面向交付时间不确定性的全渠道多承运商订单履行的情境随机优化
最优化与控制
2025-10-16 v3
摘要
本文研究了美国一家领先的电子商务公司的大规模订单履行问题。该问题的挑战在于仅凭观察数据选择履行中心和运输承运商，以高效处理来自广泛物理店铺和仓库的订单。该公司当前的做法依赖于用于选择每个单位最便宜的履行和运输选项的启发式规则，未考虑项目批处理或承运商在满足预期交付日期方面的可靠性。本文发展了一种数据驱动的情境随机优化 (CSO) 框架，将交付时间偏差的分布性预测与随机和鲁棒订单履行优化模型相结合。该框架优化了履行中心和承运商的选择，考虑到项目合并和交付时间不确定性。在包含数万个产品的数据集上进行验证，每个产品都有数百至数千种履行选项，证明该 CSO 框架在满足客户预期交付日期方面显著优于当前做法。它在降低履行成本和管理交付时间偏差风险之间提供了灵活的平衡，强调了情境信息和分布性预测在订单履行中的重要性。这是一个通过情境优化视角研究全渠道多承运商订单履行问题并融合机器学习与优化方法的首篇论文。
引用
@article{arxiv.2409.06918,
title = {Contextual Stochastic Optimization for Omnichannel Multi-Courier Order Fulfillment Under Delivery Time Uncertainty},
author = {Tinghan Ye and Sikai Cheng and Amira Hijazi and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2409.06918},
year = {2025}
}