我今天讲一些具体的，刚才大家讲的比较宏观。我是一个学者，我讲论文导向的科技成果转化，是结合我自己实验室做的一些科技成果转化。大概从2000年到现在，我一直都研究物流和供应链，最近也成为基金委国家创新体负责人、基金委重大项目负责人。

第一，我讲的是机器人物流场景，怎么去上架、存储和取货。以一个企业实际机器人物流场景为例，10000平方米的面积里有2000多个货架，60个机器人，中间还有上货下货的点，右侧有人工操作货架，最后取货满足客户的订单需求。在整个仓库里有很多存储位置，会产生很多虚拟的过道，这是码的比较规整的情况。第一个是上架，在常见的仓储系统里面，一般会通过AGV把货上架，上架上的巧妙，一个订单取几个货，一个货架就可以满足。如果上架上的不好，可能需要好几个货架，这样会耗费大量的路径成本。第二个是仓储，在理了货之后，让机器人往仓里面放，放在什么位置，就直接影响了后面取货的效率。如果把经常取的货放的很远，把不经常取的货放的很近，也会增加很多成本。第三个是取货，一次取很多货的时候，先取谁后取谁的问题。这是仓储系统里常见的三个基本运行决策。一般情况下很多研究和仓储里面做管理的时候，是分三个不同岗位的人进行操作，也就是相对割裂的。我们研究试图把三个做联合决策，去发现它们之间的协同，实际上在每个仓库里面的协同也是巨大的问题。

我们做这样的研究，就会涉及到仓储实际运输的时候，要知道每一个入库的货物、收货的时间、仓源、目的地、数量等数据，去满足做上架、存储、取货的决策信息。从订单导向，每一个订单是从哪个货位取的，哪个机器人运的，这个信息全部都要拿来。在此基础上，我们做理论上的分析，在理论上做联合的决策，提出解决思路。因为联合起来做决策，数学模型就会极其庞大，就不具有可操作性。我们就变成企业可操作的方案，怎把联合的过程中分成两个层级，一是放在仓储里面分类，把货物放在分类的级别去做三个联合决策，二是做到机器人每一类里面货物的存储移动。然后实行了分解，在分解的基础上提出算法，这个算法我不展开讲了，结果企业里面的实际情况和理想的确定性情况偏差是非常小的，也就是我们能够得到非常好的理想中的解。联合决策的价值是什么呢？和分开决策进行对比，会显著提升40%，如果随机仓储不匹配的话，会提升50%。和企业真实的对比，大概是30%的提升，联合决策对企业有很大的价值。

第二，我讲一下平台物流。在电商的情况下，我们有大量的电商数据，这时怎么做仓库里面的仓储呢？我举一个例子，在美国平台上有一个中国的跨境企业，生产了大量的服装商品，这些商品的特征是什么呢？生命周期一般只有3-6个月，因为都是时尚女装，切换的速度都非常快。我们存货的时候，要把常见的，像超市一样的，把这个货分类，就是ABC Curve，用的是随机仓储。原因是新的货太多，即使是老的货，这个月畅销，下个月压根销不出去。要用书上的东西就不行，所以说传统的ABC仓储方法在这就会受到很大的瓶颈和影响。通过企业的实际数据可以看出，每个月的新货到场都是超过20%的，总体上造成的结果是准确率都低于70%。这就说明用传统教科书的东西来分类仓储，就会造成极大的误差。

面对这样的情况，书本上的东西是不能简单的用了，这个知识在60年代的时候有一篇非常有名的文章，怎么去做仓储，后来在教科书里面也有这样的理论。我们就是要解决在快速变化的大数据环境下，企业是不是可以考虑用分离仓储，关键就是预测和优化技术能不能解决。我们就提出了一个策略，虽然是新的产品，能不能把你的需求动态的预测出来呢？这是一个很大的挑战，所以第一步就是要收集海量数据，把计算机的工具和管理的工具结合起来，先基于这些去做一些统计和机器学习，去做实时预测。尤其是新上来的产品，怎么知道它的需求？怎么知道老的产品下个月的销售量就会急剧下降？如果这个事情能把控，然后放到一个动态仓储的模型里面产生互动，这个问题就能解决，所以就是要把这个技术给攻关下来。

预测新品的思想，宏观地说就是一个新品出来之后，特征是固定的。比如衣服是黑色的，领子是圆领子、方领子，是便装还是西装。它的特征决定了它的市场，决定了季节，决定了很多内在的东西。我们用这些内在的东西可以把很多新品的销量进行实时动态的预测，对老品也是这样。从结果来看，原来的预测大面积的偏差，现在都提升到了90%以上的准确率，潜在就可以把这个联动机制做起来。

这是理论上匹配出来在实践当中的吻合度，然后需要拿到企业里去进行测试。这是测试企业的仓库图，基于这个数据，再嵌入一个优化模型去产生一些互动，互动完之后，我们的技术就开发出来了，并对产生的效果进行分析。第一步做的效果分析，如果用原来的技术，像快消品预测误差度到30%-40%的时候，比随机仓库还更加糟糕，因为季节性变化很强，就会造成很多误仓储。用了我们的策略之后，不会产生偏差，通过九个月的测试，结果大概是平均对企业库存效率提升15%，也是比较满意的。

第三，我讲一些宏观的。我们给这些企业做了很多东西，我们实验室不仅有人做理论，而且有软件工程师、商业模式分析师，有一批职业的团队开发软件。我们有一个工程技术中心，去做科技成果转化。有很多企业项目，核心技术是我们的，基于技术把企业数据里面的接口开放，抓到我们整个系统里面，然后再提出解决方案。这里涉及到异常运单监测系统、保费差异化定价模块、库存决策系统、海康自动仓储系统、京东人工智能开放平台等。我们也在做能源供应链和物流预测的实时监控，可以做到十秒级，跟碳交易市场实时联动，把物流信息和碳交易、碳权耦合起来。我今天想强调最近几个月一个非常大的做物流的体会，我们以前基于仓储需求，但是存在一个很大的问题，一直没有结合化学反应来做物流，都是在结合物理反应做物流。最近结合化学反应，结合双碳来做物流的时候，发现了一个非常巨大的结果。是基于火力发电在整个中国碳排放里面占了半壁江山。烧的煤是不同的煤种、不同的热值放在一起烧的时候，煤耗会产生不一样的结果，这是化学反应，结果耗费的物品和物料量的差异是巨大的，考虑了化学过程的物流供应的影响。通过配煤掺烧优化方案，实现整体成本最优节约，使配煤工艺更加科学化精准化。我们在某火力发电企业做实验，结果还是非常惊人的，一台火力发电机组一天能节约近40万，所以我体会到物流市场结合“双碳”是非常巨大的。

最后，向推荐大家多投稿《现代供应链研究与应用》期刊，这也是国际采购与供应链管理联盟的第一本官方期刊。谢谢各位！

（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。）