AI数智技术驱动的京东物流一体化供应链建设

分享嘉宾：吴盛楠博士 京东物流 智能供应链部 总经理

编辑整理：杨晓磊 本来集团

出品平台：DataFunTalk

导读：本文以一体化数智供应链为主题，探讨多重市场变化驱动一体化供应链物流需求的快速发展，以及AI大数据技术服务能力在一体化供应链中的应用和实践，如供应链数智预测系统等。深耕一体化供应链物流服务这一核心主航道，满足企业需求，成为企业高质量发展的增长官、数字化转型的着力点、端到端效率的新引擎，为客户、行业、社会创造可持续的价值。

本文具体将围绕以下几方面展开：

京东物流集团简介

一体化供应链建设

数智化供应链落地实践

供应链行业未来发展

京东物流在2017年之前主要是服务于京东商城，是企业内部的物流服务部门。在2017年从京东独立出来，成立为京东物流公司，不仅服务于京东商城，同时运用十几年积累的物流技术能力，向社会开放，服务于其他的客户和商户。京东物流的制胜法则是以技术优势为核心驱动，来提升体验和效率。

借助于自2017年开始逐步打造的一体化供应链的服务能力，京东物流于21年5月在香港联交所成功上市。上市后把一体化供应链的概念推向市场，受到了市场广泛接受和认同。

随着近十几年中国电商的快速发展，带动了后端履约物流基础设施的快速建设，同时产生了一批优秀的物流企业，它们在各自的领域里都有着领先的基础设施建设。大部分企业是围绕着基本的物流活动进行局部优化，规模稍大的企业会进行全局优化。

在供应链四个阶段里，他们目前还处于初级或中级阶段，导致了在国内电商行业快速发展，以及物流行业快速建设的情况下，总体的物流费用高居不下，是欧美先进国家以及日本履约总额占GDP比例的两倍。深层原因是没有在整个供应链环节做协同。近期，我们在深度研究，基于专业化分工的供应链物流协同优化，包括产前物流：制造和生产环节，拉动商品全周期在履约上的优化，以进入供应链整体效益提升的高级阶段。

同时我们以建设数字化能力为终极目标，用数字化技术驱动一体化供应链往系统化、算法化、数据化的方向发展。数字化、一体化供应链的建设分为3个阶段：智能规划、智能计划、智能执行。

京东物流在长期的发展过程中，弥补了中国在一体化供应链服务方面的空白，我们在供应链发展方面的优势有3个：

一是在物理世界的六张基础网络：仓配网络、最后一公里配送网络、大件网络、冷链网络、跨境网络、综合运输网络。六张大网交织在一起，排列组合出很多场景，以供我们提供在物理世界的服务。

二是依托于一体化技术的发展，集团多年发展和沉淀出的算法组件和能力，与场景进行结合，产生了更好的业务效果。

三是整个的生态协同发展，包括云仓的搭建，OTWB的能力建设，物流生态的对接，商流的生态建设，以及与供应商、合作伙伴的合作发展。

京东物流一体化供应链，是用数字化的手段来实现供应链的落地，建设了供应链的智能超脑系统。

超级大脑的建设是分层次完成的：前面几年主要聚焦在数字化基础设施的建设，包括长期沉淀的复杂业务系统，以支撑业务在网络上的执行运作，还有数据中台的建设，以及一些配套设施。在数字化基础设施上，打造了一个算法中台，两套工程服务平台：易卜工程化平台和数字孪生平台，孵化出3套系统应用：智能规划塔、智能计划塔、京慧供应链系统，用于对外部客户进行赋能和服务。

1. 算法中台

算法中台不是简单的算法组件堆砌，它是以业务场景为依托，通过京东内部和外部客户行业场景的积累，抽象和沉淀出的算法能力支撑平台。这套算法中台和行业上其他同类产品最重要的异同点是，建立了丰富的供应链行业知识，沉淀出了面向业务和解决具体问题的逻辑方法论和步骤。

建设中台的过程，是一个自上而下的解耦过程，把相对耦合的业务场景进行拆解，不同业务场景中共性的东西抽象出来，做成相对标准的组件，沉淀到算法中台上。

2. 两个工程化平台

当新场景产生的时候，碎片化的组件并不能自动有效的重组在一起，来满足业务需求的。因此，我们打造了工程化平台，主要目的是把已经解耦的组件重新组合，形成不同的模态，服务不同的业务场景。

① 易卜工程化平台

一个工程化平台叫易卜，到目前为止，该平台更多的应用于商物的预测。算法中台有了算法策略后，在易卜平台上可以快速地部署和应用，提升算法工程的效能，实现快速的串联成型。易卜平台实现了让整个过程可视、可配，同时可以把它给予前台销售人员，以供他们做项目POC时，快速根据场景去配置一些预测的应用展现给客户，同时满足他们一定的准确率的要求。

易卜平台最底层是组件层，包含130多个预测模型，40多种算法策略，支撑30多种预测场景，以及十多种行业场景。

利用场景和算法组件的组合，我们支撑了7000多个商家预测服务。算法中台和易卜平台的搭建，降低了同时对多个个性化商家的提供预测服务的难度，整体研发效能提升了57%，中小商家的平均预测准确率提升了10%左右。

