2019年蘇寧物流智能決策系統建設與應用.pdf

《2019年蘇寧物流智能決策系統建設與應用.pdf》由會員分享，可在線閱讀，更多相關《2019年蘇寧物流智能決策系統建設與應用.pdf（22頁珍藏版）》請在三個皮匠報告上搜索。

1、蘇寧物流智能決策系統建設與應用01人工智能決策優化簡述蘇寧物流AI技術應用蘇寧物流決策優化應用案例經驗總結和展望020304什么是智能決策系統路徑規劃分派優化商品流生產排程商品定價投資組合優化降成本提效率升體驗機器學習運籌化優深度學習文本圖像視頻語音。推薦系統預測聚類關聯分析分類。視頻。運籌優化定義及解決的問題路徑規劃配送排程網絡規劃分配問題物流商品智能定價智能補貨智能倉儲零售投資組合決策金融產品定價風控與征信金融運籌定義：尋找在滿足約束條件下能夠最大化/最小化某一目標的最優決策min()()01,()01,xijimizef xsubject to g xish xjt=!優化問題三要素：目

2、標函數/決策變量/約束條件選定業務場景調研業務，確定優化目標定義一個決策優化問題抽象優化模型三要素建立數學規劃模型建立優化模型選擇求解算法，評估算法性能和最優性優化方案和場景對比驗證問題求解和模型驗證數據接口功能數據處理功能應用服務系統應用系統搭建產品上線和推廣算法最優方案持續優化上線應用迭代優化如何實施一個智能決策項目運籌優化建模類型及常規算法適用多決策變量（數量或種類不止一個）適用約束或目標可能非線性求解復雜耗時長，可選用開源或商用求解器數學規劃建模適用實時性要求高的組合優化問題需結合業務場景構造搜索迭代方式求解性能快，但是解并不是最優規則算法建模適用組合優化問題（VRP、TSP、背包問題

3、等）適用決策變量單一需構造搜索迭代方向和當前最優解的跳出機制元啟發式建模精確算法分枝界定法割平面法列生成動態規劃法元啟發式算法遺傳算法蟻群算法模擬退火鄰域搜索粒子群算法規則建模兩階段算法C-W節約法最近鄰算法最近插入法全鏈路供應鏈服務覆蓋全場景用戶需求倉儲網絡小件冷鏈跨境骨干網絡運輸分撥末端網絡快遞點小店倉配冷鏈快遞即時配跨境快運售后送裝科技+效率驅動體驗+成本輸出供應鏈、用戶物流基礎設施蘇寧物流運籌風控圖像語義預測天機AI平臺智能地址分單智能地址糾錯智能地址識別客服智能機器人自動語音電聯天眼助手面單圖像識別收貨視頻監控人臉識別考勤違禁品識別裝載率監控作業違規異常識別包裹破損識別產線異常報警發

4、貨視頻監控分析網點刷單識別運費套取識別智能盤點庫存ABC送達時間預測銷量預測作業量預測p智能運輸排程p智能地址服務p快遞點布局p運輸網絡規劃倉庫效率提升p上架推薦p智能補貨p智能裝箱AGVp上架策略p訂單組批次p訂單貨架分配小店主題p運輸排程p智能配送排程、p庫存ABC服務p服務個性化p流程自動化p支撐智能化路由規劃分析提升監控調度貨量預測網絡規劃p智能分撥調度p大件智能分單p售后智能派工p即時配智能分單作業調度智能盤點、產線異常、網點刷單識別、運費套取識別特征工程、特征選擇、LR、RandomForest、Xgboost、DNN即時配分單、揀選路線優化、大件派工、小店調撥、售后派工整數規劃、

5、線性規劃、VRP、網絡流、C-W節約里程、遺傳算法預測規劃調度執行控制銷量、騎手時效、庫存、線路貨量干線運輸網絡、快遞點選址、前置倉選址、支線配送網絡規劃，仿真鄰域搜索、禁忌搜索、遺傳算法、兩階段算法、最鄰近插入法分類、聚類、樣本不平衡、異常識別、圖像識別、NLP智能決策系統建設思路業務系統傳輸WindQKafkaRsfFlume處理實時計算任務實時計算任務離線計算任務離線計算任務算法實時算法引擎實時算法引擎運籌優化圖像識別離線算法引擎離線算法引擎應用服務路徑規劃包裝推薦運輸網絡優化智能派工SparkStreamingFlinkSparkHive特征工程機器學習蘇寧物流智能決策系統架構圖IDE

6、DATAX數據倉庫業務系統最小成本多商品流問題：物流運輸網絡規劃如何規劃線路？如何設計車輛班次？如何選擇車線和運行模式？如何分配包裹路由？干線運輸線路3000+年包裹量23億+備選路由數12億+分撥中心500+在物流運輸網絡中，通過優化車輛線路規劃和包裹路由，在保障時效的情況下，使總成本最低1、合并路線降低成本2、拆分路線提高時效3、新建中轉優化成本網絡流和多商品流問題多商品流問題（Multi-commodity Flow Problem）給定一個有向圖，圖中每條邊都有一個容量，需要將貨物在網絡中從源點運送到匯點目標函數：最小化總成本約束條件：1.網絡拓撲約束2.線路容量約束3.時效約束4.其

