乐竞体育

【物流】吴盛楠:AI数智技术驱动的京东物流一体化供应链建设

发表时间:2022-08-16 06:55:33 | 作者:乐竞体育

  本文以一体化数智供应链为主题,探讨多重市场变化驱动一体化供应链物流需求的快速发展,以及AI大数据技术服务能力在一体化供应链中的应用和实践,如供应链数智预测系统等。深耕一体化供应链物流服务这一核心主航道,满足企业需求,成为企业高质量发展的增长官、数字化转型的着力点、端到端效率的新引擎,为客户、行业、社会创造可持续的价值。

  京东物流在2017年之前主要是服务于京东商城,是企业内部的物流服务部门。在2017年从京东独立出来,成立为京东物流公司,不仅服务于京东商城,同时运用十几年积累的物流技术能力,向社会开放,服务于其他的客户和商户。京东物流的制胜法则是以技术优势为核心驱动,来提升体验和效率。

  借助于自2017年开始逐步打造的一体化供应链的服务能力,京东物流于21年5月在香港联交所成功上市。上市后把一体化供应链的概念推向市场,受到了市场广泛接受和认同。

  随着近十几年中国电商的快速发展,带动了后端履约物流基础设施的快速建设,同时产生了一批优秀的物流企业,它们在各自的领域里都有着领先的基础设施建设。大部分企业是围绕着基本的物流活动进行局部优化,规模稍大的企业会进行全局优化。

  在供应链四个阶段里,他们目前还处于初级或中级阶段,导致了在国内电商行业快速发展,以及物流行业快速建设的情况下,总体的物流费用高居不下,是欧美先进国家以及日本履约总额占GDP比例的两倍。深层原因是没有在整个供应链环节做协同。近期,我们在深度研究,基于专业化分工的供应链物流协同优化,包括产前物流:制造和生产环节,拉动商品全周期在履约上的优化,以进入供应链整体效益提升的高级阶段。

  同时我们以建设数字化能力为终极目标,用数字化技术驱动一体化供应链往系统化、算法化、数据化的方向发展。数字化、一体化供应链的建设分为3个阶段:智能规划、智能计划、智能执行。

  京东物流在长期的发展过程中,弥补了中国在一体化供应链服务方面的空白,我们在供应链发展方面的优势有3个:

  一是在物理世界的六张基础网络:仓配网络、最后一公里配送网络、大件网络、冷链网络、跨境网络、综合运输网络。六张大网交织在一起,排列组合出很多场景,以供我们提供在物理世界的服务。

  二是依托于一体化技术的发展,集团多年发展和沉淀出的算法组件和能力,与场景进行结合,产生了更好的业务效果。

  三是整个的生态协同发展,包括云仓的搭建,OTWB的能力建设,物流生态的对接,商流的生态建设,以及与供应商、合作伙伴的合作发展。

  京东物流一体化供应链,是用数字化的手段来实现供应链的落地,建设了供应链的智能超脑系统。

  超级大脑的建设是分层次完成的:前面几年主要聚焦在数字化基础设施的建设,包括长期沉淀的复杂业务系统,以支撑业务在网络上的执行运作,还有数据中台的建设,以及一些配套设施。在数字化基础设施上,打造了一个算法中台,两套工程服务平台:易卜工程化平台和数字孪生平台,孵化出3套系统应用:智能规划塔、智能计划塔、京慧供应链系统,用于对外部客户进行赋能和服务。

  算法中台不是简单的算法组件堆砌,它是以业务场景为依托,通过京东内部和外部客户行业场景的积累,抽象和沉淀出的算法能力支撑平台。这套算法中台和行业上其他同类产品最重要的异同点是,建立了丰富的供应链行业知识,沉淀出了面向业务和解决具体问题的逻辑方法论和步骤。

  建设中台的过程,是一个自上而下的解耦过程,把相对耦合的业务场景进行拆解,不同业务场景中共性的东西抽象出来,做成相对标准的组件,沉淀到算法中台上。

  当新场景产生的时候,碎片化的组件并不能自动有效的重组在一起,来满足业务需求的。因此,我们打造了工程化平台,主要目的是把已经解耦的组件重新组合,形成不同的模态,服务不同的业务场景。

  一个工程化平台叫易卜,到目前为止,该平台更多的应用于商物的预测。算法中台有了算法策略后,在易卜平台上可以快速地部署和应用,提升算法工程的效能,实现快速的串联成型。易卜平台实现了让整个过程可视、可配,同时可以把它给予前台销售人员,以供他们做项目POC时,快速根据场景去配置一些预测的应用展现给客户,同时满足他们一定的准确率的要求。

