Makine öğrenmesi temelli sınırsal teslimat maliyeti tahmini

Bu çalışma, çevrimiçi perakende sektöründe son adım teslimatı için marjinal yerine getirme maliyetinin (MFC) titizlikle tahmin edilmesine yönelik karmaşık problemin üstesinden gelmek amacıyla bir makine öğrenimi (ML) modeli araştırmaya odaklanmaktadır. Hızlı ve doğru marjinal MFC tahmini, çevrimiçi perakende operasyonlarının etkili gerçek zamanlı yönetimi için gerekmektedir. Ancak, temel araç rotalama problemlerinin (VRP) yüksek hesaplama karmaşıklığı nedeniyle, gerçek zamanlı talep yönetimi ve kaynak tahsisi kararları almak için marjinal teslimat maliyetlerini doğrudan hesaplamak pek de mümkün değildir. Bu çalışma, bahsi geçen zorluğun üstesinden gelmek ve MFC'yi yakınsamak için zaman alan VRP örneklerini çözme ihtiyacını ortadan kaldıran ve milisaniyeler içinde doğru tahminler sağlayan yeni bir makine öğrenimi yaklaşımı önermektedir. Önerdiğimiz metodolojinin etkinliği, e-market teslimat verileriyle yapılan kapsamlı sayısal çalışmalar ve literatürdeki çeşitli yaklaşımlar ile karşılaştırma yapılarak test edilmektedir. Sonuçlarımız, ML modelinin performansının en gelişmiş konum bilgisine dayalı MFC tahmin yöntemlerinden daha iyi performans gösterdiğini ve çevrimiçi perakendecilerin maliyetlerini düşürmek, müşteri memnuniyetini artırmak ve teslimat operasyonlarının olumsuz dışsallıklarını azaltmak için karar verme yeteneklerini geliştirebilecek potansiyeli olabileceğini göstermektedir.