7、他業務約束 最小成本多商品流網絡流（Network Flow）多商品網絡流問題是指多種貨物在網絡中從不同的源點流向不同的匯點的網絡流問題從0開始構建線路和路由和現有網絡可能差異較大問題規模過大，求解性能較難滿足考慮對現有網絡的調整幅度限制加入線路調整的最低閾值，減小網絡波動考慮規劃模式和成本之間的平衡適用于中短期網絡微調和優化適用于未來長期網絡設計參考物流運輸網絡規劃：混合整數規劃啟發式算法精確求解算法m$&?&,+$($01246789:;=;+$01246789:?=)?0C(&1)&$0K?0C,&$0K?0C,$0K?(0,&)CN Q$019R?0CS=Uf(0)0./時效滿足產品設

8、計要求/min 運輸成本+中轉成本+囤貨成本/中轉量不超過分撥處理能力限制/每輛車貨量不超過車輛載量限制/起點發出總貨量等于總需求量+$(0K 0K)?0C,&?&,年運輸成本 降低3000萬智能倉儲布局倉容利用率 提升42%，綜合作業效率提升35%的效果。背景：5月14日,在2019中國便利店大會上,中國連鎖經營協會發布“2018年中國便利店TOP100”,蘇寧小店成最大黑馬,以4508家門店(2018年)的保有量名列第四位,僅次于中石化(易捷)、中石油(昆侖好客)和美宜佳。需求：在滿足車輛數少，車輛裝載率高的條件下，從配送中心到門店的配送線路的行駛里程數盡可能小車輛路徑規劃問題（VRP）目

9、標函數約束條件1.時效滿足各門店要求；2.滿足所有門店調撥貨量需求；3.每輛車貨量不超過車輛滿載上限；4.一個門店只被分配給一條線路；.行駛里程數盡可能小規劃5000+門店的配送路徑門店調撥路線優化VRP問題經典求解算法精確求解法啟發式算法：Clarke-Wright算法單區域門店超過200個點，精確解算法無法能夠在合理的時間內完成計算。ALNS自適應大規模鄰域搜索（1）魯棒性，ALNS 使用了幾個互補的鄰域定義，這是對搜索空間的良好探索；（2）自調整性,權重的自適應意味著有限的調整努力來校準算法；（3）包容性，不需要選擇鄰域1）輸入：問題實例2）FirstSolution()產生初始解s，模

10、擬退火初始溫度T3）While總循環輪次segment=250(或停止條件不滿足)4）For 循環次數iteration=1,2,3,.100:5）以輪盤賭方式選擇一個摧毀因子，一個重建因子6）通過摧毀當前解s并重建，得到另一個解S17）若S1優于S，令S=S1；否則以一定概率保留S18）更新模擬退火溫度T=T*c(0c1)9）更新摧毀因子、重建因子權重10）返回最優解s節約行駛里程34.7%；門店調撥路線優化800+派工員司機經驗排程背景純人工派工，工作內容單一、繁瑣、重復性量大等特點明顯；司機根據經驗對配送進行排序；主觀性較強，缺乏數據支撐；提升車輛裝載率23.4%縮短配送距離13.6%，

11、縮短配送時長12.3%；大件智能自動化派工優化目標p 承運商車輛數量最少；p 承運商總里程數最短；p 單車行駛距離差異較??；約束條件a.車輛裝載b.單車件數c.總作業時長d.訂單平均作業時長物流中心即時配智能分單p該配送調度問題屬于典型的NP-Hard問題，解空間巨大p實時性要求高，算法只允許極短時間給出最終決策問題描述問題難點考慮訂單取送地址、訂單備貨時間和訂單期望送達時間，以及騎手實時位置、騎手當前任務數等因素，生成訂單和騎手匹配度矩陣，基于匹配度矩陣做全局最優匹配即時配智能分單訂單逐一分配，實時最優第一代：最近插入法a)取、送時間窗；b)騎手已有負載、滿載容積；c)騎手屬性（等級、資質、

12、效率、評價）；d)訂單屬性（價值、品類）盡快送達、超時率低、騎行距離短、分單公平約束條件優化目標第二代：匈牙利算法動態壓單，一段時間內最優第三代：預測+優化波次并單，考慮未來訂單量，預留運力，整體最優配送時長15.8%人均效率11.4%$U?U_U$U=1?U，$U=1?U=01智能配送排程【優化目標】快遞員配送行駛距離盡可能短；【決策變量】訂單配送順序【約束條件】a）攬，派件時間窗b）顧客屬性c）訂單屬性背景：需求：在滿足配送時效前提下，從末端站點到顧客地址的配送線路的行駛里程數盡可能小最后一公里末端配送，輔助蘇寧天天配送快遞員在配送包裹快件時配送次序及路徑；典型排程問題（TSP）根據業務場

13、景背景及需求分析該問題是典型的TSP問題，即從時效、興趣點、貨量、裝載量、訂單屬性等角度出發，運用算法智能推薦最后一公里配送排程，從而降低配送成本、縮短時效、提升配送效率。ABCDDCBAABCESDDBCSAESSEE問題：1.計算性能不滿足訂單計算時效要求；2.全部訂單排程導航距離快遞員使用體驗較差；第一代：貪婪算法第三代：動態規劃+變領域算法全部訂單逐一計算，實時最優問題：1.計算性能滿足，計算結果不優；第二代：遺傳算法初始解+遺傳算法，優化排程結果展示優先展示次序；便于快遞員識別；按小區/寫字樓/學校等興趣點聚合分層計算排程，求最優解；智能配送排程配送距離13.4%總結和展望01決策優化項目實施的難點 有妥協的應用評價三段論 業務目標、算法指標、運營指標選擇功能和性能平衡的算法 未必是最優解模型與數據相結合 強化學習020304