清华大学深圳研究生院 副教授 戚铭尧

在2018年（第十一届）物流领域产学研结合工作会上的演讲

（2018年4月26日 都匀）

一、单位概况

清华大学深圳研究生院主要培养两个专业的研究生，一是物流工程硕士，二是管理科学工程博士，以硕士培养为主。硕士每年招生20人，博士每年招生10人左右。学院有6个导师，分别负责研究运输系统建模与优化、仓储系统优化与仿真、供应链及生产系统建模与规划、港口运作与港口经济等。

研究生培养一是通过选拔参加暑期夏令营活动，二是通过推免面试，三是通过研究生招生考试和复试，考研占50%左右。学生毕业的情况：在2011-2017年毕业学生92人，平均每年毕业人数20人左右。重点单位的就业率是42.86%，主要包括国家机关、军工单位、省部级科研单位、重点国有企业、重点金融单位、重点院校、重点媒体等。我们学生的就业在一些比较好的企业，比如华为、顺丰、菜鸟网络、商飞、京东等。

二、校企合作存在的问题

我们给国内很多领先的企业提供了产学研服务，比如华为、顺丰、唯品会等。关于产学研结合，可能很多学校的老师都有从事这方面工作的意愿，企业也非常有意愿，但是在实际过程中可能还存在不少疑惑：如何选择合适的企业、合适的项目作为切入点？如何平衡学术研究和横向课题之间的矛盾？如何保证有足够的人员参与横向课题研发？如何保证项目参与人员能胜任研发任务？如何解决企业需求多样化的问题？如果将科研成果转化到企业？

三、产学研案例探讨

案例一：制造业物流与供应链优化

企业芯片在仓库堆放存在需要经常挪动箱子的问题，希望我们设计一个新型仓库及拣选方法。之前他们用I2供应链软件做采购计划，但是成本及顾问费用非常高，超过一千万。通过我们设计的算法，费用远低于国外软件企业的费用。后来发展到需要有一个仓库运输的电子探测器，仓库里面人员作业时，对每个人的作业任务进行规划和安排，同时要把这个安排做展示。去年为该企业做了物流机器人的调度规划。现在机器人是非常热门的话题，机器人的硬件可能有很多，但如果有100台机器人在一定空间里同时作业，机器人之间如何协调、避障，如何下发任务给每个机器人使得综合效益最佳，就需要很多优化技术。我们设计了一套物流机器人系统架构，做了多机器人之间的协调控制，使它们通过交叉路口时不会互相碰撞。通过连续四期持续不断的合作，现在正在规划第五期。在这个过程中，企业认为非常有收获，所以会持续跟我们合作。

案例二：电商企业订单拣选算法

某电商企业在华南区有个大仓库，每天处理订单约13万个，每天处理商品约28万件，仓库面积约40万平米，作业人数约为3000人，人均拣货里程约20公里。每个人都推着小车一路小跑去拣货，因为拣货量跟收入是相关的。这时我们帮忙做了一个算法，管理订单的组批，一批不止拣一个订单，可能是二三十个订单，如果组织不好，最后整个路程会长很多。用了我们的算法之后，通过优化拣选路径，比之前按照自然顺序拣选，至少能够节省30-40%的时间。

这一期之后，企业提出新需求，快递员有很多订单要送，应该先送哪个、后送哪个？如何将快递配送线路优化？甚至要考虑到快递员的经验，因为有的路线在地图上根本体现不出来，一些用传统算法算出来的路线不一定是最优的，因此用老快递员的经验历史数据进行分析，推荐给新手快递员进行路径优化。

之后又提出一个需求，要规划建一个几十层高的大楼，每天员工下来收快递，浪费的时间非常多。该怎么样解决这个问题？这就涉及到是否能用机器人到楼里送快递，所有的快递都送到地下负一楼，塞给机器人送到楼上去。这个问题涉及到硬件、软件、算法等。我们需要提炼出核心问题，包括软件系统、车体系统、货柜系统、外部控制系统。这些系统里面的一些关键技术，比如说大规模实时调度优化算法，配送小车的精确定位与运动控制，自动化车货交接模式，基于大数据的电梯拥堵程度预测等。

