捉迷藏:在改善顾客体验的同时处理店内拣货作业
机器学习
2023-01-06 v1 最优化与控制
摘要
零售业的发展带来了新的挑战,并提出了关于如何重塑门店与供应链以满足线上渠道日益增长需求的关键问题。全渠道零售商近期采取的措施之一是使用店内拣货来应对线上销售的增长,即利用现有资产处理线上订单。然而,其弊端在于损害线下顾客体验。为获得适应零售店动态顾客流的拣货策略,我们形式化了一个称为动态店内拣货员路径问题(Dynamic In-store Picker Routing Problem, diPRP)的新问题。在这一相关问题——diPRP——中,拣货员试图在拣选线上订单的同时最小化与顾客的相遇。我们将该问题建模为马尔可夫决策过程(MDP),并使用由数学规划与强化学习组件构成的混合求解方法来求解。在合成实例上的计算实验表明该算法收敛到高效策略。此外,我们在一个大型欧洲零售商的背景下应用我们的方法,以评估所提策略在拣货量与顾客相遇数方面的效果。我们的工作表明,零售商应能够扩展线上订单的店内拣货,而不危及线下顾客的体验。与使用仅聚焦于拣货的策略相比,采用所提求解方法学到的策略将顾客相遇数减少了 50% 以上。因此,为追求充分权衡运营效率与顾客体验的全渠道战略,零售商不能依赖当前简单的拣货策略,例如选择最短可能路径。
引用
@article{arxiv.2301.02142,
title = {Playing hide and seek: tackling in-store picking operations while improving customer experience},
author = {Fábio Neves-Moreira and Pedro Amorim},
journal= {arXiv preprint arXiv:2301.02142},
year = {2023}
}