AI-baserad ruttoptimering i sista-mil logistiken
Kanerva, Benjamin (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025121134918
https://urn.fi/URN:NBN:fi:amk-2025121134918
Tiivistelmä
Detta lärdomsprov undersöker vilka olika fördelar artificiell intelligens (AI) kan ge i den så kallade sista-mil logistiken. Med starkt fokus på ruttoptimering. Studien utgår från teorierna Vehicle Routing Problem (VRP), Dynamic VRP (DVRP) och Triple Bottom Line för att förstå hur AI kan påverka effektivitet, kostnader och hållbarhet i leveransprocessen.
Metoden bygger på kvalitativa, semistruckturerade intervjuer med fyra respondenter verksamma inom olika delar av logistikbranschen. Intervjuerna analyserades med tematisk analys enligt Braun och Clarke (2006).
Resultaten visar att AI har en tydlig påverkan på ruttplanering, kapacitetsutnyttjande och leveransprecision. Effekterna varierar beroende på verksamhetens volym och datatillgång. De större företagen upplever tydligare operativa och ekonomiska fördelar, medan mindre företagen i andra hand använder främst AI som stödverktyg. Samtliga respondenter beskriver att de har förbättrat kundnöjdheten genom mera exakta tidsprognoser och färre misslyckande leveranser. Effekterna på hållbarhet är mest framträdande i verksamheter med stora transportvolymer där AI minskat på körsträckor och bränsleförbrukning.
Studien visar tydligt att AI-drivenruttoptimering kunde bidra till mer effektiva, förutsägbara och hållbara leveranser, men att nyttan är väldigt beroende av datakvalitet, tekniska investeringar och varsamhetens struktur.
Metoden bygger på kvalitativa, semistruckturerade intervjuer med fyra respondenter verksamma inom olika delar av logistikbranschen. Intervjuerna analyserades med tematisk analys enligt Braun och Clarke (2006).
Resultaten visar att AI har en tydlig påverkan på ruttplanering, kapacitetsutnyttjande och leveransprecision. Effekterna varierar beroende på verksamhetens volym och datatillgång. De större företagen upplever tydligare operativa och ekonomiska fördelar, medan mindre företagen i andra hand använder främst AI som stödverktyg. Samtliga respondenter beskriver att de har förbättrat kundnöjdheten genom mera exakta tidsprognoser och färre misslyckande leveranser. Effekterna på hållbarhet är mest framträdande i verksamheter med stora transportvolymer där AI minskat på körsträckor och bränsleförbrukning.
Studien visar tydligt att AI-drivenruttoptimering kunde bidra till mer effektiva, förutsägbara och hållbara leveranser, men att nyttan är väldigt beroende av datakvalitet, tekniska investeringar och varsamhetens struktur.