<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>物流优化 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E7%89%A9%E6%B5%81%E4%BC%98%E5%8C%96/</link>
    <description>Recent content in 物流优化 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Wed, 24 Sep 2025 19:33:02 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E7%89%A9%E6%B5%81%E4%BC%98%E5%8C%96/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>供应链与需求间的智能桥梁技术解析</title>
      <link>https://blog.qife122.com/p/%E4%BE%9B%E5%BA%94%E9%93%BE%E4%B8%8E%E9%9C%80%E6%B1%82%E9%97%B4%E7%9A%84%E6%99%BA%E8%83%BD%E6%A1%A5%E6%A2%81%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Wed, 24 Sep 2025 19:33:02 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E4%BE%9B%E5%BA%94%E9%93%BE%E4%B8%8E%E9%9C%80%E6%B1%82%E9%97%B4%E7%9A%84%E6%99%BA%E8%83%BD%E6%A1%A5%E6%A2%81%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;供应链与需求间的智能桥梁&#34;&gt;供应链与需求间的智能桥梁&lt;/h1&gt;&#xA;&lt;p&gt;在今年Prime Day活动期间，全球消费者从某中心商店购买了超过2.5亿件商品。配送体验团队（DEX）的核心使命是平衡来自全球履约中心的信息（物品存储位置、数量及相关物流数据）与客户需求信息（所需商品及交付时间），确保供需两端高效互动。&lt;/p&gt;</description>
    </item>
    <item>
      <title>机器学习模型在物流与人类行为中的融合应用</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%9C%A8%E7%89%A9%E6%B5%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA%E4%B8%AD%E7%9A%84%E8%9E%8D%E5%90%88%E5%BA%94%E7%94%A8/</link>
      <pubDate>Tue, 23 Sep 2025 22:35:21 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%9C%A8%E7%89%A9%E6%B5%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA%E4%B8%AD%E7%9A%84%E8%9E%8D%E5%90%88%E5%BA%94%E7%94%A8/</guid>
      <description>&lt;h1 id=&#34;机器学习模型在移动性与人类行为中的交汇&#34;&gt;机器学习模型在移动性与人类行为中的交汇&lt;/h1&gt;&#xA;&lt;p&gt;Mahdieh Allahviranloo作为某中心末端科学团队的访问学者，利用其在交通工程领域的专业知识协助优化末端配送运营。通过实地跟随纽约市的配送司机，她观察到算法逻辑与城市实际状况之间的差异——司机基于对布鲁克林街道停车挑战的认知，自主进行包裹聚合和步行配送的智能优化。&lt;/p&gt;</description>
    </item>
    <item>
      <title>运筹学专家获INFORMS院士荣誉</title>
      <link>https://blog.qife122.com/p/%E8%BF%90%E7%AD%B9%E5%AD%A6%E4%B8%93%E5%AE%B6%E8%8E%B7informs%E9%99%A2%E5%A3%AB%E8%8D%A3%E8%AA%89/</link>
      <pubDate>Tue, 16 Sep 2025 07:04:40 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E8%BF%90%E7%AD%B9%E5%AD%A6%E4%B8%93%E5%AE%B6%E8%8E%B7informs%E9%99%A2%E5%A3%AB%E8%8D%A3%E8%AA%89/</guid>
      <description>&lt;h1 id=&#34;某中心首位研究科学家当选informs院士&#34;&gt;某中心首位研究科学家当选INFORMS院士&lt;/h1&gt;&#xA;&lt;p&gt;全球最大的决策与数据科学协会INFORMS于10月4日正式任命12名成员为院士，其中包括某中心全球运营与物流组织首席科学家Russell Allgor。INFORMS院士称号是运筹学领域的最高荣誉之一。&lt;/p&gt;</description>
    </item>
    <item>
      <title>机器学习模型如何优化城市配送与人类行为</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BC%98%E5%8C%96%E5%9F%8E%E5%B8%82%E9%85%8D%E9%80%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA/</link>
      <pubDate>Fri, 12 Sep 2025 15:27:56 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BC%98%E5%8C%96%E5%9F%8E%E5%B8%82%E9%85%8D%E9%80%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA/</guid>
      <description>&lt;h2 id=&#34;机器学习模型如何优化城市配送与人类行为&#34;&gt;机器学习模型如何优化城市配送与人类行为&lt;/h2&gt;&#xA;&lt;p&gt;Mahdieh Allahviranloo作为某中心最后一公里科学团队的访问学者，利用其在交通工程领域的专业知识，协助优化某中心的最后一公里配送运营。她通过数据挖掘、统计分析和优化模型研究城市中个体的移动模式，并将这些技术应用于管理配送站的运输量和劳动力分配。&lt;/p&gt;</description>
    </item>
    <item>
      <title>物流网络区域化优化技术解析</title>
      <link>https://blog.qife122.com/p/%E7%89%A9%E6%B5%81%E7%BD%91%E7%BB%9C%E5%8C%BA%E5%9F%9F%E5%8C%96%E4%BC%98%E5%8C%96%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Wed, 10 Sep 2025 17:55:11 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E7%89%A9%E6%B5%81%E7%BD%91%E7%BB%9C%E5%8C%BA%E5%9F%9F%E5%8C%96%E4%BC%98%E5%8C%96%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h2 id=&#34;区域化战略的技术实现&#34;&gt;区域化战略的技术实现&lt;/h2&gt;&#xA;&lt;p&gt;2020年，某中心在美国的零售履约网络快速扩张。随后进行了一次重大而迅速的业务转型——将全国性的履约中心（FC）、中转分拣中心和“最后一英里”配送枢纽重组为八个基本自给自足的区域网络，同时保持全国覆盖。这项转型被称为“区域化”。&lt;/p&gt;</description>
    </item>
    <item>
      <title>机器学习模型如何优化城市配送与人类行为</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BC%98%E5%8C%96%E5%9F%8E%E5%B8%82%E9%85%8D%E9%80%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA/</link>
      <pubDate>Sun, 07 Sep 2025 09:37:50 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BC%98%E5%8C%96%E5%9F%8E%E5%B8%82%E9%85%8D%E9%80%81%E4%B8%8E%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA/</guid>
      <description>&lt;h1 id=&#34;机器学习模型如何优化城市配送与人类行为&#34;&gt;机器学习模型如何优化城市配送与人类行为&lt;/h1&gt;&#xA;&lt;p&gt;在一次纽约市的配送随行观察中，Mahdieh Allahviranloo亲身体验了算法逻辑与城市逻辑之间的差距。司机的智能超越了预测机器的智能。原因何在？因为司机深知布鲁克林街道停车的挑战，以及城市配送的其他细微差别，她正在整合包裹，从更少的停车点步行配送。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
