[关闭]
@pockry 2016-11-10T17:55:59.000000Z 字数 4761 阅读 1958

京东11.11:人工智能在京东供应链的应用

双十一


京东作为国内最大的自营式电商,它的商品数量、日成交量都远远超过了线下实体商超,其供应链受到巨大挑战。在今年,京东上线了智慧供应链项目,使用人工智能帮助供应链更好决策。今年9月份,京东业务联合团队(JD U-Power)携好供应链解决方案荣获全球供应链挑战赛亚军。人工智能到底是如何促进供应链技术升级的,让我们一起来了解。

电商的传统供应链难题

京东将信息部门、物流部门和销售部门垂直整合。其供应链主要包括采购、销售、配送三个环节,各个环节通过信息流、资金流、物流连接成一个网络。京东在全国有234个大型仓、数千万种商品,以及亿级用户。

在新形势下,传统供应链主要面临着五大挑战:计划管理、业务监控、成本控制、客户服务。

京东智慧供应链介绍

在这么庞大的网络、用户、商品前提下,只靠人的计算已经很难满足精细运营管理的需求了,所以人工智能在整个供应链中的作用越来越重要,目前京东已经在供应链的多个环节部署实施了AI系统,包括:

1) 好计划系统:基于历史数据和统计学习模型的智能预测系统,包括对商品未来的销量预测、对各维度仓库的单量预测,对促销期间的促销预测,给出更为智能的相关业务数据预测和相关计划性支持。
2) 好商品系统:基于海量数据和机器学习技术的智能商品分类系统,从多维度评估商品特征和价值
3) 好价格系统:基于统计学习和决策树等机器学习技术的动态定价系统, 实现了客户为先、供需协同及可持续的最优价格策略
4) 好库存系统:基于大数据平台和增强学习等机器学习技术的销量预测系统,为采购、库存管理等提供了更智能化的建议
5) 基于运筹优化技术的智能订单履约系统,科学地分配订单生产路径及快递安排,以最优的方式满足客户时效要求
6) 基于自然语言处理和图像识别的匹配抓取系统,为智能决策提供了更为实时、完整的信息支持
7) 基于模式识别等技术的风险控制系统,及时预警订单的风险级别等,提供更为安全可靠的客户体验。

在大数据应用的基础上,京东商城进一步使用机器学习等人工智能手段,搭建了智能库存管理模块。通过对于服务水平要求、供应商送货提前期、安全库存分析等一系列参数的学习和模拟,结合基于大数据机器学习的销售预测模块,实现了自动化的商品采购下单、调拨和滞销清仓。未来,京东技术团队还将把自动化的零售管理应用在存货布局、履约优化、引品选品分析等一系列商业场景下,打造智慧零售。

人工智能如何帮助采销配送

对于供应链的采购、销售、配送等环节,人工智能都能带来巨大提升:

AI实时数据处理

AI所需要的数据不仅而且是海量的,而且是实时的。基于大数据平台的AI系统需要处理来自高度动态来源的实时信息。对预计会连续的流数据进行技术上的优化特别关键。京东基于自己的数据平台及云计算平台,构建了高可用性的AI系统。

1) 通过统一的大数据平台,建立了高效实时的数据通道及海量实时数据库
2) 使用零队列机制,消除了中间的排队过程,使得消息能够直接在任务自身之间流动。
3) 独立及模块化的分布式计算平台,提供了统一的AI算法模块、强大的计算能力和计算效率。基于大数据平台,京东构建了统一的开放预测平台以及开放运筹优化平台,简化了AI系统的开发。通过对计算任务的智能调度和管理,实现了实时计算。
4) 任务级的故障检测及自动重新分配,实现更智能的处理管理流程,以确保资源得到充分使用。

动态定价原理

动态定价从解决方案上讲,我们可以分成两个部分:

1) 量价关系的模式学习:从海量的历史商品销售数据中学习出价格,促销等因素对商品销量的真实影响,构建多因素的量价关系模型,用来刻画商品的量价关系;
2) 价格和促销决策优化:一般而言,当我们在做各种定价与促销决策时, 会受到很多商业上的约束,如友商的约束、品牌商的价格保护、厂商限价等等;基于给定的商业约束,给定的商业目标(冲GMV或者毛利),通过学习出来的量价关系函数,通过构建一个庞大的优化决策模型去做最优价格与促销手段的决策。

在实践中,京东动态定价系统在2015年在多个品类上进行的试点,试点的效果看GMV、毛利和销量都得到较好的提升;计划在2016年年底将实现JD长尾商品的自动化定价。

  1. 对于商品库存、价格等的预测采用了哪些算法和模型,如何评价训练结果好坏?