  易卜平台最底层是组件层,包含130多个预测模型,40多种算法策略,支撑30多种预测场景,以及十多种行业场景。

  利用场景和算法组件的组合,我们支撑了7000多个商家预测服务。算法中台和易卜平台的搭建,降低了同时对多个个性化商家的提供预测服务的难度,整体研发效能提升了57%,中小商家的平均预测准确率提升了10%左右。

  另外一个比较重要的是数字孪生平台。数字化是把物理世界变成数字化的表现形式,当数据化达到一定程度之后,把数据进行联通形成中台化,就可以用数据准确地表达物理世界的现实情况,我们就称之为数字孪生。

  数字孪生不是数字化的终点,最终是要通过在数字世界的模拟、优化,形成更优的决策,反作用回物理世界。做数字化是为了优化传统的生产系统,与生产系统做更好、更实时的结合。如果把这个比作飞轮,是希望飞轮转起来越快越实时越好。

  基于数字孪生平台,我们建设了一套产品体系称为一台双塔,台是指数字孪生平台,是对物理世界的数字化的表征描述。在此之上形成了双塔的产品体系:智能规划塔和智能计划塔,它们是算法驱动优化的产品,优化的结果会反馈到数字孪生平台里,用数字孪生对它进行仿真模拟,以优化效果,效果达到一定程度后推给生产系统,从而影响真正物理世界的运营效果。

  规划塔的一个重要作用,是在数据智能的驱动下做物流的顶层规划。把物流网络规划进行抽象,就是时空网络的问题,是涉及到点线面怎么去确定的问题。点是指仓库、枢纽等选在什么点上是相对最优的。线是指点和点之间怎么去连通,涉及到整个运输的路由问题。面是在点和线形成面,面和面之间跨区怎么进行协同配合。在京东物流全国体系里,有7000多个站点,200多个分拣中心,1200多个库房,在这么多的点的情况下,线也是交错复杂的,在点和线之间的选择和排产是非常复杂的。

  规划塔的一个重要能力是,在期望的业务目标下计算出最优解。因为现在整个网络的规模非常大,所以更多的是做静态方面的工作。静态的优化不是终极目标,终极目标是,在数字孪生体系里,把飞轮做的越快越实时越好。为此我们在技术上做了很多努力,比如传统的运筹学和AI机器学习的融合,把整个的计算效能提升了很多,从而解决更及时的问题。

  接下来是一个优化的案例。近两年在新冠疫情爆发下,物流工作面临着一些挑战,尤其是在2021年1月23号,武汉封城前夕,我们接到消息后对全网每天进行扫描优化。

  随着疫情的发展,对我们的基础设施冲击非常大,包括核心枢纽和一些路由的中断,还有一些仓的关闭。把这些基础设施切断了之后,如何有效把剩余基础设施进行组织,形成一个比较高效的网络,是需要我们实时响应的。在这种情况下,我们对系统进行升级,实现了更快速、更柔性的解决这些问题。比较经典的问题,包括全国运输网络路由规划、仓内生产规划、商品布局和排产优化、组单派单优化。

  京慧供应链系统,致力于用先进的数字化技术,帮助企业加速完成供应链数字化转型。

  京慧系统在架构和功能层面,是一套成熟的企业级客户服务系统。首先实现了预测,供应链优化是从预测开始,通过把对未来的预测,返回到数字孪生平台里做策略优化。在商流的预测能力上,我们投入了很多精力和成本,包括AI技术、算法策略和数据平台,在算法策略里包含了对行业的监控,形成一整套的预测系统。

  预测作为供应链优化的开端,是要为业务效果的优化进行服务的。在预测的基础上,我们开发了库存补调的产品体系,包含智能补货调拨系统,用于完成在不同级别的仓间进行补货调拨,在同级的仓里进行多级库存的优化均衡。底层逻辑是利用数字孪生平台,把库存进行孪生,再根据不同的库存管理策略进行正向模拟。看到效果后,从后往前进行反向优化库存参数,以达成更好业务指标。

  一个是消费品行业的案例,该客户在采用京东的供应链管理模式之前,由客户自己进行整体的商品布局供货。所有的货由客户自己来控制,放在什么地方,放到哪个仓里,怎么补货和调拨。最大的问题是整个企业之间的数据没有进行有效的整合拉通,造成对市场需求的反应比较迟缓。

  利用京慧系统对它进行赋能后,我们把全链路的数据进行整合拉通,同时基于需求预测的能力,对库存进行提前的布局和响应。客户现在把所有的供货的环节交给京东物流京慧系统,帮他在策略上制定和执行更优的网络布局、补货策略和管理库存。

  达成的效果是,不仅减少了物流整体的费用,同时提升库存周转和资金使用率,整体的履约率和客诉率也都有全面的提升。这是一个供应链行业里非常典型的案例,它反映了供应链整体优化,是需要整体去看,怎么做从端到端的一体化优化,不是单点的局部优化。

