案例：AI如何輔助多級倉網(wǎng)規(guī)劃

楊華是某新興電商平臺的供應(yīng)鏈負責(zé)人。平臺成立時間雖然不長，但由于市場定位精準(zhǔn)，商品適銷對路，加之平臺玩法新穎獨特，用戶數(shù)量迅速增長，GMV也快速攀升。

與此同時，平臺的快速發(fā)展給供應(yīng)鏈帶來的壓力與日俱增，原有的單倉快遞發(fā)全國的模式顯然已經(jīng)跟不上公司發(fā)展的要求了。

一方面，隨著商品數(shù)量、庫存深度的增加，原有單倉的面積早已不夠，倉內(nèi)作業(yè)的效率逐步下滑；另一方面，單純用快遞的方式成本太高；此外，單倉服務(wù)全國的時效表現(xiàn)也不好，客戶總是投訴送貨慢。

為了能夠給客戶提供更快更好的服務(wù)，同時也為了降低成本提高效率。楊華決定在全國布局多級倉網(wǎng)模式。通過總倉、城市倉的兩級倉網(wǎng)，通過庫存前置、干線調(diào)撥、落地配、城市配送等方式來對供應(yīng)鏈網(wǎng)絡(luò)進行全面升級。

想法固然好，但是這里面有太多的細節(jié)需要搞清楚。例如總倉現(xiàn)有面積夠不夠，城市倉需要多大面積？什么品類應(yīng)該放在總倉，什么品類應(yīng)該放在城市倉？總倉和城市倉的庫存周轉(zhuǎn)應(yīng)該設(shè)置多少合理？總倉到分倉的補貨調(diào)撥周期是多長？通過落地配、城市配送的時效能做到什么水平？如何能夠?qū)崿F(xiàn)成本、時效、服務(wù)的最優(yōu)化配置？……

楊華希望這不是一次性的規(guī)劃，由于公司發(fā)展較快，未來最好能夠每隔半年就對整個網(wǎng)絡(luò)進行一次迭代。更為重要的是，倉網(wǎng)規(guī)劃不僅僅只是楊華所負責(zé)的供應(yīng)鏈一個部門的事情。這里面還涉及到商品管理部門、商家管理部門、各大區(qū)銷售部門，甚至還包括財務(wù)部門。

例如銷售部門需要提供未來銷量的預(yù)估，商品部門需要提供入倉商品的種類數(shù)，商家管理部門需要提供主要供應(yīng)商的入倉方式，財務(wù)部門需要提供整體的供應(yīng)鏈預(yù)算和成本目標(biāo)。只有根據(jù)這些預(yù)測數(shù)據(jù)，更為準(zhǔn)確地說是根據(jù)這些商業(yè)假設(shè)才能推導(dǎo)出倉網(wǎng)布局和結(jié)構(gòu)。

楊華希望改變過往在“開倉、搬倉、關(guān)倉”的決策過程中大家亂給數(shù)據(jù)、亂拍腦袋，事后無法對之前提供的商業(yè)假設(shè)進行復(fù)盤追溯的情況，能夠通過一套產(chǎn)品系統(tǒng)將所有的商業(yè)假設(shè)作為各部門的輸入記錄到系統(tǒng)中，通過“假設(shè)-驗證”的循環(huán)來提升倉網(wǎng)決策的質(zhì)量和效率。

這事情聽上去簡單，但是越想越深、越想越復(fù)雜，楊華打算先根據(jù)自己的想法做一個初步的方案提交上去，跟大家討論討論再看下一步如何推進……

案例中的網(wǎng)絡(luò)規(guī)劃屬于供應(yīng)鏈戰(zhàn)略層級的計劃，它確定了供應(yīng)鏈計劃管理的上限和邊界。當(dāng)網(wǎng)絡(luò)確定下來后，一切供應(yīng)鏈的優(yōu)化都是在這個框架之下的優(yōu)化。因此，網(wǎng)絡(luò)規(guī)劃的重要性不言而喻。

