論文の概要: OTPTO: Joint Product Selection and Inventory Optimization in Fresh E-commerce Front-End Warehouses
- arxiv url: http://arxiv.org/abs/2505.23421v1
- Date: Thu, 29 May 2025 13:16:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 18:14:07.865174
- Title: OTPTO: Joint Product Selection and Inventory Optimization in Fresh E-commerce Front-End Warehouses
- Title（参考訳）: OTPTO:新鮮Eコマースフロントエンドウェアハウスにおける製品選択と在庫最適化
- Authors: Zheming Zhang, Yan Jiang, Qingshan Li, Ai Han,
- Abstract要約: 倉庫は、新鮮な商品のタイムリーな配達を確保するため、住宅地に置かれている。
販売を予測し、在庫を決定する従来の予測最適化(PTO)手法は、しばしば在庫目標と予測を一致させません。
本稿では,製品選択と在庫管理を協調的に最適化するマルチタスク最適化-then-Predict-then-PTO手法を提案する。
- 参考スコア（独自算出の注目度）: 3.493620624883548
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In China's competitive fresh e-commerce market, optimizing operational strategies, especially inventory management in front-end warehouses, is key to enhance customer satisfaction and to gain a competitive edge. Front-end warehouses are placed in residential areas to ensure the timely delivery of fresh goods and are usually in small size. This brings the challenge of deciding which goods to stock and in what quantities, taking into account capacity constraints. To address this issue, traditional predict-then-optimize (PTO) methods that predict sales and then decide on inventory often don't align prediction with inventory goals, as well as fail to prioritize consumer satisfaction. This paper proposes a multi-task Optimize-then-Predict-then-Optimize (OTPTO) approach that jointly optimizes product selection and inventory management, aiming to increase consumer satisfaction by maximizing the full order fulfillment rate. Our method employs a 0-1 mixed integer programming model OM1 to determine historically optimal inventory levels, and then uses a product selection model PM1 and the stocking model PM2 for prediction. The combined results are further refined through a post-processing algorithm OM2. Experimental results from JD.com's 7Fresh platform demonstrate the robustness and significant advantages of our OTPTO method. Compared to the PTO approach, our OTPTO method substantially enhances the full order fulfillment rate by 4.34% (a relative increase of 7.05%) and narrows the gap to the optimal full order fulfillment rate by 5.27%. These findings substantiate the efficacy of the OTPTO method in managing inventory at front-end warehouses of fresh e-commerce platforms and provide valuable insights for future research in this domain.
- Abstract（参考訳）: 中国の競争力のある新鮮なeコマース市場では、特にフロントエンド倉庫における在庫管理の運用戦略を最適化することが、顧客満足度を高め競争力を高める鍵となる。
フロントエンド倉庫は、新鮮な商品のタイムリーな配達を確保するために住宅地に置かれ、通常は小型である。
これにより、キャパシティの制約を考慮して、どの商品を在庫にするか、どの量にするかを決定するという課題が生じる。
この問題に対処するため、販売を予測し、在庫を決定する従来の予測最適化(PTO)手法は、しばしば在庫目標と予測を一致させておらず、消費者満足度を優先しない。
本稿では,製品選択と在庫管理を協調的に最適化するマルチタスク最適化-then-Predict-then-Optimize (OTPTO)アプローチを提案する。
提案手法では,0-1混合整数プログラミングモデルOM1を用いて,歴史的に最適な在庫水準を決定するとともに,製品選択モデルPM1とストッキングモデルPM2を用いて予測を行う。
組み合わせた結果は後処理アルゴリズムOM2によりさらに洗練される。
JD.com の 7Fresh プラットフォームによる実験結果から,OTPTO 法の堅牢性と重要な利点が示された。
PTO法と比較して,OTPTO法は全注文充足率を4.34%(相対的に7.05%)、最適全注文充足率へのギャップを5.27%削減する。
これらの知見は, 新規電子商取引プラットフォームのフロントエンド倉庫における在庫管理におけるOPPTO法の有効性を実証し, 今後の研究に有用な知見を提供するものである。
関連論文リスト
- Stochastic Optimization of Inventory at Large-scale Supply Chains [6.663316868101601]
所望のサービスレベルを維持しながら在庫と関連するコストを最小限に抑えるシミュレーション最適化フレームワークを提案する。
フレームワークの目標は、事前に定義されたサービスレベルの制約を受けるコストを最小限に抑える最適なリオーダーパラメータを見つけることです。
このアプローチは在庫水準を10～35%削減し、数十億ドルの経済的利益をもたらすことが証明されている。
論文 参考訳（メタデータ） (2025-02-16T17:25:50Z) - Optimizing Item-based Marketing Promotion Efficiency in C2C Marketplace with Dynamic Sequential Coupon Allocation Framework [4.664065531235124]
一連のプロモーションにおけるアイテムクーポン割当戦略を最適化する動的シーケンスクーポン割当フレームワーク(DSCAF)を導入する。
DSCAFは、クーポンの設定とターゲットアイテムのタイミングに関するシーケンシャルなレコメンデーションを提供する。
クーポン割当の現在及びその後のラウンドにおける販売確率を推定するための2つの予測器と、クーポン割当ソリューションを決定する意思決定プロセスとを統合する。
論文 参考訳（メタデータ） (2024-09-13T07:52:45Z) - Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。
我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。
本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories [9.925739899748857]
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。
論文 参考訳（メタデータ） (2023-10-17T23:10:57Z) - Business Metric-Aware Forecasting for Inventory Management [3.612315888343108]
時系列予測はビジネス計画において重要な役割を果たす。
フォアキャスターは通常、下流のビジネス目標に非依存な目標を最適化します。
エンドツーエンドの最適化は、標準的なビジネスに依存しない予測指標の最適化よりも優れていることがよく示される。
論文 参考訳（メタデータ） (2023-08-24T23:49:27Z) - Learning Multi-Agent Intention-Aware Communication for Optimal
Multi-Order Execution in Finance [96.73189436721465]
まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。
本稿では,学習可能なマルチラウンド通信プロトコルを提案する。
2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
論文 参考訳（メタデータ） (2023-07-06T16:45:40Z) - 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) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳（メタデータ） (2021-01-28T05:52:18Z) - 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。