Detailansicht
Machine learning-based feasibility and profitability checks for time slot management in attended home delivery
Thi Thuy Trang Le
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Business Analytics
Betreuer*in
Jan Fabian Ehmke
DOI
10.25365/thesis.77631
URN
urn:nbn:at:at-ubw:1-12214.07735.821578-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Ziel dieser Masterarbeit ist es, eine Machbarkeits- und Rentabilitätsprüfung für das Angebot von Zeitfenstern für die Zustellung am nächsten Tag im Hauslieferungssystem durchzuführen. Verschiedene Merkmale der Zeitfensterlänge, z. B. breitere und engere Zeitfenster, werden als Dateninputs betrachtet, um die Wirksamkeit des vorgeschlagenen Algorithmus zu überprüfen. Unterschiedliche Merkmale der Zeitfensterlänge, z. B. breitere und engere Zeitfenster, werden als Dateninput betrachtet, um die Wirksamkeit des vorgeschlagenen Algorithmus zu überprüfen. Es werden verschiedene Szenarien betrachtet, wie z. B. unterschiedliche Verteilungen von Kundenstandorten mit unterschiedlichen Zeitfensterlängen. Darüber hinaus werden Techniken zur Datenerweiterung untersucht, um die Datenmenge (und die Größe des Dateninputs) zu erhöhen und den vorgeschlagenen Ansatz zu verallgemeinern. Wir konzentrieren uns auf den Einsatz von Methoden des maschinellen Lernens (ML), um festzustellen, ob eine machbare und rentable Lösung existiert, wenn die Nachfrage eines Kunden in einen aktuellen Routingplan einbezogen wird.
Abstract
(Englisch)
The aim of this master thesis is to conduct a feasibility and profitability test for offering time slots for next day delivery in the home delivery system. Different time slot length characteristics, e.g. wider and narrower time slots, are considered as data inputs to verify the effectiveness of the proposed algorithm. Different characteristics of the time window length, e.g. wider and narrower time windows, are considered for data input to check the effectiveness of the proposed algorithm. Different scenarios are considered, such as different distributions of customer locations with different time window lengths. In addition, data augmentation techniques are investigated to increase the amount of data (and the size of the data input) and generalise the proposed approach. We focus on the use of machine learning (ML) methods to determine whether a feasible and profitable solution exists when a customer's demand is incorporated into a current routing plan.
Schlagwörter
Schlagwörter
(Deutsch)
VRP-TW Neural Network
Schlagwörter
(Englisch)
VRP-TW Neural Network
Autor*innen
Thi Thuy Trang Le
Haupttitel (Englisch)
Machine learning-based feasibility and profitability checks for time slot management in attended home delivery
Publikationsjahr
2024
Umfangsangabe
38 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
Klassifikation
54 Informatik > 54.00 Informatik. Allgemeines
AC Nummer
AC17422474
Utheses ID
74039
Studienkennzahl
UA | 066 | 977 | |