Optimizing inventory routing: an integrated machine learning solution approach

Envanter Rotalama Problemi (ERP), tedarikçinin bir planlama ufku boyunca müşteri- lerinin stoklarını yenilemekten sorumlu olduğu ve satıcının stokları yönettiği bir tes- limat ve envanter planlama işidir. IRP'de tedarikçi, sistemin genel performansını iyileştirmek için yönlendirme ve envanter kararlarını birlikte verir. Bu çalışmamızda tedarikçinin amacı, bir planlama ufku boyunca toplam nakliye maliyetini en aza in- dirirken müşteri lokasyonlarında stok tükenmesini önlemektir. Tedarikçinin; aynı taşıma kapasitesine sahip teslimat araçlarından oluşan bir filosuna ve müşterilere tes- lim edilecek ürünün bol miktarda bulunabilirliğine sahip olduğunu varsayıyoruz. Her müşterinin sabit bir talep/tüketim oranı ve stok tutmak için sınırlı depolama ka- pasitesi vardır. Bu sorunu çözmek için yeni bir entegre kümeleme ve yönlendirme algoritması öneriyoruz. Kümeleme aşamasında, müşteri setini kümelere ayırarak, her kümeye tek bir araç tarafından hizmet verilmesini sağlıyoruz. Bunu başarmak için, kümeleme çerçevesinde yeni bir derin öğrenme modeli kullanıldı. Yönlendirme aşamasında, her bir küme için teslimat programını geliştirildi. Yaklaşımımızı diğerle- rinden ayıran şey, karar verme sürecine hem matematiksel bir modeli hem de bir makine öğrenimi modelini entegre ederek üç temel kararı (ne zaman teslim edileceği, ne kadar teslim edileceği ve nasıl yönlendirileceği) dikkate almasıdır. Önerilen kümele- me ve yönlendirme algoritmalarının performansını mevcut literatüre göre değerlen- dirdik ve sonuçlarımız önemli gelişmeler gösterdi. Ayrıca, önerilen sinir ağı tabanlı kümeleme yaklaşımı, makine öğrenimi algoritmalarının karar verme yapılarını nasıl geliştirebileceğinin etkili bir temsili olmuştur. Keywords: envanter rotalama problemi; tamsayı programlama tabanlı sezgisel; sinir ağı; makine öğrenimi tabanlı karar verme