01 建设高效物流与供应链面临不确定环境下多层级复杂决策的挑战

 

    中国作为疫情中唯一保持正增长的全球主要经济体以及全球产业链中重要的制造业大国，2021年GDP总量达到114.4万亿；其中物流行业保持了高景气度，2021年社会物流总费用达到16.7万亿元，保持了2%的同比增速。中国物流行业持续景气，行业现代水平持续提升，但与发达经济体相比，国内行业龙头的营收占比仍处较低水平，在效率和成本上仍有极大的优化空间，这也是物流科技需要发力的重要方向之一。尤其在行业数智化浪潮的推动下，解决物流与供应链建设过程中普遍存在的信息不对称、供需不匹配、资源未达到最优等痛点现状问题已势在必行。

    运筹学是一门利用优化、概率统计与算法等数学与计算机科学工具对生产制造、企业运营、金融经济等众多领域中的问题进行建模求解，从而达到降低成本与提高效率等目的的学科。它是智能决策的理论根基。其中传统的概率统计以及如今受到广泛应用的人工智能算法，能够利用历史数据（历史需求、历史价格等）与辅助数据（天气、新闻、微博热搜、行业数据等），相对准确地估计供给与需求等物料信息以及成本价格等金融信息，为决策模型提供可靠的输入。所以，运筹学对于解决物流与供应链行业的供需匹配、资源优化的相关问题具有非常重要的作用。

    应用运筹学建设智慧物流的主要挑战，在于对环境不确定性的准确估计、搭建满足现实场景的模型、大规模模型的快速求解、全局最优解的获取等。以电商快递为例，需求的时空分布非常复杂且不平衡。在考虑到节假日、特殊购物节、疫情冲击等事件的影响下，难以对全国乃至全球未来的需求做出准确估计，因而难以提前对物流资源做出准确规划。

    除此之外，搭建满足现实场景的模型非常困难。首先，现实问题所需达成的目标是多元的，甚至是冲突的。例如在对电商快递路由做规划的时候，要考虑到最小化仓储、运输、人力等成本，同时最大化满足时效要求等多个目标。其中高时效必然与低成本产生了冲突，决策者需要在诸如此类冲突的目标之间做出权衡。其次，现实问题中需要满足的约束也多种多样。例如在购物节前，不同城市卡车司机数量和质量（路线熟悉程度等）随机的情况下，我们需要提前调度多少数量的卡车和司机在各大城市待命，才能在满足时效需求的前提下，尽可能减少空闲资源的浪费。

    模型的搭建也需考虑到求解的效率以及能否获得全局最优解等问题。以顺丰为例，其拥有超2.1万个自营网点，近400+中转分拨中心、站点，超9.5万自营及外包车辆、13万条干支线。如此庞大的数字放在模型当中带来的是上百万个决策变量、过千万条模型约束等。即使是一个最简单的线性规划模型也需要相当时间求解，更不用说一个如上文所述满足现实场景的模型。除此之外，复杂的模型也会导致无法获得全局最优解，且得到的决策与最优决策之间相去甚远。

    此外，在搭建好一个能准确描述现实场景的模型后，需要有能在相对较短时间内准确地求解模型的算法。一些经典的模型往往得益于其简洁性，能快速得到精确解；但是由于其过于简化问题特征，导致与现实场景相距甚远，无法直接应用，例如库存管理中的报童模型。因此，我们往往在为具体问题设计了针对性的模型之后，还需要设计出针对性的求解算法，才能将解决方案真正的落地。

 

    02 运筹峰会集产业界与学术界众家之所长探讨次世代智慧物流建设

 

    顺丰作为物流与供应链行业的领先者，在科技建设与业务变革中，预见到未来科技力量将更深刻地影响物流与供应链行业的发展，而运筹就是其中非常重要的技术方向之一。而促使前沿技术更好地发展并真正推动引领行业的变革，不仅需要企业的关注，更需要整合产学研各方优势与资源，通过产学研良性生态打通从理论研究到产业应用的桥梁。

    近日，由顺丰科技举办的运时·筹策2022运筹优化领域技术交流峰会中，来自产业界和学术界的多位专家与教授们通过大量精彩的案例，深入探讨了包括物流网络规划、车辆路径规划、装箱问题、无人机调度、航空调度、数字化工程与物联网等多个话题。顺丰集团CTO兼顺丰科技CEO耿艳坤表示，近几年，顺丰一如既往地重视科技投入，本次峰会就是一次很好的契机，让顺丰科技以丰富的实战经验和技术积累为触点，携手行业专家、高校学术力量，共同探讨物流与供应链行业在科技助力变革与智慧决策中的更大的远景和价值。

