ترجمه فارسی مقاله بهینه‌سازی تصادفی متنی برای انجام سفارش چند پیک چند کاناله تحت عدم قطعیت زمان تحویل

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Contextual Stochastic Optimization for Omnichannel Multi-Courier Order Fulfillment Under Delivery Time Uncertainty
عنوان مقاله به فارسی بهینه‌سازی تصادفی متنی برای انجام سفارش چند پیک چند کاناله تحت عدم قطعیت زمان تحویل
نویسندگان Tinghan Ye, Sikai Cheng, Amira Hijazi, Pascal Van Hentenryck
فرمت مقاله انگلیسی PDF
تعداد صفحات 38
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Optimization and Control,بهینه سازی و کنترل ,
توضیحات Submitted 10 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 10 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The paper studies a large-scale order fulfillment problem for a leading e-commerce company in the United States. The challenge involves selecting fulfillment centers and shipping carriers with observational data only to efficiently process orders from a vast network of physical stores and warehouses. The company's current practice relies on heuristic rules that choose the cheapest fulfillment and shipping options for each unit, without considering opportunities for batching items or the reliability of carriers in meeting expected delivery dates. The paper develops a data-driven Contextual Stochastic Optimization (CSO) framework that integrates distributional forecasts of delivery time deviations with stochastic and robust order fulfillment optimization models. The framework optimizes the selection of fulfillment centers and carriers, accounting for item consolidation and delivery time uncertainty. Validated on a real-world data set containing tens of thousands of products, each with hundreds of fulfillment options, the proposed CSO framework significantly enhances the accuracy of meeting customer-expected delivery dates compared to current practices. It provides a flexible balance between reducing fulfillment costs and managing delivery time deviation risks, emphasizing the importance of contextual information and distributional forecasts in order fulfillment. This is the first paper that studies the omnichannel multi-courier order fulfillment problem with delivery time uncertainty through the lens of contextual optimization, fusing machine learning and optimization.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک مشکل تحقق نظم در مقیاس بزرگ برای یک شرکت پیشرو در تجارت الکترونیکی در ایالات متحده بررسی شده است.این چالش شامل انتخاب مراکز تحقق و حمل و نقل حمل و نقل با داده های مشاهده ای فقط برای پردازش کارآمد سفارشات از شبکه گسترده ای از فروشگاه های فیزیکی و انبارها است.عمل فعلی این شرکت به قوانین اکتشافی متکی است که ارزانترین گزینه های تحقق و حمل و نقل را برای هر واحد انتخاب می کند ، بدون در نظر گرفتن فرصت هایی برای دسته بندی موارد یا قابلیت اطمینان حامل ها در دیدار با تاریخ تحویل مورد انتظار.این مقاله یک چارچوب بهینه سازی تصادفی متنی (CSO) مبتنی بر داده را ایجاد می کند که پیش بینی های توزیع انحراف زمان تحویل را با مدلهای بهینه سازی تحقق سفارش تصادفی و قوی ادغام می کند.این چارچوب انتخاب مراکز تحقق و حامل ها را بهینه می کند ، و حسابداری برای ادغام کالا و عدم اطمینان زمان تحویل را به خود اختصاص می دهد.تأیید شده در یک مجموعه داده در دنیای واقعی که شامل ده ها هزار محصول است که هر یک با صدها گزینه تحقق ، چارچوب CSO پیشنهادی به طور قابل توجهی صحت ملاقات با تاریخ تحویل مشتری را در مقایسه با شیوه های فعلی افزایش می دهد.این تعادل انعطاف پذیر بین کاهش هزینه های تحقق و مدیریت خطرات انحراف زمان تحویل ، با تأکید بر اهمیت اطلاعات متنی و پیش بینی های توزیع به منظور تحقق.این اولین مقاله ای است که به بررسی مشکل تحقق سفارش چند حرکتی Omnichannel با عدم اطمینان زمان تحویل از طریق لنز بهینه سازی متنی ، فیوز یادگیری ماشین و بهینه سازی می پردازد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.