不少人會覺得：網(wǎng)絡(luò)規(guī)劃不就是拿出地圖，看一下產(chǎn)地在哪，消費者在哪，現(xiàn)在交通那么發(fā)達，在產(chǎn)地和消費者之間選一條最近的路線不就完事了嗎？而事實上，與案例中所描述的場景類似，網(wǎng)絡(luò)規(guī)劃遠沒有想象得那么簡單。

我們通過電商平臺購買商品，可以根據(jù)平臺所提供的頁面查詢到商品的路徑信息。因此常常聽見消費者抱怨說：“打開路徑地圖上看，我的商品怎么離我越來越遠了呢？快遞明明可以走直線，卻偏偏繞了一個大圈去旅游了！”

事實上，為了實現(xiàn)時效、成本、服務(wù)的最優(yōu)化的組合，實際的供應(yīng)鏈網(wǎng)絡(luò)并不會如消費者心中所想象的那樣讓所有貨物都選擇走直線最短路徑。我們往往需結(jié)合“人（消費者）-品（商品）-商（商家）-貨（庫存）-倉（倉庫）-配（配送）”等多個因素，綜合考量計算之后才能做出最佳的選擇。這里面還可以進一步分為宏觀和微觀兩種類型。

宏觀的部分我們通常稱之為“網(wǎng)絡(luò)規(guī)劃”。它不考慮具體的品、具體的商家、具體的消費者，而是考慮一段時間內(nèi)總的品類有哪些、訂單的流向大致是怎樣的、商家大致位置在哪里等等，在宏觀角度通過算法來確定供應(yīng)鏈網(wǎng)絡(luò)的布局以及庫存的分布等。

如圖所示，我們根據(jù)商業(yè)假設(shè)推算之后，決定在滄州設(shè)立一個大的中轉(zhuǎn)倉節(jié)點。因此來自深圳、東莞、金華等地的貨物都會先被送到這個中轉(zhuǎn)節(jié)點后再分發(fā)到全國各地。雖然單個貨物看起來配送路徑更遠了，但總體的網(wǎng)絡(luò)時效和成本是最優(yōu)的。

微觀的部分我們通常稱之為“路由調(diào)度”或者“動態(tài)路由”。它是在確定的宏觀網(wǎng)絡(luò)框架之內(nèi)，根據(jù)具體的消費者訂單來匹配供應(yīng)鏈網(wǎng)絡(luò)上的商品庫存，從而選擇最優(yōu)化的配送路徑。例如，成都的消費者購買的商品產(chǎn)地雖然是深圳，但是經(jīng)過動態(tài)路由算法計算之后發(fā)現(xiàn)在金華倉里有庫存，而通過金華-滄州-成都的路徑最短、時效最優(yōu)、成本最佳，系統(tǒng)會選擇由金華倉的庫存來進行履約。

宏觀部分的網(wǎng)絡(luò)規(guī)劃通常是離線的計算，結(jié)合不同的商業(yè)假設(shè)，通過算法給出幾個不同的解決方案讓用戶進行選擇；微觀部分的動態(tài)路由通常是在線的實時計算，根據(jù)用戶之前在系統(tǒng)中配置的路由規(guī)則，根據(jù)實時數(shù)據(jù)通過算法產(chǎn)出路徑并進行立即進行執(zhí)行。所以說規(guī)劃通常是離線計算，執(zhí)行通常是在線計算。

離線計算還有可能會應(yīng)用到仿真技術(shù)或仿真產(chǎn)品，我們將前述算法計算出來的網(wǎng)絡(luò)模型在仿真系統(tǒng)中進行搭建或配置，由系統(tǒng)根據(jù)歷史數(shù)據(jù)模擬生成新的離散數(shù)據(jù)（如消費者訂單、購買的商品等）注入到網(wǎng)絡(luò)模型中，運行一段時間后，看這個模型所產(chǎn)生出來的庫存周轉(zhuǎn)、缺貨、成本、時效、銷量等一系列指標(biāo)是否符合預(yù)期。