    首先从产业视角出发，来自顺丰科技、百威英博集团、毕马威中国的四位行业专家分享了当前产业的发展现状、挑战以及未来的趋势。

    顺丰科技机器学习总工程师高磊分享了运筹优化在顺丰物流业务的应用。目前，顺丰的智能决策体系端到端覆盖了物流中收、转、运、派的各个环节，并形成了感知、决策、执行的智能化营运闭环。他通过电商节网络规划、物流车辆支线规划、中转场物资调拨三个具体案例，分享了在模型的数据规模超大的前提下如何进行快速求解等问题的应对策略与算法创新。在技术理论应用于实际产业过程中，他认为定义问题有时比解决问题更加关键，此外数据的质量、权衡多个目标、指标体系的搭建与反馈、实际作业中的不确定性等方面也对具体的落地效果具有较大的影响。

    除了物流场景，供应链也是泛运筹相关技术应用一个重要的方向。顺丰科技大数据解决方案专家陈秋丽分享了运筹学在顺丰为TO B企业客户提供大数据决策的智能服务中的应用，例如仓网规划、库存补货、线路规划等，同时她也分享了在这个过程中对于技术在具体产业应用中落地的思考。她认为算法必须要先有数据才能计算，但是算法应用不是必须要数据完整了才能应用。算法只是一种解决问题的工具。一个好的基于数据智能的解决方案，应该是一个可执行落地的方案。大数据智能助力企业成功的因素不仅有算法、系统以及配套的业务流程与设备，更需要沉淀数据的应用能力、认可数据的应用价值。

    数字化供应链对于具体应用的实体生产的企业意味着什么？来自百威英博集团APAC供应链数字转化转型技术顾问陈治珍分享了她对于供应链数字化转型的思考。在供应链数字化转型的过程中，主要遇到了包括管理和技术两个层面的挑战。从管理维度而言，数字化转型最终输出的巨大的价值背后往往蕴含着大量“冰山下”难以立刻看到价值产出的工作，例如数据的采集、标准化等工作，这需要不断与各个相关方明确数字化转型各个阶段投入与产出的预期，以长期主义对待数字化转型；从技术维度而言，找到可以匹配现有工艺流程的、应用效果更好的算法、模型，也是需要业界与学界共同不断突破的方向。此外，她还分享了机器学习、数字孪生等技术在百威英博集团的实战案例。

    数字化有效带动了生产型物流供应链的管理模式改善，而对于数据化的管理探索、智能决策将持续备受企业关注。毕马威中国区供应链咨询负责人陈蔚健进一步分享了供应链数据分析与应用在实际场景中的优势。通过数据收集、数据诊断、验证分析等方式，实现供应链从线性到网状的全渠道管控；同时通过信息流的打通，实现企业协同和科学决策，解决了行业普遍存在的上下游信息不对称，数据滞后、运营指标口径不统一等问题；此外，通过智能算法应用，实现产销协同的智能化。

    而对于未来在运筹加持下的物流与供应链探讨，大家把目光投向了学界大咖分享环节。在本次峰会中，来自国内5所运筹领域顶尖院校的教授，分享了运筹在包括航空调度、公路运输路径规划、集装箱联运以及无人机调度等方面的研究与思考。

    现实物流场景中，城市配送无人机物流属于新兴领域。其在订单时效要求高，人力有限、配送距离远、地面交通复杂的问题上具备一定优势，但同时也面临着挑战。浙江大学管理学院周伟华教授基于实际落地场景以及研究成果，为我们分享了城市快速物流无人机调度系统的普遍应用特征，如大规模问题的实时求解、无人机航线规划及站点的选择、以及安全性问题等。通过对城市配送业务全流程拆解，基于订单驱动的无人机调度模型，周教授结合两组历史数据及仿真系统测试的案例，充分验证了物流无人机调度系统的落地可能性和潜在优势。对于无人机未来运输模式的展望，他表示，未来5年也许我们将迎来从2D到3D的立体交通体系，届时运筹优化、计算机、AI等技术将变得更为重要。

