注册 | 登录
  • 首  页
    |
  • 关于学会
    |
  • 网上入会
    |
  • 学术年会
    |
  • 学会论文
    |
  • 学会课题
    |
  • 学会报告
    |
  • 学会活动
    |
  • 产学研基地
    |
  • 特约研究员
    |
  • 资料中心
    |
学会介绍 学会章程 会员管理服务及收费办法 组织机构 学会领导 专家委员会 学会年度工作计划 学会文件 联系方式
入会须知 注册会员 理事申请表下载 会费标准及缴纳方式
关于年会 历届年会回顾 最新年会动态 最新学术年会征文 历届获奖名单 特约评委申报 关于分论坛 分论坛申请 历届分论坛
征文通知 征文提交 物流经济 物流管理 物流技术与工程 采购 供应链管理 英文文献
课题介绍 课题通知 课题计划 历年获奖课题 课题申报 课题结题 课题申报书下载 课题延期申请表下载 研究报告格式规范下载 结题报告模板下载
关于报告 中国物流发展报告 中国物流重点课题报告 中国物流学术前沿报告 中国物流园区发展报告 中国冷链物流发展报告 生产资料流通发展报告 中国采购发展报告
中国物流发展报告会 全国物流园区工作年会 物流企业财税与投融资工作会 产学研结合工作会 中国物流学术年会 日日顺创客训练营
管理办法 产学研基地动态 申请表下载 申请表提交 基地复核 产学研会议信息
管理办法 申请流程 聘任条件 申请表下载 特约研究员相关文件
学会工作动态 物流政策及评论 学术年会论文 学术年会资料 学会报告 会员通讯 领导讲话 学会文件 学会课题 其他
  • 关于年会
  • 历届年会回顾
  • 最新年会动态
  • 最新学术年会征文
  • 历届获奖名单
  • 特约评委申报
  • 关于分论坛
  • 分论坛申请
  • 历届分论坛
当前位置:首页 > 学术年会 > 最新年会动态
【物流学术年会展播】庄晓天:基于数字孪生的智能决策探索与应用
来源: 时间:2024/11/29 17:07:44 作者:
  

——在2024年(第二十三次)中国物流学术年会上的演讲(摘要)

京东物流副总裁、算法委员会主席 庄晓天

2024年11月16日 河北·廊坊


尊敬的各位领导、嘉宾:

大家下午好!我今天分享的题目是《基于数字孪生的智能决策体系的探索与应用》,我相信在座的各位都熟悉京东,京东物流也有幸为大家服务过,在有速度,有温度的物流背后,支撑的是京东物流的六大网络。这里面有我们所熟知的电商仓配网络、综合运输网络、最后一公里网络,还包含了另外三张网,其中大件网络面向企业和个人提供送装一体的服务。冷链网络通过冷链的仓储、运输和配送,专注于食品生鲜和医药物流。跨境网络为我们的商家提供一站式的跨境服务,来帮助中国制造走向全球。

那么,在这样交织复杂的业务背后,又有哪些巨大的挑战呢?

首先,对于业务风险的判断。如何面对业务当中的不确定性一直是行业的难题。不确定性的背后通常有两个重要的来源,其中一个是外界环境的输入。比如,天气的异常、交通的拥堵,另外一类是来自于认知的缺失,信息沟通不畅、业务水平的参差不齐等等。

第二,对于业务的响应速度。天下武功唯快不破,如何针对外部环境的变化在内部进行及时的调整和应对是一个巨大的挑战。

第三,对于业务的全程把控。物流行业所面临的场景,上下游链条长、角色多、范围广,如何做到从规划到计划,再到执行的联动,如何做到从仓储到运输,再到配送的协同,去实现成本、时效、体验的最优?仍是一个巨大的挑战。

第四,对于业务的落地保障。任何的业务策略和流程改善最终的落脚点一定是在业务运营与经营的效率提升以及价值创造。

针对以上的四个挑战,对应到技术环节,我们又面临哪些难点呢?

