人工智能的物流圈（一）：京东预测与计划&供应链产销协同、菜鸟算法与机器学习分析

作者 | 小周伯通（微信ID：zhimingco）

来源 | 物流沙龙

最近两年大家都在谈论人工智能，包括前段时间刚闭幕的世界互联网大会上，马云、马化腾、李彦宏、雷军等大佬都在说这个话题，有无人驾驶、机器人的，也有说语言识别、图像识别、自然语言处理的。

而在物流圈，有一个词也和人工智能息息相关，那就是智慧供应链。

从我们理解的角度来看，智慧供应链自上而下分为三个部分，包括智慧化平台、数字化运营、自动化作业。如果把智慧物流比作人，那么智慧化平台是“大脑”，数字化运营是“中枢”，而自动化作业则是“四肢”。

智慧供应链利用智慧化平台去计算、思考、决策，通过数字化运营平台去量化供应商供货量、供货合理价格、仓储量、入仓位置、用户喜好等作出精准预测，从而指导企业经营以及仓储、运输等自动化作业。

想要打造智慧供应链就必须依靠人工智能技术来实现，而人工智能技术的进步必须要有精准的场景和海量的数据，并且这些数据都必须精准获取。

人工智能技术则针对要做决策的目标建立计算模型，将这些数据进行深度挖掘分析，再提供给AI计算机，让AI自主学习和运算，从而给出计算结果，指导电商整个产业链的运转。

其实，无论是线上零售，还是线下零售背后最核心的能力就是供应链能力。未来的零售转型方向是依靠需求驱动供给，这就需要智慧供应链。因为只有智慧供应链才能真正的感知和预测用户需求、习惯、兴趣，从而指导产业链上游的选品、制造、定价、库存以及下游的销售、促销、仓储、物流和配送。

而今天主要讲述的是最上层的决策层智慧化平台，从图谱我们可以看到主要分为预测与计划、供应链产销协同、控制塔、供应链中台、算法与优化、大数据。

那么，我们来看看京东智慧供应链的预测与计划和供应链产销协同是怎么做的？

先来说说京东的智慧供应链，始于 2012 年，首先从人工补货开始做起，逐渐线上化，起初拿一些品类测试，之后逐渐完善算法，但在过程当中也遇到过一些挫折。随后，又在垂直的领域做相应的研究，在图书、消费品等领域测试，一点点完善。

而流程自动化背后的，正是人工智能算法。通过数据的积累与分析，机器要知道什么时候分配产品，分配多少，放到哪儿去。整个决策通过算法去算，相比人脑决策会更加高效。自动化的背后人工智能支撑，所有的逻辑都要在算法层面上形成，这是京东多年以来的经验。

京东目前有 X 事业部和 Y 事业部两部分，这是京东出于对未来零售布局的考虑。X 事业部里面主要是对智慧物流研发布局，即无人车，无人机，无人仓，通过这些完全智能化，通过机器人来解决，形成全新的零售运营模式。

而 Y 事业部，则是通过供应链体系的这种流程再造，通过优化供应链来实现新的零售业的一个业态，这是从研发体系，特别是数据运用方面的探索。比如说京东很多商品的评价，从这些评价里能够挖掘出很多东西，包括用户的情感，用户对商品的体验，瑕疵和不足，需要改进的空间，京东 Y 事业部的数据决策能通过这些，利用人工智能，把消费者的需求进一步挖掘出来，反馈给品牌商，让他们持续优化迭代产品。

在3 月 2 日京东 Y 事业部战略发布会上，京东透露：到 2017 年底，预计京东平台自动化商品补货在核心商品中将覆盖 80% 以上的采购场景；日常的非促销价格调整 80% 以上可以由系统自动处理；同时，将有百家企业接入京东智慧供应链系统。

会上也首次对外发布了“Y-SMART SC”京东智慧供应链战略，其核心是围绕数据挖掘、人工智能、流程再造和技术驱动四个源动力，整合形成京东“商品、价格、计划、库存、协同”五大领域的智慧供应链解决方案。

