論文の概要: An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories

• arxiv url: http://arxiv.org/abs/2310.12183v2
• Date: Tue, 01 Apr 2025 15:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-02 14:11:49.295424
• Title: An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories
• Title（参考訳）: オムニチャネルインベントリの動的位置決めのための最適ロバスト手法
• Authors: Pavithra Harsha, Shivaram Subramanian, Ali Koc, Mahesh Ramakrishna, Brian Quanz, Dhruv Shah, Chandra Narayanaswami,
• Abstract要約: 本稿では,データ駆動型・分散型・楽観的・ロバストなバイモーダル・インベントリ最適化 (BIO) 戦略を新たに導入する。 BIOのバイモーダルな性質は、従来のロバスト最適化(RO)のように、下方リスクのバランスをとる能力に起因している。 BIOは、ロバストネスを慎重にバランスしながら、高い平均性能を達成する従来のROに代わる、新しく、データ駆動で、分散のない代替手段を提供する。
• 参考スコア（独自算出の注目度）: 9.925739899748857
• License:
• Abstract: We introduce a new class of data-driven and distribution-free optimistic-robust bimodal inventory optimization (BIO) strategy to effectively allocate inventory across a retail chain to meet time-varying, uncertain omnichannel demand. The bimodal nature of BIO stems from its ability to balance downside risk, as in traditional Robust Optimization (RO), which focuses on worst-case adversarial demand, with upside potential to enhance average-case performance. This enables BIO to remain as resilient as RO while capturing benefits that would otherwise be lost due to endogenous outliers. Omnichannel inventory planning provides a suitable problem setting for analyzing the effectiveness of BIO's bimodal strategy in managing the tradeoff between lost sales at stores and cross-channel e-commerce fulfillment costs, factors that are inherently asymmetric due to channel-specific behaviors. We provide structural insights about the BIO solution and how it can be tuned to achieve a preferred tradeoff between robustness and the average-case performance. Using a real-world dataset from a large American omnichannel retail chain, a business value assessment during a peak period indicates that BIO outperforms pure RO by 27% in terms of realized average profitability and surpasses other competitive baselines under imperfect distributional information by over 10%. This demonstrates that BIO provides a novel, data-driven, and distribution-free alternative to traditional RO that achieves strong average performance while carefully balancing robustness.
• Abstract（参考訳）: そこで本研究では,データ駆動型・分散型・楽観的・楽観的・楽観的なバイモーダル・インベントリ最適化(BIO)戦略を導入し,小売チェーン全体の在庫を効果的に配分し,時間的・不確実な全チャネル需要に対応する。 BIOのバイモーダルな性質は、ロバスト最適化(RO:Robust Optimization)のように、平均的なケースのパフォーマンスを高めるために、最悪のケースの敵の需要に焦点を当てた、ダウンサイドのリスクのバランスをとる能力に起因している。 これにより、BIOはROと同じくらいレジリエンスを維持しつつ、内因性異常により失われる利益を享受することができる。 オムニチャネル・インベントリ・プランニング(Omni Channel inventory planning)は、BIOのビモーダル・ストラテジー(bimodal strategy)の店頭における損失販売と、チャネル固有の行動によって本質的に非対称なチャネル間電子商取引の充足コストのトレードオフ管理における有効性を分析するための適切な問題設定を提供する。 私たちは、BIOソリューションに関する構造的な洞察と、ロバスト性と平均ケースのパフォーマンスのトレードオフを達成するための調整方法を提供します。 アメリカの大型小売チェーンから得られた実世界のデータセットを用いて、ピーク時のビジネス価値評価は、BIOが平均利益率で純粋なROを27%上回り、不完全な流通情報の下で他の競争ベースラインを10%以上上回っていることを示している。 これは、BIOが、ロバストネスを慎重にバランスしながら、強い平均パフォーマンスを達成する、従来のROに代わる、新しく、データ駆動で、分散のない代替手段を提供することを示している。

関連論文リスト

• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• Neural Optimization with Adaptive Heuristics for Intelligent Marketing System [1.3079444139643954]
  本稿では,AIシステムのマーケティングのための一般的なフレームワークとして,適応ヒューリスティックス(Noah)フレームワークを用いたニューラル最適化を提案する。 Noahは2B(to-business)と2C(to-consumer)の両方の製品と、所有チャンネルと有償チャネルを考慮に入れた、マーケティング最適化のための最初の一般的なフレームワークである。 我々は、予測、最適化、適応的なオーディエンスを含むNoahフレームワークの重要なモジュールを説明し、入札とコンテンツ最適化の例を提供する。
  論文  参考訳（メタデータ） (2024-05-17T01:44:30Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• InfoRM: Mitigating Reward Hacking in RLHF via Information-Theoretic Reward Modeling [66.3072381478251]
  Reward Hacking(報酬の過度な最適化)は依然として重要な課題だ。 本稿では,報奨モデル,すなわちInfoRMのためのフレームワークを提案する。 InfoRMの過度な最適化検出機構は、有効であるだけでなく、幅広いデータセットにわたって堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-02-14T17:49:07Z)
• The Stochastic Dynamic Post-Disaster Inventory Allocation Problem with Trucks and UAVs [1.3812010983144802]
  人道的物流事業は、災害地域における援助の需要の高まりにより困難が増している。 本報告では, 被災地域における空き地供給の動的配分について, 時間とともに検討する。 これは、トラックや無人航空機が救援物資を配達する際の、新しい動的事後在庫配分問題を導入している。
  論文  参考訳（メタデータ） (2023-11-30T19:03:04Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Enhancing Supply Chain Resilience: A Machine Learning Approach for Predicting Product Availability Dates Under Disruption [2.294014185517203]
  新型コロナウイルスのパンデミックや政治的・地域的な紛争が世界的なサプライチェーンに大きな打撃を与えている。 正確な可用性の予測は 物流運用を成功させる上で 重要な役割を担います 簡易回帰、ラッソ回帰、リッジ回帰、弾性ネット、ランダムフォレスト(RF)、グラディエントブースティングマシン(GBM)、ニューラルネットワークモデルなど、いくつかの回帰モデルを評価する。
  論文  参考訳（メタデータ） (2023-04-28T15:22:20Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
  企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。 商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。 本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
  論文  参考訳（メタデータ） (2022-02-26T02:07:25Z)
• Offer Personalization using Temporal Convolution Network and Optimization [0.0]
  オンラインショッピングやハイマーケット競争の増加は、オンライン小売業者のプロモーション支出の増加につながっている。 本稿では,小売店舗における消費者・商品・時間の交点におけるオファー最適化の課題を解決するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-14T10:59:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。