销量预测和补货决策

一般而言, 电商的补货涉及到销量预测和补货决策两项环节, 销量预测指的是 根据商品的历史销售情况,去预测其未来的销量; 对京东我们现在的销量预测模 型大体可以分成两类:

基于统计模型(时间序列分析)的预测,我们通过模型分析商品时序的自相关性,商品销售的趋势和季节性,从而对未来的销量进行预测;
另一类是基于人工智能的方法, 我们在销量数据中提取商品维度,用户维 度,时间维度,促销信息,天气情况等外部因素,综合使用线性模型,决策树集成学习,深度学习等方法,大幅度提升了京东商品销量预测的准备度;

补货策略上, 对于很多电商和传统公司,(S, s)策略是应用面最广的策略, 通过 对每个商品历史销量与预测信息建模, 计算其最优补货点和目标库存,提升商品 的满足率;当我们关注点是补货的收益时,现有的多阶段报童模型(newsvendor) 就是最好的选择;在服装闪购等方面,我们也在积极拓展二阶补货策略,提升仓储补货的效率。

销量预测模型方面,主要采用三大类模型:

  1. 统计学的算法(含自回归统计算法、时间序列两大类算法)
  2. 机器学习且支持海量并行内存式计算的预测算法
  3. 根据业务特性设计的混合多因素算法 (计量经济学模型) 。

具体包括:

  1. 各品类预测前,JD复杂业务的数据Pipeline化处理算法。
  2. 计量经济模型(促销分析、模拟)、库存决策树模型、量价关系模型。
  3. 时间序列预测算法(例:季节性预测模型、价格因子模型、Holt-Winters模型)。
  4. 多因素回归算法、GBDT算法等基于机器学习的预测算法。

同时,我们搭建了算法集成平台,可以实现多算法并行执行和自动择优的过程,能够快速验证新算法的效果并整合到现有的系统中。

模型的评估方面:一般分线上评估与线下模型评估。

线下模型评估:线下评估,我们用的是传统机器学习中的评估方法,将数据集分成训练集与测试集,在测试集中验证模型的真实表现。

在线上评测方面,我们对模型在线上的真实表现进行实时跟踪,并进行实时反馈分析,继续优化提升。对于指标方面包括如下:

一、(技术维度)按照行业标准的MAPE评估,通过品类MAPE、整体MAPE评估预测效果。
二、(业务维度)按各品类进行预测偏高、偏低误差的分段分布统计。

在应用人工智能上遇到的问题

人工智能虽然很强大,但要用好也并不容易,京东在应用人工智能就遇到了如下的一些问题:

未来展望

京东供应链对于人工智能应用仍然在探索当中,在预想里,未来的扩展可以涉及到:

利用人工智能技术,可以协同管理仓储、物流、定价等供应链的多个领域,从而实现更加优化的资源配置。当前,供应链各个环节的智能化管理相对独立,包括物流、仓储、补货、销量预测、定价、促销等在内的多个环节进行独立的优化。在未来,我们致力于建立更加高效的综合系统,使上述各个环节协同优化。

拓展应用领域:在包括订单生产、风控、促销、新品定价等领域进一步拓展AI的应用。

建立基于在线学习的优化策略:逐步引入数据驱动的在线模型学习技术,使得模型在使用过程中进一步完善与进化。

强化学习下的人工智能。随着应用的深入,我们逐步建立起有效的供应链系统仿真机制,并以此为基础,建立强化学习系统,使得京东供应链系统能够应对更加复杂的问题。

总之,人工智能对于供应链进化作用巨大,未来京东将借助工业4.0的东风,进一步将智能物流与智能工厂、智能生产相结合,为适应工业领域与零售领域的下一次变革做准备。

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注