    中欧经贸关系是世界上规模最大、最具活力的国际经贸联系之一，中欧货运网络的建设与运营是“一带一路”倡议的重要建设内容，具有大量的场景值得研究。来自同济大学交通运输工程学院和城市交通研究院的谢驰教授立足于中欧集装箱多式联运，提出了考虑转运设施运营瓶颈、运力容量上限、客户基于时间与成本的选择行为等因素的多品类货物流随机均衡模型。同时，设计了基于拉格朗日松弛框架的求解算法，在求解这一超大规模多模式多品类货运网络流问题时体现了高收敛性。该项研究囊括了预测和分析各类集装箱货物流的时空分布、转运设施和繁忙线路的拥堵状况、不同运输模式的竞争态势和优势、以及未来相关运输网络资源的扩充需求等多个大规模负责系统问题。

    面对当前公路货运普遍存在成本居高不下和达成碳排放目标等痛点问题场景，来自深圳大学土木与交通工程学院的薛召杰教授，从业界和学界的创新做法背景出发，带来了他们对于卡车列队在物流领域的整车集运场景的研究成果分享。利用运筹优化方法建立并完善相应车辆路径问题数学模型及求解算法体系，并通过对比分析评估各种模式的预期效益，为将来自动列队模式在物流领域中的应用落地提供调度技术支撑和管理科学依据。对于自动列车模式的未来趋势预测，薛教授表示，自动列队作为一种新的运输模式，在技术取得一定成熟的情况下，我们将实现不单是点到点、1对N、甚至是N对N的的企业场景服务需要。

    航空交通作为联系国民经济与社会生活的重要纽带，在经济全球化和信息化的背景下得到了快速的发展。在航空调度领域，北京航空航天大学国家空管新航行系统技术重点实验室的孙小倩教授介绍了她对航空交通大规模组合优化问题高效启发式和精确算法研究成果。运筹学应用于航空货运运输精细化运营的场景包括航班网络、航班计划、机型指派、飞机编排、机组编排等子课题，涉及了飞机、机组、客货等多种业务环节，属于典型的航空运营大规模组合优化问题。由于各个子问题规划周期不同，且均为NP难问题，随着问题规模的扩大，相关决策变量激增、关联约束大大提升问题复杂度。孙教授的研究通过压缩-求解-重写-再求解的思路，结合精确算法、启发式算法以及机器学习算法，输出了高效的具备可扩展性的航空运营大规模组合优化问题求解方法。该方法应对要求快速准确求解大规模优化问题的挑战，为企业合理配置运力资源，降低运营成本。

    清华大学深圳研究院现代物流研究中心高本河副主任则介绍了运筹学结合仿真技术在快递物流航空网络规划研究。传统的物流航空网络规划存在业务经验要求高、工作复杂度高等问题。通过结合航线规划算法与仿真软件，该研究可以在规划结果符合预期的基础上，对于近期的算法规划方案（或人工方案）利用仿真系统进行一次或多次模拟仿真，获得规划方案的综合评价。该方案实现航线规划工作的自动化，对方案进行全面评价，提高规划工作效率。仿真工具在航空网络规划、选址规划等多个物流营运场景都可以落地应用，因其对于方案、算法的评估较为客观全面等特质，具有投入较少而收效显著的潜力。

 

    03 融合创新、布局前沿，科技将成为引领物流与供应链行业变革的重要力量

 

    近几年，运筹作为数据化智能决策的关键杠杆，其应用涵盖了生产制造与物流供应链行业数智化转型的诸多场景，逐渐成为热点技术领域。随着大数据、人工智能、仿真等相关技术的日益成熟，以及越来越丰富而多元的数据被沉淀与共享，运筹相关的研究与产业应用具有了更大的想象空间。

    顺丰科技大数据智能应用负责人金晶表示，运筹是一个常做常新的领域，它兼具挑战性和趣味性。在巨大的想象空间背后，运筹如何更好地助力国家核心产业发展这一命题，也如同其他技术由理论向应用的转化一样充满挑战。例如在实际落地场景中，如何定义问题，如何将业务模型抽象到恰到好处的水平，如何解决业务目标既要、又要、还要的问题等。如何打赢人为经验，对行业的实践者来说也都是挑战。想要获得真正的突破是需要联动学界和业界的力量，也需要更多人才的投入。

    峰会围绕着运筹在物流与供应链行业产业现状、研究前沿进行了分享与讨论，让我们感知到运筹优化与机器学习等尖端技术未来应用在物流与供应链行业的更多可能性。除此之外，我们也看到了顺丰科技在积极布局产学研合作，力争长期走在技术领域前沿的努力。编者也期待诸如顺丰科技等的高科技企业能持续投入并推动运筹学与大数据等技术在行业应用中的落地，为中国物流与供应链行业提供最高效的服务，助力中国经济社会发展。

 

 

注：本文摘自转载，不代表本站立场，若有侵权 ，请联系删除！