Promotie L. (Liana) van der Hagen

Hieronder volgt een korte samenvatting van het proefschrift: 

De populariteit van online winkelen is de afgelopen jaren sterk toegenomen, en biedt consumenten de mogelijkheid om producten aan huis te ontvangen. De thuisbezorging van boodschappen brengt echter uitdagingen met zich mee vanwege de lage winstmarges en hoge kosten van de ‘last mile delivery’. Klanten moeten thuis zijn om hun vaak grote en bederfelijke boodschappen te ontvangen. Om mislukte leveringen te voorkomen en klanten gemak te bieden, laten supermarkten hen doorgaans een bezorgtijdvenster kiezen.
Om hun bezorgcapaciteit efficiënt te benutten, kunnen online supermarkten dynamisch bepaalde tijdvensters voor nieuwe klanten sluiten. Ze hebben een mechanisme nodig om te bepalen welke klanten kunnen worden ingepland, rekening houdend met de beschikbare voertuigen. Enerzijds is het belangrijk om er zeker van te zijn dat er een routeschema is waarbij alle geaccepteerde bestellingen tijdig geleverd kunnen worden binnen de gekozen tijdvensters, gegeven de beschikbare voertuigcapaciteit. Anderzijds leidt het aanbieden van te weinig tijdvensters tot inefficiëntie en omzetverlies doordat de bezorgbussen deels leeg rijden. Klanten verwachten echter vrijwel direct een tijdvensteraanbod te ontvangen. Snel en nauwkeurig bepalen of een bepaalde klant nog in het routeschema past is lastig, omdat een voertuigrouteringsprobleem met tijdvensters (VRPTW) moet worden opgelost voor elke klant en elk tijdvenster.
In dit proefschrift onderzoeken we het beheer van tijdvensters voor online supermarkten, met aandacht voor de complexe relatie tussen orderacceptatie en routeplanning. We onderzoeken het gebruik van ‘supervised machine learning’ om beslissingen over tijdvensters in deze context te ondersteunen door snelle voorspellingen te doen over het wel of niet kunnen inpassen van bestellingen.