« Forschungslandschaft: Projekte

In diesem Projekt untersuchen wir das Problem, den Kunden einen fairen Same-Day-Delivery (SDD)-Service anzubieten. Das Servicegebiet ist in verschiedene Regionen unterteilt. Im Laufe eines Tages fordern Kunden den SDD-Service an, wobei der Zeitpunkt der Anforderungen und die Lieferorte nicht im Voraus bekannt sind. Der Disponent weist die Fahrzeuge dynamisch zu, um die angenommenen Kunden vor Ablauf ihrer Lieferfrist zu beliefern. Zusätzlich zur Gesamtlieferquote maximieren wir die minimale regionale Lieferquote über alle Regionen hinweg mit Hilfe von Reinforcement Learning. Berechnungsergebnisse zeigen die Effektivität unseres Ansatzes bei der Verringerung von Ungerechtigkeiten sowohl in räumlicher als auch in zeitlicher Hinsicht in verschiedenen Kundenregionen. Wir zeigen auch, dass diese Effektivität für verschiedene Depotstandorte gilt, so dass Unternehmen die Möglichkeit haben, von jedem Standort aus eine bessere Fairness zu erreichen. Darüber hinaus betrachten wir die Auswirkungen der Vernachlässigung von Fairness im Service