Late Delivery Risk Prediction in Supply Chain: Moving from Reactive to Proactive Delay Management

लॉजिस्टिक्स की दुनिया की कल्पना एक विशाल, अराजक "कैच मी इफ यू कैन" (पकड़ सको तो पकड़ लो) खेल के रूप में करें, जहाँ पैकेज खिलाड़ी हैं और डिलीवरी ट्रक पीछा करने वाले। कभी-कभी, पैकेज खो जाते हैं, ट्रक ट्रैफिक में फंस जाते हैं, या मौसम रूठ जाता है, और खेल का अंत देरी से आगमन के साथ होता है। लंबे समय तक, कंपनियों ने यह खेल प्रतिक्रियात्मक (reactive) तरीके से खेला: वे तब तक इंतजार करते थे जब तक कि पैकेज लेट न हो जाए, फिर घबराकर उसे ठीक करने की कोशिश करते थे। लेकिन क्या होगा अगर आपके पास एक क्रिस्टल बॉल (भवि भविष्य देखने वाला गोला) हो? यह मशीन लर्निंग की दुनिया है, जो कंप्यूटर विज्ञान की एक शाखा है जहाँ हम कंप्यूटर को इतिहास में पैटर्न पहचानने के लिए सिखाते हैं ताकि वे अनुमान लगा सकें कि आगे क्या होगा। इसे एक ऐसे जासूस की तरह समझें जिसने लाखों रहस्यमय उपन्यास पढ़े हैं; वह जानता है कि यदि कोई संदिग्ध लाल टोपी पहनकर रात में भाग रहा है, तो संभावना है कि वही अपराधी है। इस कहानी में, "संदिग्ध" शिपिंग ऑर्डर हैं, और "अपराध" देरी से पहुँचना है। जिस शोध पत्र को हम देख रहे हैं, वह एक सरल लेकिन शक्तिशाली प्रश्न पूछता है: क्या हम इन डिजिटल जासूसों का उपयोग वेयरहाउस से निकलने से पहले ही देरी से होने वाली डिलीवरी का अनुमान लगाने के लिए कर सकते हैं, ताकि हम अपराध होने से पहले ही उसे रोक सकें?

---

देरी से डिलीवरी का संकट: टूटे हुए वादों की एक कहानी

APL लॉजिस्टिक्स, एक ऐसी कंपनी जो हर दिन सैकड़ों वैश्विक ऑर्डर भेजती है, एक बड़े सिरदर्द का सामना कर रही थी। कल्पना कीजिए कि आप एक पिज्जा डिलीवरी सेवा चला रहे हैं जहाँ आपके आधे पिज्जा ठंडे और एक घंटे की देरी से पहुँचते हैं। यहाँ लगभग यही हो रहा था: उनके 54.8% शिपमेंट देरी से पहुँच रहे थे। यह केवल ग्राहकों के लिए कष्टप्रद नहीं था; यह कंपनी को जुर्माने के रूप में पैसा भी खर्च करवा रहा था और उनकी प्रतिष्ठा को भी नुकसान पहुँचा रहा था। काम करने का पुराना तरीका "प्रतिक्रियात्मक" (reactive) था, जिसका अर्थ था कि वे केवल नुकसान होने के बाद ही समस्याओं को ठीक करने की कोशिश करते थे। टीम "प्रोएक्टिव" (proactive) होना चाहती थी, यानी भविष्य को देखने के लिए एक नए उपकरण का उपयोग करना चाहती थी।

क्रिस्टल बॉल: उन्होंने प्रेडिक्टर (अनुमान लगाने वाला यंत्र) कैसे बनाया

अपने "क्रिस्टल बॉल" को बनाने के लिए, शोधकर्ताओं को पहले डेटा के एक बिखरे हुए ढेर को साफ करना पड़ा। कल्पना कीजिए कि आप एक ऐसी नोटबुक का उपयोग करके मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं जिसके पन्ने फटे हुए हैं, स्याही के धब्बे हैं, और उन नोट्स के साथ है कि तूफान के बाद क्या हुआ था। कच्चा डेटा अक्सर ऐसा ही दिखता है।

सबसे पहले, उन्हें कंप्यूटर को ऐसी जानकारी का उपयोग करने से रोकना था जो वास्तविक जीवन में उपलब्ध नहीं होगी। डेटा में, "वास्तविक डिलीवरी स्थिति" (Actual Delivery Status) और "शिपिंग के वास्तविक दिन" (Real Days for Shipping) जैसे कॉलम थे। यदि कंप्यूटर इन्हें देखता, तो वह परिणाम का अनुमान लगाने के लिए उत्तर कुंजी (answer key) देख लेता, जो वास्तविक जीवन में बेकार है। उन्होंने उन कॉलमों को हटा दिया, यह सुनिश्चित करते हुए कि मॉडल केवल उस जानकारी का उपयोग करे जो पैकेज शिप होने से पहले उपलब्ध होती है।