首先,精准诊断的能力。在大多数情况,如何找到问题可能比解决问题还要关键,这里边包含了我们如何通过数字化的方法去刻画物理世界,如何通过技术的手段去找到根本原因。

第二,双向交互的能力。技术需要从业务中来,再到业务中去,能够将业务的问题去解析成技术的问题,并快速地给出方案。

第三,全局优化的能力。在面临多场景重叠,多环节耦合,多目标优化的时候,如何做到全局最优,这已经不仅仅是一个单一的技术问题,更是技术和业务的协同问题。

第四,决策闭环的能力。在物流行业有大量的线上与线下,人工与机器的交互,算法如何能够真实地落地,如何监控效果,如何进行反馈和改正,是巨大的挑战和难点。

针对以上四个难点,我们聚焦业务,打造了基于数字孪生的智能决策的体系,覆盖供应链物流的全场景,它包含了数据底座、仿真引擎、决策引擎和系统闭环等四个环节。

第一,数据底座。数据是系统的血液,给养着仿真和决策,我们将物理世界里的仓储、分拣、运输、配送和网络的数据进行收集和融合,在数字世界里边再造了一个物流网络,并且通过分布式计算、流批一体技术能够实现数字世界与物理世界的动态同跑,并在此基础之上,沉淀了供应链行业的“五域四类”数据,“五域”包含了仓、拣、运、配、网。“四类”包含了交易、配置、计划和预测。以此而形成了我们生态化的数据资产,这样在面对不同业务场景的时候,可以通过数据模型进行快速组合。

第二,仿真引擎。我们打造了分布式的仿真框架,能够进行大规模的计算,它包含了三个特点:

1.事件的灵活。体现在了事件的处理机制上。我们通过自行设计的事件处理机制,能够灵活地响应新事件的引入,并且将事件的处理和产生进行解耦,实现并行处理,灵活拓展。

2.模型的准确。体现在模型参数的校验机制上,我们通过机器学习的方式,能够自动地去校准我们仿真模型的参数,并且对于一些关键环节实现了动态的仿真,能够更好地刻画物理世界。

3.架构的高效。它体现在了仿真架构上。我们通过分布式仿真实现计算节点的动态注册,并且通过总控时钟去整体的把握仿真的节奏。

第三,决策引擎。也是大脑和中枢,负责端到端的决策。这里面同样它包含了三个重要的特点:

1.场景广。涵盖了“六网三层”全环节:“六网”就指的是物流的六大网;“三层”是规划、计划和执行,这样就完成了从空间到时间的全覆盖。

2.响应快。决策引擎里面自带了200多个算法的组件,可以针对不同的业务场景进行抽取和组合,能够快速地给出解决方案。

3.决策准。这里的“准”不仅仅体现在准确率上,也不仅仅体现在全局最优,更多情况下是在充分考虑业务实际需求的前提下,综合可落地性,给出的性价比最高的决策。

第四,系统闭环。有了智能决策的最后一环是系统的闭环,这也是落地最重要的保障。所以,在这里面它具备了三个重要的功能:

1.主动扫描。我们通过7×24小时不间断的扫描,去持续发现全网中效率和体验上潜在的问题,实现全覆盖、无死角。

2.流程把控。通过嵌入物流的主生产流程,进行决策的评估和审批,避免单点的调整造成全网的蝴蝶效应,从而保证整体大网的时效安全。

3.系统打通。将决策引擎与路由、仓储等生产系统打通,实现智能系统与生产系统的合二为一。

总结一下,智能决策体系包含了三个重要的特点:一是全场景;二是大规模;三是重落地。

下面围绕着决策体系来介绍一些应用案例。

首先看供应链。供应链的起点往往围绕着仓网设计来展开。本质上来讲,仓网的规划就是运营和经营模式的规划,也是供应链企业的战略规划。虽然仓网规划不是高频的操作,但是它的影响非常深远。因此,在智能决策体系里面,我们囊括了多种类型的网络规划、选址布局的引擎,去应对多种网络类型。比如,全联通的,轴幅式的等等。不仅仅能给出选址,还能够输出节点的功能、产能的大小,以及覆盖关系。给出的结果也不仅仅是效率和成本的最优,同时还要兼顾长期的可靠性和安全性。

在决策了最优的网络之后,还需要持续进行仓内的优化。比如,仓内的设备选型以及生产模式。这里面智能决策体系一方面去考虑了不同类型的生产作业模式,比如,集合单模式、流拣选模式。同时,还要考虑仓内人、场地、设备折旧成本的因素,去推演和对比不同方案在存拣比、货架利用率、单均拣货时长等指标上的细微差别,并最终将这些差别反映到人效和坪效上。