案例三：中国移动四川公司区域配送中心选址

为综合平衡区域配送中心减少，库存周转率需要提高的问题，我们利用了“定量化分析和建模分析”。之后，仓库里涉及到三维装载的问题，即如何尽量把一个货车装满。最近又提出新的问题，不光有规则的箱子，还有不规则的圆柱体，它和长方体怎么样联合优化。企业会有新的想法和新的问题，需要不断沟通。

案例四：某金融押运企业押钞车路径规划

案例五：中国南方电网多点配送路径规划

在做了很多案例的基础上，跟车辆路径相关的规划整合成了“车辆路径规划云平台”，通过平台能够解决很多应用场景下的优化问题。

后来，我们又考虑到有很多城市配送用电动货车的路径规划，由于里程有限，涉及到中途充电的问题。

案例六：快递与零担运输网络规划

这是一个经典问题，考虑到当发生爆仓的情况下，怎么样实时应对，我们考虑了一个有弹性的问题。根据这个问题，我们申请到了国家基金。我们从很多企业的现实需求里，可以提炼出很多科学问题，也是可以帮助我们做科研。

案例七：物流机器人系统优化

亚马逊的机器人出来之后，国内也不断有企业在做。我们的实验室认为，我们在运筹优化、自动控制领域有一定优势，所以开始跟企业合作研发物流机器人。结果是到去年成果转化之后，物流机器人项目获得了A轮融资。这是我们研究生院第一个获得A轮融资的成果。成果转化包括一系列机器人，马上进入B轮融资的阶段。

以上是对产学研结合相关工作的介绍。接下来分析一下应该注意哪些问题？

首先，要从应用中敏锐捕捉前瞻性需求并提炼为科学问题。比如现在无人机很火，是将来发展趋势，那么将来无人机送货会遇到什么问题？将来无人机是协同工作的，车开出去，无人机送货完毕后可以落到车上，这是一个很好的提炼研究。电动汽车、共享汽车、共享单车等问题也都是非常新的应用，能够提炼出很好的研究点。

第二，与具有一定研发能力的企业合作，剥离非核心需求。并不是说要区分企业的大小，最主要的原因是每个老师的研究方向是很窄的，能做的事情有限，只能把自己的精力投入到很核心的地方。这不仅仅需要老师能有剥离非核心的能力，更需要企业有这样的能力。只有对自己的需求有规划设计能力，合作起来才没有后患。

第三，聘用少量高水平的专职研发人员。因为学生是流动的，很多知识不容易积累，新学生来了之后要经过很长时间地培训和专业锻炼才能够具备能力，所以有一些算法和编程的工作都可以交给一个工程师，不一定交给研究生去做，甚至于有一些编码工作，都需要去、一些高水平的开发人员，这就需要有一定的经费支撑。这面临一个困难，我们跟着项目走，这个项目完成之后钱没有了着落。大概在2005、2006年，我们学部的主任拿到了政府一笔700万的投入，当时最多的时候雇了20个软件工程师来做开发，但是后来经费遇到了困难，这个项目经费很难有这么大的持续，最后工程师减少到只有几个，但他们的能力非常强，能够持续帮我们做一些项目。

第四，要专注自己的核心领域。每个老师研究的领域非常窄，但每个团队有不同的老师，大家互相配合，把不属于自己研究领域的项目要舍得转给其他人，不要想着什么事都自己做，互相配合，才能够把事情做得更专业，做得更好。

第五，要找到合适的合伙人，理顺机制，适时把技术转化到企业。假如我们有一个很好的技术，在实验室研发到一定程度，觉得有很大的市场空间。但作为老师，不可能把精力花在开拓市场，去销售和营销。这时需要找到非常有经验、合适的合伙人，理顺一个机制，形成一个非常规范的体系，保证这个成果转化的工作能持续进行。适时的把技术转让到企业，学校和老师团队可能共同占有一定股份，后面的市场化开拓、常规研发都是企业化运作，老师在这里主要是核心技术的研发。这就是一个互惠互利的产学研结合模式。

 （根据速记整理，未经本人审阅，转载请注明作者和来源中国物流学会、中国物流与采购联合会）