इसके बाद, उन्हें कंप्यूटर को मानवीय भाषा समझने के लिए प्रशिक्षित करना था। कंप्यूटर केवल संख्याओं की भाषा समझते हैं, इसलिए उन्होंने "स्टैंडर्ड क्लास" या "फर्स्ट क्लास" जैसे शब्दों को कोड (0 और 1) में बदल दिया। उन्होंने पहेली के छूटे हुए हिस्सों को भी भरा, जैसे ज़िप कोड, ताकि कंप्यूटर भ्रमित न हो।

एक कठिन हिस्सा यह था कि डेटा असंतुलित था। यह एक चिड़ियाघर में शेर को पहचानने की कोशिश करने जैसा था जहाँ 99% जानवर जेबरा हैं। कंप्यूटर हर बार "जेबरा" का अनुमान लगाकर सही हो जाता, लेकिन वह कभी शेर को पहचानना नहीं सीख पाता। चूंकि देरी से होने वाली डिलीवरी वास्तव में काफी आम थी (54.8%), टीम ने SMOTE नामक एक चतुर तकनीक का उपयोग किया। SMOTE को एक फोटोकॉपी मशीन के रूप में समझें जो "देरी" वाली डिलीवरी के नए, नकली उदाहरण बनाती है ताकि प्रशिक्षण डेटा निष्पक्ष हो सके, जिससे कंप्यूटर दोनों (समय पर और देरी से) पैकेजों को समान रूप से पहचानना सीख सके।

गुप्त सामग्रियाँ: फीचर इंजीनियरिंग (विशेषता निर्माण)

शोधकर्ताओं ने केवल कंप्यूटर को कच्चे नंबर नहीं दिए; उन्होंने कुछ विशेष सामग्रियाँ तैयार कीं जिन्हें "फीचर्स" कहा जाता है ताकि मॉडल अधिक स्मार्ट तरीके से सोच सके।

1. शिपिंग प्रेशर इंडेक्स (Shipping Pressure Index): उन्होंने गणना की कि एक एकल शिपमेंट पर कितना काम इकट्ठा किया गया है। यदि आपके पास एक बड़ा ऑर्डर है लेकिन उसे भेजने के लिए बहुत कम समय है, तो वह उच्च दबाव (high pressure) है।
2. मोड रिस्क फ्लैग (Mode Risk Flag): उन्होंने कुछ शिपिंग गति को "खतरे का टैग" दिया। यदि कोई पैकेज "फर्स्ट क्लास" या "एक्सप्रेस" के रूप में चिह्नित था, तो मॉडल जानता था कि ये उच्च जोखिम वाले हैं क्योंकि इन्होंने बहुत कम समय में डिलीवरी का वादा किया था जिसे निभाना कठिन था।
3. रीजन कंजेशन इंडेक्स (Region Congestion Index): उन्होंने इतिहास को देखा कि किन स्थानों पर हमेशा ट्रैफिक जाम रहता है। कुछ क्षेत्र एक बंद नाले की तरह थे, जो हमेशा देरी का कारण बनते थे।
4. ऑर्डर कॉम्प्लेक्सिटी स्कोर (Order Complexity Score): उन्होंने वस्तु की कीमत और स्थान तक पहुँचने की कठिनाई को मिलाकर एक "जटिलता स्कोर" बनाया। महंगी वस्तुएं जो कठिन स्थानों पर जा रही थीं, उन्हें उच्च "जटिलता" स्कोर मिला, जिससे सिस्टम को अतिरिक्त सावधानी बरतने की चेतावनी मिली।

डेटा ने क्या खुलासा किया: चौंकाने वाले सच

जब टीम ने कंप्यूटर को नंबरों को प्रोसेस करने दिया, तो उसने कुछ आश्चर्यजनक रहस्य खोज निकाले जो प्रबंधकों से छूट गए थे।

• "सेकंड क्लास" का जाल: डेटा ने दिखाया कि "सेकंड क्लास" शिपिंग एक आपदा थी। वादा किया गया था कि इसमें 2 दिन लगेंगे, लेकिन वास्तव में इसमें लगभग 4 दिन लगे। यह लगभग हमेशा 2 दिन लेट था। इसी तरह, "फर्स्ट क्लास" के लिए 1 दिन का वादा था लेकिन इसमें 2 दिन लगे। कंपनी ऐसे वादे कर रही थी जिन्हें वह निभा नहीं सकती थी, और ग्राहक नाराज हो रहे थे।
• खतरों के क्षेत्र: दुनिया का नक्शा विशिष्ट क्षेत्रों में लाल रंग से चमक उठा। मध्य अफ्रीका, दक्षिण एशिया और पूर्वी अफ्रीका सबसे जोखिम भरे क्षेत्र थे, जहाँ देरी से डिलीवरी की संभावना औसतन 60% के करीब थी। यह केवल बुरा भाग्य नहीं था; इन क्षेत्रों में सीमा शुल्क (customs) और स्थानीय भागीदारों के साथ व्यवस्थित समस्याएँ थीं।
• पैसों का रिसाव: मॉडल ने विशिष्ट उत्पाद और स्थान खोज निकाले जहाँ कंपनी का पैसा बर्बाद हो रहा था। मिनेसोटा (Minnesota) राज्य में शिपिंग करने पर प्रति ऑर्डर -$464 का नुकसान हो रहा था। एक विशिष्ट उत्पाद, "टोटल जिम 1400" (Total Gym 1400), हर बार ऑर्डर किए जाने पर -$441 का नुकसान दे रहा था। कंपनी अनिवार्य रूप से लोगों को अपने उत्पाद ले जाने के लिए भुगतान कर रही थी।