這個仿真技術(shù)通常被稱之為ABMS（代理人基模型Agent-based model Simulation），是一種用來模擬具有自主意識的智能體（獨立個體或共同群體，例如組織，團隊）的行動和相互作用的計算仿真模式。

如今，仿真技術(shù)被大量應(yīng)用在供應(yīng)鏈管理中。我們經(jīng)常聽見的“數(shù)字孿生”即仿真的一種形式。這是為了減少每次仿真的工作量，我們可以根據(jù)企業(yè)的供應(yīng)鏈場景提前搭建好仿真平臺，并在平臺內(nèi)預(yù)設(shè)一些模型或者建立模型的快速配置能力。例如企業(yè)的仿真平臺里預(yù)設(shè)有工廠的仿真模型（工廠的“數(shù)字孿生”）、供應(yīng)鏈網(wǎng)絡(luò)的仿真模型（供應(yīng)鏈網(wǎng)絡(luò)的“數(shù)字孿生”），實際使用時可以調(diào)出模型進行修改或配置，然后通過ABM技術(shù)注入模擬數(shù)據(jù)來推演結(jié)果?；玖鞒倘鐖D所示。

以上我們通過網(wǎng)絡(luò)規(guī)劃的例子來簡單闡述了算法和仿真的應(yīng)用。供應(yīng)鏈上的算法和仿真應(yīng)用場景非常之多，從供應(yīng)鏈的戰(zhàn)略層面到戰(zhàn)術(shù)層面，直至運作執(zhí)行層面都有算法和仿真的用武之地。

例如，在零售場景里，我們在戰(zhàn)略層面上可以通過算法來輔助我們進行年度季度需求預(yù)測、網(wǎng)絡(luò)規(guī)劃、品類規(guī)劃；在戰(zhàn)術(shù)層面上，可以通過算法來輔助我們進行月度周度需求預(yù)測，制定庫存策略，制定采購補貨計劃；在執(zhí)行層面上，可以通過算法來輔助我們進行by天甚至by小時級別的需求預(yù)測，做庫存的動態(tài)路由調(diào)度，以及對貨物進行實時的追蹤，對質(zhì)量問題進行追溯。

再如，在制造場景里，算法和仿真也能幫助我們做產(chǎn)能規(guī)劃、產(chǎn)線規(guī)劃、排程計劃和物料齊套、質(zhì)量監(jiān)控等工作。可以說，在智慧供應(yīng)鏈中，算法和仿真的應(yīng)用無處不在。

當(dāng)然，從最初的供應(yīng)鏈完全由人工進行決策（第一階段），到通過數(shù)理統(tǒng)計的方法進行簡單的分析判斷（第二階段），再到可以依據(jù)數(shù)據(jù)進行局部的算法優(yōu)化（第三階段），然后到可以通過多方協(xié)同，依據(jù)全局?jǐn)?shù)據(jù)進行端到端的優(yōu)化仿真（第四階段），最后實現(xiàn)從戰(zhàn)略層到執(zhí)行層，能夠隨需應(yīng)變，通過離線規(guī)劃+實時動態(tài)優(yōu)化的方法，實現(xiàn)最終的智慧供應(yīng)鏈，我們需要逐步地對企業(yè)所需要運用的算法模型進行打磨、沉淀，甚至引入一些第三方成熟的算法為我所用。

對于有一定規(guī)模的企業(yè)或企業(yè)集團，并且是在數(shù)字化方面有自己的開發(fā)產(chǎn)品團隊的企業(yè)，我們可以考慮在企業(yè)內(nèi)部構(gòu)建一個算法AI平臺或者引入第三方的算法AI平臺，用來支持通用及定制化算法模型的開發(fā)和沉淀。