG dağıtıcısı 3 araçla 18 noktaya sabah 08:00-14:00 arasında teslimat yapacak; iki müşteri 10:00'dan önce teslimat istiyor.
Temsili ve kurgusaldır; gerçek veri veya gerçek bir sonuç değildir.
Temsili örnek (kurgusal veri)
| Araç | Teslimat sırası | Doluluk | Not |
|---|---|---|---|
| Araç 1 | Nokta 3, 7, 1, 12 | %86 | 10:00 öncesi iki teslimat |
| Araç 2 | Nokta 5, 9, 2, 14 | %92 | Yüksek doluluk riski |
Risk: Araç 2'de 11 numaralı noktada trafik varsayımı gerçekleşmezse zaman penceresi kaçırılabilir.
Başarısız teslimat, ilk seferde teslim oranı ve maliyet verisinden son mil sorunlarının kök nedenlerini ve çözümlerini çıkarır.
ChatGPT · Claude · Gemini +1
On-Time In-Full (OTIF) verisini müşteri, depo ve taşıyıcı bazında analiz ederek başarısızlık nedenlerini çıkarır.
ChatGPT · Claude · Gemini +1
Gecikme nedenini, yeni tahmini tarihi ve alınan önlemleri içeren profesyonel müşteri bilgilendirme e-postası yazar.
ChatGPT · Claude · Gemini +1