जादुई 72%: यह क्रिस्टल बॉल कितनी अच्छी है?

टीम ने अपने कंप्यूटर मॉडल को 80% डेटा पर प्रशिक्षित किया और शेष 20% पर इसका परीक्षण किया। परिणाम? रैंडम फॉरेस्ट (Random Forest) मॉडल (एक प्रकार का कंप्यूटर एल्गोरिदम जो निर्णय लेने के लिए कई निर्णय वृक्षों का उपयोग करता है) ने 72% सटीकता प्राप्त की।

अब, 72% सुनने में शायद एक औसत ग्रेड जैसा लग सकता है, लेकिन वैश्विक शिपिंग की अव्यवस्थित और अप्रत्याशित दुनिया में—जहाँ ट्रैफिक जाम, तूफान और सीमा शुल्क अधिकारी रातों-रात सब कुछ बदल सकते हैं—यह एक बड़ी जीत है। मॉडल केवल "हाँ" या "नहीं" नहीं कहता; यह एक प्रायिकता स्कोर (probability score) देता है, जिससे ऑर्डर्स को कम (Low), मध्यम (Medium) और उच्च (High) जोखिम में वर्गीकृत किया जाता है। यह ऑपरेशंस टीम को उन "उच्च जोखिम" वाले ऑर्डर्स पर ध्यान केंद्रित करने की अनुमति देता जिन्हें तत्काल ध्यान देने की आवश्यकता है।

कोड से कार्रवाई तक: लाइव डैशबोर्ड

शोधकर्ताओं ने मॉडल को केवल कंप्यूटर लैब तक सीमित नहीं रखा। उन्होंने एक स्ट्रीमलिट डैशबोर्ड (Streamlit Dashboard) बनाया, जो एक लाइव वेब टूल है जो एक वीडियो गेम कंट्रोल पैनल जैसा दिखता है।

• अवलोकन (Overview): यह दिखाता है कि कितने ऑर्डर जोखिम में हैं।
• ऑर्डर चेक: एक कर्मचारी एक नया ऑर्डर टाइप कर सकता है, और डैशबोर्ड तुरंत कहता है, "यह हाई रिस्क है!"
• कार्य योजना (Action Plan): यह टीम को बताता है कि उन्हें ठीक से क्या करना है। "सेकंड क्लास" शिपिंग के लिए, उन्हें अपने भागीदारों से बात करने और डिलीवरी के वादों को ठीक करने की आवश्यकता है। "टोटल जिम 1400" और मिनेसोटा के ऑर्डर्स के लिए, उन्हें शायद उन्हें बेचना बंद करना होगा या शिपिंग का सस्ता तरीका खोजना होगा।

शिपिंग का भविष्य

यह प्रोजेक्ट आपदाओं पर प्रतिक्रिया देने से लेकर उन्हें रोकने की ओर एक बदलाव है। लेखक का सुझाव है कि जबकि वर्तमान मॉडल एक बेहतरीन "सुरक्षा जाल" है, भविष्य और भी उज्ज्वल हो सकता है। कल्पना कीजिए कि इसमें वास्तविक समय के मौसम के डेटा या लाइव पोर्ट ट्रैफिक अपडेट को शामिल किया जाए। लक्ष्य केवल देरी की भविष्यवाणी करने से बढ़कर, वास्तव में इसे टालने के लिए सबसे अच्छा मार्ग बताना है।

अंत में, यह शोध पत्र दिखाता है कि बिखरे हुए डेटा को साफ करके, कंप्यूटर को पैटर्न पहचानने के लिए सिखाकर, और ऐसे उपकरण बनाकर जिन्हें मनुष्य वास्तव में उपयोग कर सकें, एक लॉजिस्टिक्स कंपनी घाटे को रोक सकती है, ग्राहकों को खुश रख सकती है, और एक अराजक खेल को एक सुव्यवस्थित मशीन में बदल सकती है। क्रिस्टल बॉल पूर्ण नहीं है, लेकिन यह भविष्य को देखने के लिए उनके पास मौजूद अब तक का सबसे अच्छा उपकरण है।