大数跨境

“机器学习助力提升 grocery 配送服务”

“机器学习助力提升 grocery 配送服务” 荷兰快看
2025-08-21
5
导读:鹿特丹伊拉斯姆斯大学的博士生莉安娜·范德哈根(Liana van der Hagen)倡导一种新方法,利用机器学习快速判断配送请求是否仍符合现有排程。她使用数千次客户请求的模拟数据对AI模型进行训练,

来自伊拉斯谟大学的博士候选人Liana van der Hagen倡导一种新方法,利用机器学习快速判断配送请求是否仍符合时间表。她使用数千次客户请求的模拟数据训练了一个AI模型,使系统能够识别模式,并在毫秒级时间内预测时间段是否可行。

CILOLAB项目:AI赋能极速排班评估

在与ORTEC的合作中,她在CILOLAB项目下开发了一个模型,能够以极快的速度预测客户在特定时间段内是否仍符合排班计划。她解释道:“我们让模型从最优的排班方案中学习,并利用这些知识快速评估新的请求。”

毫秒级响应:平衡时效与运力

当你在周三订购商品并选择特定的时间段,例如周三17:00至19:00时,配送方必须重新调整其调度拼图。因为并非只有你想在周三收货。系统必须立即判断你的订单是否仍能纳入现有计划,以确保配送员能在约定的时间窗口内准时送达每位客户。理想情况下,这不应导致过多的绕行或派出半空的货车。而且这一切必须在不到一秒的时间内完成。

突破传统瓶颈:兼顾效率与体验

过去,系统仅逐单检查订单是否能融入现有的路线方案,而无需对整个系统进行重新计算。这导致有时客户被错误拒绝,同时留下了未利用的空间。在理想世界中,我们会计算所有可能的组合,从而得出最优路线。但这涉及非常复杂的计算,可能需要数小时才能完成。“客户不愿等待,他们希望现在就知道哪个配送时间段可用,”Van der Hagen说道。

降本增效:提升可持续性与盈利能力

这种方法的潜在好处可能很大:配送货车能满载行驶,每趟行程可以服务更多客户,从而使流程更加可持续且有利可图。目前许多配送公司仍在亏损,而在利润率微薄的行业中,任何改进都至关重要。

未来展望:引导“绿色时间段”

目前,该模型主要预测某个时间段是否可行,但Van der Hagen强调,合乎逻辑的下一步是将配送时刻的成本纳入考量。“某些配送时间更具可持续性,因为当时附近已有其他多位客户。因此,你更倾向于鼓励选择这些时段,”她说。通过与行为科学家以及ORTEC等合作伙伴的合作,未来客户或许能被主动引导至这些‘绿色时间段’。

现状与挑战:概念验证阶段

该模型目前尚未在实际软件系统中上线应用,但它展示了可能性。“这是一个概念验证,证明了机器学习比实践中使用的传统方法能更快地做出此类决策,”Van der Hagen表示。其他公司已表现出兴趣,但Albert Heijn的规划人员尚未使用该模型。“在日常实践应用之前还有步骤需要推进,但其潜力确实存在。”

Liana van der Hagen和ORTEC声称与Albert Heijn有合作关系,但该集团表示双方“最多仅有电话接触”。

【声明】内容源于网络
0
0
荷兰快看
荷兰电商市场快看,来自风车之国的商机观察
内容 13978
粉丝 0
荷兰快看 荷兰电商市场快看,来自风车之国的商机观察
总阅读87.1k
粉丝0
内容14.0k