来这里找志同道合的小伙伴!
京东物流及京东Y事业部承办的全球运筹优化挑战赛(GOC)于5月28号全面开启,从5月15日起,主办方在全国开展“智慧物流&智慧供应链校园行”分别在复旦大学、华南理工大学、武汉大学、浙江大学、清华大学进行。由物流、运筹学及供应链领域业界大咖分享京东最佳业务实践和前沿技术成果,还有顶尖算法科学家对大赛赛题进行现场解析,为选手答疑解惑。
5月28日GOC主办方走进清华大学现场图
下面与小编一起开启此次干货满满的校园行吧。
京东智慧物流理念与创新实践
2007年京东开始布局北上广深的物流体系。2010年推出211限时达的服务。2014年上海亚洲一号正式投入运营;截止至目前全国已经形成14个亚洲一号的仓库,实现了机器人拣货的机制、自动化仓、奢侈品仓的全新布局。京东在2016年成立X事业部,推行无人机和无人车全自动领域的探索。目前在试点过程中,在西南已经拿到全国首家无人机的牌照。京东物流集团服务于京东商城以及第三方商家提供服务,目前物流体系的整体规模全国最大。
目前物流发展面临着全新的挑战:
一、日益提高的时效需求:天级→小时级→分钟级
二、海量SKU和订单的管理:万级→500万级→千万级
三、C端市场波动大:波峰/波谷近10倍,还在扩大
针对于目前的挑战,京东物流的理念和实践从三个方面提出方案应对:
一、仓配一体网络模式打造
二、以客户为中心持续创新
三、智慧化技术应用投入
京东物流本着以客户为中心,不断创新,提供极致客户体验,建成全球唯一高效协同的六大物流网络。
智慧物流利用AI、大数据、云、Robotics 机器人实现操作无人化、运营数字化、决策智能化,最终形成从大规模自动化应用到智能无人化发展。
无人仓是目前世界各项最前沿技术应用的综合体。无人仓核心是基于人工智能的智能决策系统。
京东物流利用全流程无人化应用,各项领域全球领先。数字化仓储运营,提升运营效率。全链条因素分析,全网干支线路由智能优化。智能分拣选址规划,全链条渠道下沉、全网点高效衔接。智能站点路区规划,科学平衡路区产能。智能配送路径规划,多时效服务高效履约。协同上下游,实现全链路智慧预测、补货、排产和运营。最终实现:极致体验精准触达全链协同的目标。
京东智慧供应链的高效实践
京东智慧供应链AI实践
Y支撑京东复杂供应链的高效运行,拥有中小件、冷链、大件、B2B、跨境及众包(达达)六大供应链网络,以AI为核心支撑京东智能商业体发展并逐步开放技术。
京东智慧供应链依靠流程再造和大数据驱动,通过“好计划、好商品、好价格、好库存”整体解决方案的打造和应用,提供品质和商品、降低库存成本、提升现货效率,以合适的价格给到消费者完美的购物体验,并借助智慧协同平台与合作伙伴一同构建好供应链能力。
京东智慧供应链之智慧协同
智慧协同在协同共赢理念的指导下,借助线上零售的数据化运营优势,整合京东商城与合作伙伴的供应链能力,通过信息化平台将好供应链固化和输出,从而满足消费者不断变化的期望,帮助京东商城,合作伙伴,消费者共同创造最大化价值。
个性化、短链化、智能化,无界零售下供应链发展新态势
无界零售下的供应链
全球运筹优化挑战赛赛题解析
此次大赛共设置两道赛题:1、城市物流运输车辆智能调度2、仓储网络智能库存管理。
赛题一:智慧物流-城市物流运输车辆智能调度
此赛题是运筹学在物流运输路径优化中的运用案例。以京东物流B2B城配业务实际场景为例,基于运筹优化算法,综合各项因素,探究大规模车辆路径求解方法,规划求解最优 运输路线,实现整体成本最低。
赛题的主要要求:求解最优城配车辆调度和运输路线策略,使成本最低。
解题要点:
一:数学建模
1、包括VRP中常见约束
A、最大容量约束(CVR)
B、时间窗口约束(VRP)
C、混合车辆约(Heterogeneous Fleet VRP)
D、多循环约束(Multi-trip VRP)
E、带充电站的电车里程约束(Electric VRP with Recharging Stations)
2、目标函数:运输成本,等待成本, 充电成本和固定成本的总和
二、调用工具
1、公开的工具对问题规模、模型都是有限制的,超过限制性能就会出现问题,比如求解时间增加,原有的方法无法处理复杂的约束等。
2、针对规模大的情况,可以分区规划,问题规模降低,求解的速度会加快。
三、求解
1、车辆数量不限,但有固定成本,注意考虑车辆是否循环使用,多循环再次发车前必须充电
2、注意货物重量和体积的平衡
3、有等待成本,考虑时间的合理安排
4、必须满足收货时间窗
赛题二:智慧供应链-仓储网络智能库存管理赛题解析
基于京东区域仓与前置仓的两级仓库网络,准确地预测不同地区对商品的需求,通过运筹优化算法,制定补货与调拨政策,降低库存与缺货成本,在保障时效的前提下降低运营成本。
赛题场景:
解题要点:
主要从库存调拨和销量预测入手解题。
一、库存调拨:
基于数据,预测未来一个月每个商品每天在每个地区的指定分为点销量
• 为何预测分为点销量,而不是销量均值?
• 如何发掘销量趋势与季节性波动?
• 商品销量与价格的弹性关系是什么?
• 促销对销量有多大的影响?
• 如何甄别不同促销方式的不同影响?
• 相同类型的商品销量波动是否具有相似性?
二、库存调拨
给定配送中心库存情况,基于销量波动与调拨限制,对每一个前置仓中的每一个商品进行为期一个月的调拨决策。
• 每一个前置仓库对应专属的销量区域,如何判断每日是否调拨,调拨量多少?
• 如果调拨数量不足,则前置仓容易缺货,造成部分销量损失,以及额外的远距离履约成本。
• 如果调拨数量过多,则配送中心自身库存减少,可能造成未来无货可调。
• 如何平衡库存,降低缺货的风险,优化运营成本?
• 调拨量受到运力限制,需要决定应该优先调拨什么商品?
---------------------END---------------------
下面的内容同样精彩
点击图片即可阅读