nKriva ispod pokazuje razvoj ovih vrednosti sa dodelom zahteva od strane
mreže ili od strane eksperta. X-osa predstavlja broj odluka dodele, a Y-osa mere
učinka pod analizom. Vrednosti su snimane posle svake sekvence od deset odluka i
sabrane su. Na primer, mera produktivnosti kod 30-e odluke dodele je prosek uzet od svih
trasa, posle dodavanja 30-og zahteva. U ovom procesu, svi dodeljeni zahtevi doprinose
proseku.
nNa svakoj slici, krive neuronske mreže su one sa malim krugovima, a krive
dispečera su one sa malim kvadratićima. Kao što možemo videti, neuronska mreža
pokazala se dobro u odnosu na prazno vreme putovanja, produktivnost, i kašnjenja na mesta
preuzimanja. Ipak, ekspert je bolji u odnosu na kašnjenja na mesta dostave.
Najčešće, trase neuronske mreže imaju dve zakasnele usluge na
mestima preuzimanja (oko 5 minuta u svakom mestu), i tri zakasnele usluge na mestima dostave
(oko deset minuta nu svakom mestu). Sa druge strane, trase dispečera imaju tri
zakasnele usluge na mestima preuzimanja, i samo jednu zakasnelu uslugu na mestima
dostave.
nPrema tome, neuronska mreža se pokazala dosta dobro prema merama
učinka. Čak iako se nije pokazala kao dispečer u odnosu na ukupna kašnjenja na
mestima dostave, vrednosti neuronske mreže su veoma impresivne. Takođe, dispečer
je pritisnut zbog važnosti dolaska u pravo vreme na mesto preuzimanja (korisnici ne vole da vide
pismo na svome stolu dugo vremena po pozivu postanske kompanije!). Interesantno je da je
neuronska mreža uradila veoma dobar posao u tom pogledu.