喻园管理论坛2021年第34期(总第691期)

演讲主题: Predicting Human Discretion to Adjust Algorithmic Prescription: A Large-Scale Field Experiment in Warehouse Operations

主  讲  人: 孙建坤，伦敦帝国理工学院运营管理助理教授

主  持  人: 吴庆华，管理学院管理科学与信息管理系教授

活动时间: 2021年6月8日（周二） 16:00-17:30

活动地点: 线上腾讯会议，会议ID：395 174 083，会议密码：210608

主讲人简介：

孙建坤，本科就读于清华大学工业工程系，博士毕业于美国西北大学(Northwestern University)的Kellogg管理学院，现任伦敦帝国理工学院商学院运营管理助理教授。其研究兴趣是数字平台运营，特别是数字化和人工智能如何重塑一个组织的运营和影响消费者行为，运用数据分析和理论建模技术研究平台运营中的实际问题。其研究成果发表在Management Science和Manufacturing & Service Operations Management等国际权威期刊上。

活动简介：

传统的优化算法规定订单包装说明(哪个项目，在哪个顺序装箱)关注的箱子容量利用率，但往往忽视人类的行为偏差。我们观察到阿里巴巴集团仓库的包装工人对5.8%的包裹偏离了算法处方，这些偏离增加了包装时间，降低了操作效率。我们假设了两种机制，并证明它们会导致两种类型的偏差:(1)信息偏差源于工作者拥有更多的信息，从而得到比算法更好的解决方案;(2)复杂性偏差来自于工人对精确执行算法处方的厌恶、无能或自由裁量权。我们提出了一种新的“以人为中心的装箱算法”，它可以预测和整合人为偏差，以减少偏差，提高性能。该公司利用机器学习技术预测，工人们什么时候更有可能换到更大的盒子里，然后主动调整这些“目标包装”的算法处方。“我们与阿里巴巴集团进行了大规模的随机现场实验。订单被随机分配到新算法(处理组)或阿里巴巴的原始算法(对照组)。我们的现场实验结果表明，我们的新算法降低了目标包装切换到更大的箱子的比率从29.5%到23.8%，减少了目标包装的平均装箱时间4.5%。这种结合人为偏差来改进优化算法的想法也可以推广到物流和运营的其他过程中。