Napovedovanje naročil za problem optimizacije v zadnjem kilometruGaberšček, Maj (Avtor) Vidali, Janoš (Mentor) napovedovanje povpraševanjastrojno učenječasovne vrsteoptimizacija dostaveV magistrski nalogi obravnavamo napovedovanje števila naročil oziroma povpraševanja znotraj logističnega procesa dostave v zadnjem kilometru. Cilj naloge je generiranje natančnih napovedi števila naročil po regijah in časovnih oknih ter nato uporaba napovedi na praktičnem primeru problema optimizacije poti (reševanje problema VRP). Vhodni podatki so realni podatki anonimne spletne trgovine, ki so agregirani po regijah in časovnih oknih. Zaradi zakonodaje GDPR in interesa podjetja pravih podatkov ne smemo objaviti, zato jih je bilo treba najprej anonimizirati. V postopku anonimizacije smo standardizirali časovna okna, zapolnili luknje v podatkih in dodali šum. Nato smo definirali novo dostavno območje in na njem samodejno definirali smiselne regije (večkotniki) s pomočjo gručenja. Del anonimizacije je zajemal tudi smiselno dodelitev časovnih vrst na nove regije s pomočjo skaliranja in drugih transformacij. Anonimizirane podatke smo nato analizirali z namenom vpogleda v strukturo in odvisnosti, saj to omogoča bolj optimalne definicije napovednih modelov. Za napovedovanje smo najprej definirali nekaj statističnih modelov, s pomočjo katerih smo kasneje lahko primerjali dodano vrednost nekaterih kompleksnejših modelov. Od statističnih modelov smo primerjali model zadnjega tedna, model povprečja po dnevih v tednu, model uteženega tedenskega povprečja in agregacijski model Divide et impera. Od kompleksnejših modelov sta bila implementirana model naključnega gozda in model LSTM. Izkazalo se je, da je model Divide et impera dosegel najboljše rezultate med vsemi modeli. Iz tega lahko sklepamo, da kompleksnejši modeli ne presegajo rezultatov statističnih, zato njihova uporaba v praksi ni smiselna. Prav tako vidimo, da se nam bolj splača napovedovati število naročil za celotno območje in nato napoved razdeliti po regijah glede na njihovo velikost. Pomembnost predikcije v praksi smo preverili z uporabo simulacije problema optimizacije poti (VRP). Primerjali smo uspešnost in kvaliteto razvoza v primeru, ko kupcem dovolimo izbirati dostavna časovna okna poljubno in v primeru, ko nekaterim kupcem omejimo izbiro na podlagi napovedi. Pokazalo se je, da sta dobra napoved in omejitev dostavnih časovnih oken vplivali na več dostavljenih naročil, boljšo izkoriščenost vozil in manjše stroške na naročilo.20262026-10-15 08:15:14Magistrsko delo/naloga189767sl