简单来说，京东通过预测与计划的技术帮助京东商城与合作伙伴解决“卖什么、怎么卖、卖多少、放哪里”的问题。

比如在销量预测方面，京东将通过大数据、人工智能技术和电商敏捷性的积累打造更强的库存管理能力，用数据预测某款商品未来28天在每个仓的销量，从而助力采销提前且高效地进行库存管理，让商品现货率保持90%以上。

另外，京东通过销售数据测试各种各样的指数，这些指数能告诉供应链的各个环节，包括材料的生产环节，供应商供货环节，哪些商品供大于求，哪些商品供不应求，并通过指数化指标再回馈到供应链上。甚至通过工厂和品牌商反馈到供应链的源头，让源头知道生产的产品在质量，和用料有那些改进的空间，形成供应链上的良性循环。

Y事业部2017年的目标是，京东商城采购端的50%由补货系统自动完成。这个数字2016年为30%左右，2018年可能达到60%。智能定价、销量预测也在他们的研发范围内。

算法在供应链作业中有哪些应用？我们来看看菜鸟网络是怎么做的。

由上图可见，物流中的算法问题包含了库存管理、揽收、决策、仓内作业、干线运输、末端派送，范围涉及销量预测&网络规划、拣选路径优化、车辆路径规划、智能分单等。

下面截取其中几个算法简单说说：

第一个我们来看销量预测&网络规划

这一块的场景主要是帮助商家选仓，如何从全国范围内的菜鸟仓库中选择合理的仓库，优化配送时效和各方面成本？

由于需要对不同的商家单独求解，传统方法会有一些局限性。用机器学习模型进行销量预测从而进行囤货是一个方面，但由于销量具有很大的波动性，所以还要结合从仓库捡货的任务分配与路径规划。

第二个是箱型推荐算法

这套算法通俗来讲，就是可以利用算法优化，帮助仓库用更小的箱子装下所有的货品。在订单生成的那一瞬间，系统会自动计算出这个订单需要多大的箱子，几个箱子来装，找到最省材料的包装方法。

对于装箱的问题，为了优化算法，主要是根据历史订单数据设计每个仓库最适合的箱型；同时他们还用到深度学习的方法预测装箱顺序。

第三是智能分单算法

这一块主要应用在末端派送环节上，这主要是根据数百亿的历史地址库，做大量的数据模拟配送行为，然后帮助派送员预测最优路线，自动生成包裹路径。这就等于帮助派送员把包裹做了一次分类，同一栋大楼的分成一类，同一条街道的也分成一类，同时也会根据派送地址的远近提供最优路径。

第四，拣选路径优化

以往，分拨中心流水线上会有大量的分拣员，他们需要看着包裹上的地址信息，根据面单上“大头笔”代码，凭记忆将包裹分大区、分小区等步骤确认下一站到达哪个网点。

使用拣选路径优化后，读地址、书写大笔等环节都不需要了，因为算法会自动生成，并且通过电子面单直接打印出来。包裹到自动化流水线上后，结合大数据路由分单，完成自动分拣。

第五个是车辆路径规划

简单来说，就是把哪里的活、什么样的活、派给什么样的车，并且规划车辆的路径。

菜鸟网络今年自主研发的路径优化算法，技术上融合了大规模邻域搜索、超启发式算法、基因算法、分布式并行化和增强学习，在公开数据集上，算法已全面超过广泛使用的开源产品Jsprit，在Gehring & Homberger数据集上（客户点规模达到1000），已经持平若干项世界纪录。

目前该算法正在部分农村物流网点使用。根据每日单量，为农村的物流老司机规划配送路线，每天实时更新，在保证时效的基础上，可节省车辆、人力、邮费。综合测算下来，农村领域的物流成本能减少30%以上。

过去都是人为固定好的线路，现在通过大数据来分配路线，系统会根据每天实际入库量，生成一条智能配送线路，发送给农村配送司机。同时，每天配送的线路都是根据单量实时更新。

另外，在前不久由物流沙龙&罗戈研究院举办的“2017智慧供应链高峰论坛”上，罗戈研究院院长潘永刚发布了《2017智慧供应链图谱》。报告下载：完整版《2017智慧供应链图谱》PDF ，请点击“阅读原文”获取。

您对于该图谱的改进意见，以及如果您希望与我们进行合作，也欢迎与我们联系（微信: yushaowena）

此文系作者个人观点，不代表物流沙龙立场

END