移動客戶端和網絡平臺等硬件設施的日益普及,促使信息獲取方式越來越豐富,並使電商利用數據資源實現企業服務優化面臨更多新挑戰。數據爆炸式增長帶動數據傳遞效率的提升與信息交換頻率的加快,為電商訂單分配與配送服務提供數據驅動下聯合優化的可行性。近年來,關於訂單分配與物流配送問題的研究已經取得大量的研究成果,但是對數據驅動下電商訂單分配與配送聯合優化問題的研究較為鮮見。實際上,隨著網絡平臺技術的發展,訂單分配與配送服務的緊密性、實時性和交互性更加明顯。例如,消費者數據和電商運營的關聯度增加,倉庫、車輛和運輸等性能參數在配送過程中能夠及時反饋到決策中心,等等。依據田口方法,服務質量是滿足消費者需求的基本前提,服務能力是服務執行效果的基本保障,服務可持續性是具有戰略意義的管理優化目標,整個優化流程是一個循序漸進的過程。因此,以服務質量、服務能力和服務可持續性作為立足點,實現數據驅動下電商訂單分配與配送聯合優化是十分必要的,具有重要的理論意義和實踐意義。
本書針對數據驅動下電商訂單分配與配送聯合優化問題進行了理論與方法的研究,主要開展了以下４方面的研究工作。
１)針對聯合優化問題,以田口方法為基礎,延伸出數據驅動下電商訂單分配與配送聯合優化的相關概念及理論。本書根據田口方法包含的３個遞進式的優化維度,設計了聯合優化的遞進式理論框架分析結構,豐富和發展了數據驅動聯合優化問題決策的理論和方法,主要包括:①結合偏好理論,以消費者視角優化電商訂單分配與配送質量作為聯合優化的基本前提;②分析牛鞭效應理論,考慮將電商訂單分配與配送能力作為聯合優化的基本保障;③討論可持續性優化理論,將其作為電商訂單分配與配送聯合優化的基本目標。同時,本書為相關問題的研究提供了一般性的理論研究框架,並為研究問題的分析與描述提供了理論指導。
２)針對數據驅動下電商訂單分配與配送質量聯合優化問題,進行了３個階段的研究,分別為:①對收貨方的服務質量偏好程度進行完整分類,依據數據特征,將收貨方劃分為
“無記憶”型收貨方、
“記憶”型收貨方、收貨方總體和
“不確定”型收貨方;②基於４種類型的收貨方,分別構建了收貨方偏好數據驅動下電商訂單分配與配送質量聯合優化模型;③給出４種類型規劃求解空間的復雜度推導,得到成本為線性函數時“無記憶”型收貨方的動態規劃精確求解方法,以及其他４種類型收貨方的 NP－hard屬性分析。與傳統批量規劃相比,數據驅動的方法設計彌補了個性化質量需求解決方案研究的不足,得到的研究結論及管理啟示對於指導實踐具有參考價值。
３)針對數據驅動下電商訂單分配與配送能力聯合優化問題,進行了３方面的研究:①從訓練數據樣本中選取相關特征,確保聯合決策流程內數據信息分類的誤差代價最小,以此降低聯合決策過程的牛鞭效應;②引入撤單率構建服務能力決策模型,分析電商配送服務能力的自建與外包決策問題,從是否進行合作的角度給出了３種合作強度下的動態博弈模型;③按照３階段動態博弈順序逆向推導出３種情形下的子博弈均衡解,得到在線購買環境下自建與外包
配送服務能力最優解集。撤單數據與物流配送數據聯合構建的博弈模型彌補了應對不確定性擾動下服務能力靈活性研究不足的缺陷,降低了電商和產品供應商的經濟損失。
４)針對數據驅動下電商訂單分配與配送可持續性聯合優化問題,從經濟、環境和社會３個角度提出了電商訂單分配與配送資源共享策略,分別為:①經濟方面,根據訂單信息、倉庫信息、運輸信息和車輛信息共享數據的匹配合理性,配送服務能力和服務時間窗,構
建 配 送 資 源 共 享 數 據 驅 動 下 成 本 優 化 模型;②環境方面,基於數據包絡分析法設計多種減排因子,評估訂單分配與配送資源共享數據驅動下碳排放績效和碳排放分配評價指標;③社會方面,設計共享數據驅動下合理的收益共享繫數,配送資源服務商與電商平臺實現對服務資源的協調共享與穩定合作。研究表明,可持續性優化設計能夠在保證經濟效益的同時,兼顧環境效益和社會效益。
本書的研究豐富了數據驅動優化的相關理論,為進一步開展更為復雜的數據驅動優化理論與方法的研究提供了借鋻和指導。同時,本書的研究成果不僅
可以實現電商訂單分配與配送繫統聯合優化模式,而且能夠為電商企業的服務質量、服務能力和服務可持續性優化提供恰當決策,對推進數據資源的有效利用具有重要意義。