关于电子商�仓库取货操作：来自完全信息情形的洞见
最优化与控制
2024-10-21 v1
摘要
电子商务的主要参与者正实时处理动态到达的订单，已使用诸如 AI 等先进预测技术来预测未来订单的特征。然而，在仓库层面，仍无明确的建议用于将预测与智能在线优化算法集成，亦无公正的基准来评估先进预测相对于顾然方法的改进潜力，因为最优在线解决方案通常不可得。本文计算并分析了完美预测算法的完全信息最优策略解 (CIOS)，用于在 picker-to-parts 仓库中进行取货操作。我们提供分析性质，并利用 CIOS 揭示可增强简单算法的决策模式，从而提高两项指标：制造时间成本和订单周转时间。通过类似于与最优解之差的度量标准，我们量化了优化元素的收益以及仍为先进预测机制所能实现的改进。为计算 CIOS，我们设计了首个基于动态规划的订单批处理、排序和路由问题（带发布时间的 OBSRP）的精确算法。我们的分析建议关注被严重忽视的干预措施——对已启动的批次进行动态调整，以及将闲置的 picker 从向未来取货位置的战略性重新定位。前者影响了超过 60% 的 CIOS 订单并在仓库政策中触发持续的改进。后者发生在 39%~62% 的 CIOS 订单之间，可将顾然策略与最优周转时间之间的差距平均降低 4.3%（最高可达 14%）。值得注意的是，我们挑战了争议性的“战略等待”概念，揭示了后者为何类似于“全押押”赌博，在允许干预的情况下损害制造时间和订单周转时间。
引用
@article{arxiv.2410.14316,
title = {On picking operations in e-commerce warehouses: Insights from the complete-information counterpart},
author = {Catherine Lorenz and Alena Otto and Michel Gendreau},
journal= {arXiv preprint arXiv:2410.14316},
year = {2024}
}