大咖专访第一弹 | 智能算法如何玩转供应链？9大难题一站解决

近日，顺丰科技与多个垂直社群聊到如何将智能算法的能量赋能物流供应链，本篇将采访到顺丰科技智慧供应链产品算法负责人，请他来讲述具体的实践情况。也欢迎各位技术同仁一起交流，共创行业未来。

本期大咖

顺丰科技

智慧供应链产品算法负责人

Q：您认为如何在不同行业的供应链项目中平衡统一性和个性化的需求？

A：系统统一性来源于3个层面的标准化。

1. 业务模型标准化

2. 领域模型标准化

3. 数据模型的标准化

一个需求是否个性化取决于它和以上模型的冲突有多大。

业务模型标准化可参考美国供应链协会的SCOR标准对业务流程进行标准化梳理，从业务需求端控制好个性需求的引入。

领域模型标准化更偏实践，可参考咨询公司、大厂在供应链端到端系统设计与落地的实践架构。例如德勤有基于SCOR推出SCOR-DS, 华为过去十多年ISC,ISC+项目沉淀的领域模型，阿里在电商零售供应链的架构沉淀以及顺丰在物流领域的LaaS沉淀。

数据模型标准化应尽可能参考数学模型。举个例子，在优化供应链网络时需要描述网络节点、流向约束等业务规则，对应的数学模型是图论，那么系统的数据模型应以图论为基础进行建模。这样才能最大程度的保证系统底座的稳定。

Q：您认为智能算法在未来的供应链领域会如何发展？

A：就像今天几乎每个现代化仓库都会用到WMS，未来每家全国性的企业都会使用智能算法。

算法已经成熟。在预测、网规、库存计划、路径优化等核心领域的智能算法背后的学术理论十年前已经成熟。在具体场景的适用性已被证明。

使用算法的门槛会更低。一方面算法工程化框架已经在不同先驱项目中得到验证。另一方面大模型的加入未来一定会进一步降低门槛。

Q：顺丰科技曾提到规划求解算法能够大幅缩短排产时间并优化供应链成本，这些算法是如何被应用和优化的？如何保证算法的准确性和可靠性？

A：供应链的成本是一个端到端的集合，包含原材料采购、入厂物流、产线生产、产线资产投入、成品物流等。这些成本项结合全国分布的上百家供应商、十几条产线、几千个SKU、几十个DC就让“在哪个月在哪个城市的工厂的哪条产线，生产哪些SKU”这个问题的求解每个月都会耗费最有经验的计划员几天时间。现在我们的规划求解系统，基本能在半小时内产出成本最优的方案。

优化类系统的落地需要1到2个月的并行运转，这段时间我们对比计划员excel产出的计划和系统产出计划的差异，并给出合理解释。以此来验证算法的可靠性。

Q：多级库存算法在优化原材料库存方面的应用，这些算法如何平衡准确性和实用性？在实际项目中，这些算法有何具体应用场景和效果？

A：多级库存优化的目标是全网整体库存成本最优。主要回答哪些物料在哪家供应商需要设置多少安全库存。算法本身的准确性已被学术界和咨询项目验证。实用性取决于链主企业对其1、2、3级供应商的影响力，或者说供应网络的协同计划能力。

Q：顺丰科技曾提到供应链优化框架，这个框架是如何构建的？在不同的供应链项目中，如何根据框架进行算法选择和整合的？

A：这个框架就是第一个问题中提到的领域模型。从业务角度链接企业战略和供应链执行，从数字化角度链接供应链设计、供应链计划和履约。

该框架最开始是基于MIT一位教授的两本著作总结（David Simchi-levi, Supply Chain Design; logic of logistics)。后来在一些头部企业项目实践逐步完善。

算法选择的重点在于在决策的时间与空间维度把大的供应链课题拆解成架构独立、逻辑关联的小问题。比如我想优化物流履约成本，那么首先需要研究未来一年的分仓布局和品类分布（网规算法），然后研究每周合适的安全库存策略（预测算法、库存优化算法），最后再看每天的配送排班（运输排线算法）。

Q：顺丰科技的智能算法案例中提到多工厂产能优化、生产网络中的多级库存优化和入厂物流优化，这些案例在实际项目中的应用过程中遇到了哪些挑战？如何解决这些挑战？

A：挑战更多来源于算法结果的可解释性，而非算法本身的可靠性。比如多产线产能优化给出的A产品排产方案如果和计划员的预期不一致，有可能是某个产品B抢走了当地的产能。这就需要在项目上线后针对差异场景进行人工分析解释，从而构建计划员对算法的理解与信任。

生产网络的多级库存优化挑战在于算法建议方案的可落地性。比如算法建议某二级供应商需要在某个时间点备多少库存，该供应商和工厂没有直接的合同关系，他出于自身的效率可能选择不备那么多货。所以多级库存项目在国内我还没有见到特别好的落地案例。

Q：既然不存在一个完美的算法解决所有供应链问题，这意味着在实际项目中需要整合不同算法的能力。顺丰科技是如何根据具体业务场景选择和整合不同的算法？

A：供应链计划本身分为战略、战术、运营三个层面，不同层面的计划关注不同的时间跨度、空间跨度和产品聚类颗粒度。所以需要供应链架构师能把一个实际的计划问题拆解成不同层面的计划问题去解决。比如做日常补货计划时需要计算最优的补货目标，而补货目标计算需要分析上游补货频率。当前很难有一个算法高效求解这个问题。那么我们就需要用网规的算法在一个季度的时间跨度研究线路的运输频率是多少，然后再用库存优化算法决定具体SKU明天的最优补货目标是多少。

最后来点小Tips吧！您认为一个好的供应链技术人，该有几个维度的能力？

个人应对供应链优化挑战的关键技能：

Conceptual thinking：快速拆解供应链问题的能力。

懂算法：理解算法能力边界的技能。

懂业务：从财务指标上评估算法优化价值的技能。

参与大型供应链项目的专业人士在学习和实践过程中最需要关注的是什么？您有何建议？

理解供应链财务指标与各优化点间的关系。有时候业务方纠结的一项算法需求很可能对财务指标影响有限，那么在项目中我们就能更自信的管控项目边界。

认识算法的局限性和人工决策的互补性。越细致的领域人的决策优势越大，例如装箱优化，人自己可以通过各种角度的叠放、挤压来提升装载率，但是算法没那么聪明。那么可以让算法建议一个初步方案，人再做修改。放到整个供应链大域，算法与人工决策的这条线，就需要项目负责人基于项目经验和技术认知去更好的决策。