第二,除了在供应链端,在物流端的应用也非常多。2020年的突发事件,影响的不仅仅是一个省,而是在从南向北,从东向西的上千条路由。那么,受影响路由上的配载该分到哪里,该分多少,是一个非常重要且有挑战的问题。所以,在这个时候智能决策体系开启了7×24小时不间断的扫描,持续地去寻找那些能够满足时效,满足容量的路由,来保障用户的体验。

第三,除了物流的网络,在运输领域里面,尤其是在运力规划上,智能决策体系也承担着重要的角色,它解决了三个重要的问题:1)对于自营和社会车辆资源的结构优化问题。如何使得整体的成本最优?2)对于自营车辆,该如何进行线路的设计、车辆的调度,从而使得车的空驶率最低,利用率最高。3)在面对货量起伏波动的情况下,如何去调动临时的资源,推演方案,来确保整体时效和体验的最优。

运输之后是配送环节,智能决策体系首先做路区的规划,结合着仿真和地图的能力,希望从设计上就使得小哥的跑动距离最短。在此基础之上,智能决策体系在探索生产作业模式,针对不同省市、区域的情况,探索揽派分离、动态串点,路区接驳等方式,找到最优的匹配。在服务端,通过全链条的数据埋点、收集分析,能够给客户更好的时效预估,提升客户体验。

总的来说,智能决策体系就是在供应链物流的核心环节,通过数据底座、仿真引擎、决策引擎和系统闭环来进行业务的落地和价值的创造。

未来我们还会将智能决策体系持续地去迭代推进,将会从3.0朝着4.0去推演和发展,会从当前的方案输出加智能决策,发展到为目标的解析、方案的生成、智能的决策和持续的落地评估。这里边势必要引入更多、更新的技术,比如,通过产业大模型的技术,能够对物流目标进行解析,结合专家的经验,来生成解决方案。再通过数字孪生的技术进行不停地推演、寻优,给出最优的智能决策。在落地之后,需要通过持续实验的技术来去监控落地的效果,并进行根因的分析。

我们希望这样一套体系,最终能够去实现更好的人工与机器的结合,线上与线下的结合,将行业的成本效率体验更进一步。

这是我们基于实战经验总结的智能决策六阶段:

第一阶段,经验决策阶段。主要是基于一些简单的信息,通过专家的评估来进行决策。所以,在这个阶段是要依赖于认知水平和能力。

第二阶段,规则决策阶段。它需要基于小数据的分析,通过一些启发式的方法或者业务的逻辑来进行决策。所以,在这个阶段,它是要基于数据能力。

第三阶段,模型决策阶段。它需要基于的是大数据的分析,通过运筹学的方法,能够去建模求解来决策。所以,这个阶段需要基于的是强大的算法能力、建模能力。

第四阶段,随机决策阶段。主要是将内生系统决策推演到内外相结合,综合考量外部不确定因素的决策。所以,在这个阶段它需要依赖于强大的系统能力。

第五阶段,系统决策阶段。它的变化在于从单点的决策拓展到多环节的决策,比如,拓展到“仓、拣、运、配”联动的整体决策。所以,在这个阶段需要依赖于全链路的仿真的能力。

第六阶段,多智能体决策阶段。从单主体的决策拓展到了多主体之间的博弈,去中心化的决策。因此,在这个阶段,它需要依赖于更多的顶层设计和更多的组织协同。

我们的目标是持续助力数字化的转型,帮着企业业务落地和价值创造。

以上是我的分享,感谢!

(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。)

 


关于我们 | 媒体互动 | 站点留言 | 友情链接 | 在线投稿 | 网站地图

地 址: 北京市丰台区丽泽路16号院2号楼铭丰大厦1601(100073) 电 话:010-83775681 E-mail:CSL56@vip.163.com
Copyright 2000-2019 in 中国物流与采购联合会、中国物流学会版权所有 技术支持:中国物流与采购联合会网络事业部
中国物流与采购网:京ICP备05024070号 中国物流联盟网:京ICP备05037064号