本文通过分析沃尔玛拣货过程，利用马尔可夫链模型优化拣货流程，探讨了替代商品选择、拣货效率与客户接受度的关系。通过建立状态转换矩阵，计算出从不同状态到客户接受或拒绝的概率，揭示了拣货过程中的效率问题和改进方向。此外，还介绍了如何考虑冷藏物品在拣货过程中的变质，以及如何通过马尔可夫链模型评估不同拣货时间对客户接受率的影响。
案例 1 — 拣配过程
让我们以物品拣选的各个步骤为例
拣货步骤
检查下一个商品的位置和数量
转到该位置并检查是否存在该商品
如果商品存在（订购数量），请选择它并移至下一个商品位置
如果订购的商品不存在，请寻找 1-2 个的替代商品
如果替代品存在并且很好，则拣选一个并移至下一个商品位置
如果替代品不可用、不合适或不适合放入容器，选择看上去与订购商品接近的商品，或不选任何商品，然后继续进行下一个商品的挑拣
拣货步骤可视化
订单/物品交付后，客户可以选择接受还是拒绝。拒绝可能由于各种原因而发生，即
损坏的物品
对客户来说为不适合的替代品
如上图所示，一个商品可能会处于 3 种可能的状态
客户接受
客户拒绝
没有商品选择（零选择）
业务指标
基于此过程，我们可以回答诸如以下的问题吗？
每天被客户手动拣选并被客户接受的总拣选物品的百分比是多少？
当客户的替代品缺货时，客户接受的商品百分比是多少？
对于特定的项目类别（例如Colas），当不适合容器的替换商品被拒绝的百分比是多少？
由于原商品不可用而被剔除的商品的百分比是多少？
如果可以得到此类问题的答案，可以使企业识别导致接受度降低，零选择率较高的物品/物品类别。为实现此目的，我们提出了一种状态转换模型，该模型基于可用数据来获取状态转换的概率。
模型
商品挑拣的过程非常适合于马尔可夫链模型。在选择过程中过渡到下一个状态仅取决于当前状态，而不取决于过去的状态，这使其可以表示为马尔可夫链。
缩写过程中的各个状态为缩写为:
订单商品找到（IF）
订单商品未找到（INF）
选择替代商品 1（排名最高/最相关）（SUB1）
选择替代商品 2（排名稍低）（SUB2）
替代产品缺货（OOS）
替换商品不合适（BAD）
替代商品无法放在容器中（TOTE）
替代商品不在指定位置（LOC）
替代商品手动拣配（MP）
客户接受（CA）
客户拒绝（CR）
零选择（NP）
转移概率是经验概率。即基于历史经验。
还要注意蓝色状态（CA，CR，NP）。这些状态的自转移概率为 1.0。显然，这意味着当拣配商品进入这些状态中的任何状态时，没有任何可能性以非零的概率再走出。
在马尔可夫链模型中，此类状态称为吸收状态，上述链称为吸收马尔可夫链，因为每个过渡非终端状态最终都有可能落入3个吸收状态之一。
关于 absorbing markov chains 的基础理论：https://www.cnblogs.com/guolei/p/3504931.html
公式
现在我们已经定义了状态和转移概率，让我们将其表示为转移矩阵 T
蓝色的列代表开始状态，绿色的列代表结束状态。
每一行的总和为1，表示此矩阵是右随机矩阵。
最后 3 行只有 1 个值 1，表明这些是吸收状态的自转移。
以上的转移矩阵 T 可以改为转移态 t 和吸收态 a：
最低0.47元/天 解锁文章
扫一扫
1572
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