  另外一个客户是一个备件行业,就是制造业的案例,我们帮助一家国际零部件的生产厂商,搭建一整套端到端的数字化供电体系。包括原材料的销售预测与库存控制、订单评审与管理、公司级产销协同、集成仓排程、自制厂排程、CRM、OTWB系统。通过这套体系,把整体的库存降低了20~30%左右,同时供应商的准时交付率有所提升,客户的交付周期也有缩短。这是一个典型的,通过端到端的一体化、数字化的供应链整合服务,帮助客户进行全面业务提升的案例。

  以上两个案例是大型头部企业的优化案例,下面是中小企业的一体化智能供应链解决方案。我们认为,现在中国履约效率的问题,是要解决腰部企业的供应链优化问题。在客户商品入仓后,由京东进行全方位的托管,依托预测和库存算法,结合高品质的仓位赋能,助力商家提升供应链的效率,降低成本。今年第一年开始接触这部分客户,我们服务了约400多个商家,整体跨区占比降低了12%左右,对物流成本、供应链效率的提升,产生了比较好的效果。

  总结来看,京慧供应链系统依托于物流、商流和数字化技术,已经为中国4.1亿的活跃网络用户,提供了极致的物流体验。通过把智能系统服务贯穿到供应链各个环节,管理了数百万级的sku,服务了我们的头部客户,同时把服务能力赋能到中小商家,最终助力整个社会数字化的运营效率升级。

  我们打造这些能力,是通过两大方面,一方面是KA定制化的系统项目,另一方面是标准系统产品建设。这两个赛道存在矛盾点,在KA定制化的项目里,要投入大量的人力、物力和资源,对一些个性化的需求进行满足。但其中一些先进的业务,不能进行大规模复制,在服务中小商家时,为了让系统灵活服务于更多的客户,便于大规模的复制。我们在系统上面做了三个主要的动作:

  一是技术架构解偶,包括对业务场景的抽象重组和能力解耦,做需求配置,以同时支撑多个客户需求;

  三是在技术架构解耦和算法中台建设的基础上,打造标准通用化的供应链服务产品,进行自由的服务组合,以满足60%的基础需求。

  供应链行业的未来发展,首先是人才方面的建设。我们对大数据时代核心人才的定义是,不光要具有对Datascience-人工智能算法的研究,同时要具备非常好的工程化能力,并且在此基础之上,要去深度的了解业务。这三个象限的交集是我们对未来人才的要求和选拔的条件。

  从业务层面来看,我们是围绕着整个供应链,打造数字孪生开放体系。在我们服务不同行业的外部客户时,发现现在中国大部分的企业还处在第一阶段-数字基建阶段,还没有把信息化数据化做好。

  我们内部是在推向第二阶段-建设数字孪生平台,在数据化和信息化建设到一定程度的基础上,去推动整体数字化建设。数字化是指用一种反作用力,把在数字世界的优化、模拟算法的效果,落回到物理世界里。

  最高级别展望是建立整体生态圈儿,在数字原生的基础上,趋向于一个虚实相结合的产业元宇宙的状态。

  Q:关于传统的运筹优化方法跟深度学习结合的方案,有好的参考案例可以介绍吗?

  A:在数字孪生系统里,我们用了比较多的AI和运筹相结合的方法。传统运筹对算力的要求比较高,在参数模拟环节里,很多参数是通过AI进行提前或者在线训练的,通过把训练好的参数置回到运筹系统里,用数据模型进行优化,优化出的结果,会产生数据集,把数据集反馈到深度学习的算法里,进行重新训练。这就是一个循环AI和运筹互相促进的过程。在数字孪生里,未来在建设更实时化的完整体系时,需要两者进行深度的沟通。

  Q:在入库、补货、调拨等库内的操作中,京东物流有做一些比较有趣的例子,可以分享一下吗?

  A:仓库是在一个四面墙里,我们做了很多方面的尝试。比如集合单的优化,商品在拣货的过程中,如何把相近的一些货物进行集合归类,目的是减少拣货员的行走的总体路线。这是一个非常经典的排线问题,也非常困难。涉及了预测的问题,首先要对未来进行预判,在预判的基础上,结合运筹和AI的技术,一起解决这些问题。

  【物流】王继祥:中国应急物流重要文章汇编(战疫必备,最新版本,320多篇文章)

  【物流】王继祥:机遇与挑战:大变革时代的现代城市物流配送(50多页PPT)

  【物流】王继祥:十四五经济发展新格局与家居物流新机遇(演讲视频与PPT)

  【物流】王继祥:发展小店经济:促消费、惠民生、稳就业的重大举措--《关于开展小店经济推进行动的通知》政策解读

  【物流】王继祥:日美产业链会加快搬离中国吗?请看摩根斯坦利最新调研结果!

  【物流】王继祥:中国应急物流320多篇重要文章汇编(战疫必备,最新版本)