AI-оптимизация зелёной цепочки поставок
Logistics — 8% мировых выбросов CO2. Компания с оборотом $500M тратит $12–18M/год на транспорт и генерирует 45 000 tCO2e в Scope 3 Category 4 (upstream) и 9 (downstream). Оптимизатор маршрутов без ESG-constraints уже есть — он минимизирует стоимость. Задача: добавить углеродный бюджет как hard constraint, не увеличив транспортные расходы больше чем на 3–5%.
Multi-objective маршрутная оптимизация
Стандартный VRP → Green VRP
Vehicle Routing Problem с CO2 constraint (GVRP). Добавляем в objective function:
# Multi-objective: minimize cost + alpha * CO2
# subject to: total_CO2 <= carbon_budget
def objective(routes, alpha=0.15):
total_cost = sum(route_cost(r) for r in routes)
total_co2 = sum(route_emissions(r) for r in routes)
return total_cost + alpha * co2_penalty(total_co2)
def route_emissions(route):
# Emission factor зависит от типа ТС, загрузки, топлива
# HBEFA 4.2 (Handbook Emission Factors for Road Transport)
emissions = 0
for leg in route:
ef = emission_factor(vehicle_type=leg.vehicle,
load_factor=leg.load/leg.capacity,
road_type=leg.road_category,
fuel_type=leg.fuel) # кг CO2/км
emissions += leg.distance_km * ef
return emissions
OR-Tools (Google) для base VRP, Bayesian Optimization для настройки alpha. На тестовом датасете 380 точек доставки, 45 машин: снижение CO2 на 18% при росте cost на 2.3% vs. pure cost VRP.
Модальный выбор
Road vs. Rail vs. Sea: для межрегиональных и международных перевозок. ML-классификатор по фичам (расстояние, deadline, вес, тип груза, страны transit) рекомендует оптимальный мод с учётом CO2. Rail в 8–10 раз чище truck на сопоставимых маршрутах. Оптимизация интермодальных хабов: Integer Programming + историческая статистика задержек.
Оценка углеродного следа поставщиков и выбор
Supplier carbon scoring
Каждый поставщик получает carbon score: собственные данные PCF (Product Carbon Footprint) + расчётные данные из EXIOBASE EEIO + отраслевые benchmarks. При сопоставимой цене и качестве — приоритет поставщику с лучшим score.
ML-компонент: предсказание Scope 3 Cat 1 emissions для поставщиков без PCF-данных. XGBoost регрессия по фичам: страна, отрасль (NACE код), размер компании, revenue. RMSE $12/tCO2e vs. EEIO baseline $28/tCO2e при наличии хотя бы частичных данных.
Nearshoring analysis
ML-модель оценивает trade-off: nearshoring к поставщику в 500 км (выше стоимость) vs. offshore 8000 км (ниже стоимость, +380 tCO2e/год). Полная стоимость включает shadow carbon price ($75/tCO2e), supply chain risk score, lead time.
Оптимизация складской логистики
Slotting optimization с энергетическим критерием
Расположение товаров в warehouse влияет на пробег погрузчиков → электропотребление. Reinforcement Learning агент оптимизирует slotting policy: fast-moving SKU ближе к отгрузочным воротам. На складе 25 000 SKU: снижение пробега погрузчиков на 16%, энергопотребление −11%.
Load optimization
Максимизация load factor ТС: 3D bin packing (LLM-enhanced эвристики) для оптимальной укладки. Рост load factor с 71% до 84% = меньше рейсов = меньше CO2. Инструменты: Google OR-Tools 3D knapsack, PackPy.
Мониторинг и carbon accounting
Каждая отгрузка генерирует emissions record в реальном времени: интеграция с TMS (SAP TM, Oracle TMS, Freight Tiger) + telematics (Samsara, Geotab API) для фактического пробега vs. planned. Расхождение >10% — trigger перерасчёта.
Dashboard: emissions by carrier, by lane, by product category, by quarter. Drill-down до конкретного рейса. Экспорт в ESG-систему для автоматического пополнения Scope 3 Cat 4 данных.
Альтернативные виды топлива
Electric fleet planning: ML-модель анализирует историю маршрутов и определяет, какие рейсы подходят для электрификации (дальность, время зарядки, доступность зарядной инфраструктуры). Для парка из 120 грузовиков оптимальная доля EV = 34% при доступной зарядной инфраструктуре.
HVO (Hydrogenated Vegetable Oil), LNG, CNG — оценка экономики и CO2 reduction по каждому варианту с учётом текущих контрактов и инфраструктуры.
Срок разработки: 3–7 месяцев для Green VRP + supplier scoring. Полная платформа с TMS-интеграцией и real-time мониторингом: 8–12 месяцев.