② 数字孪生平台

另外一个比较重要的是数字孪生平台。数字化是把物理世界变成数字化的表现形式，当数据化达到一定程度之后，把数据进行联通形成中台化，就可以用数据准确地表达物理世界的现实情况，我们就称之为数字孪生。

数字孪生不是数字化的终点，最终是要通过在数字世界的模拟、优化，形成更优的决策，反作用回物理世界。做数字化是为了优化传统的生产系统，与生产系统做更好、更实时的结合。如果把这个比作飞轮，是希望飞轮转起来越快越实时越好。

3. 三个系统应用

① 一台双塔

基于数字孪生平台，我们建设了一套产品体系称为一台双塔，台是指数字孪生平台，是对物理世界的数字化的表征描述。在此之上形成了双塔的产品体系：智能规划塔和智能计划塔，它们是算法驱动优化的产品，优化的结果会反馈到数字孪生平台里，用数字孪生对它进行仿真模拟，以优化效果，效果达到一定程度后推给生产系统，从而影响真正物理世界的运营效果。

下面是一台双塔在供应链和物流行业的具体应用案例。

规划塔的一个重要作用，是在数据智能的驱动下做物流的顶层规划。把物流网络规划进行抽象，就是时空网络的问题，是涉及到点线面怎么去确定的问题。点是指仓库、枢纽等选在什么点上是相对最优的。线是指点和点之间怎么去连通，涉及到整个运输的路由问题。面是在点和线形成面，面和面之间跨区怎么进行协同配合。在京东物流全国体系里，有7000多个站点，200多个分拣中心，1200多个库房，在这么多的点的情况下，线也是交错复杂的，在点和线之间的选择和排产是非常复杂的。

规划塔的一个重要能力是，在期望的业务目标下计算出最优解。因为现在整个网络的规模非常大，所以更多的是做静态方面的工作。静态的优化不是终极目标，终极目标是，在数字孪生体系里，把飞轮做的越快越实时越好。为此我们在技术上做了很多努力，比如传统的运筹学和AI机器学习的融合，把整个的计算效能提升了很多，从而解决更及时的问题。

接下来是一个优化的案例。近两年在新冠疫情爆发下，物流工作面临着一些挑战，尤其是在2021年1月23号，武汉封城前夕，我们接到消息后对全网每天进行扫描优化。

随着疫情的发展，对我们的基础设施冲击非常大，包括核心枢纽和一些路由的中断，还有一些仓的关闭。把这些基础设施切断了之后，如何有效把剩余基础设施进行组织，形成一个比较高效的网络，是需要我们实时响应的。在这种情况下，我们对系统进行升级，实现了更快速、更柔性的解决这些问题。比较经典的问题，包括全国运输网络路由规划、仓内生产规划、商品布局和排产优化、组单派单优化。

② 京慧供应链系统

京慧供应链系统，致力于用先进的数字化技术，帮助企业加速完成供应链数字化转型。

首先，我们会提供全面的供应链咨询、蓝图规划和解决方案设计与落地。

其次，会提供一体化的供应链计划管理和运营执行方案。

第三，致力于用数字化技术助力企业提升供应链效率，加速供应链数字化升级，帮客户实现端到端数据互联互通，全程的供应链精益化管理。

京慧系统是通过4层结构建设完成的，包括：

供应链数据中台

智能决策引擎

各种产品应用

企业级的用户体验

京慧系统在架构和功能层面，是一套成熟的企业级客户服务系统。首先实现了预测，供应链优化是从预测开始，通过把对未来的预测，返回到数字孪生平台里做策略优化。在商流的预测能力上，我们投入了很多精力和成本，包括AI技术、算法策略和数据平台，在算法策略里包含了对行业的监控，形成一整套的预测系统。

预测作为供应链优化的开端，是要为业务效果的优化进行服务的。在预测的基础上，我们开发了库存补调的产品体系，包含智能补货调拨系统，用于完成在不同级别的仓间进行补货调拨，在同级的仓里进行多级库存的优化均衡。底层逻辑是利用数字孪生平台，把库存进行孪生，再根据不同的库存管理策略进行正向模拟。看到效果后，从后往前进行反向优化库存参数，以达成更好业务指标。

下面是我们具体的客户的实例。

一个是消费品行业的案例，该客户在采用京东的供应链管理模式之前，由客户自己进行整体的商品布局供货。所有的货由客户自己来控制，放在什么地方，放到哪个仓里，怎么补货和调拨。最大的问题是整个企业之间的数据没有进行有效的整合拉通，造成对市场需求的反应比较迟缓。

利用京慧系统对它进行赋能后，我们把全链路的数据进行整合拉通，同时基于需求预测的能力，对库存进行提前的布局和响应。客户现在把所有的供货的环节交给京东物流京慧系统，帮他在策略上制定和执行更优的网络布局、补货策略和管理库存。

达成的效果是，不仅减少了物流整体的费用，同时提升库存周转和资金使用率，整体的履约率和客诉率也都有全面的提升。这是一个供应链行业里非常典型的案例，它反映了供应链整体优化，是需要整体去看，怎么做从端到端的一体化优化，不是单点的局部优化。

另外一个客户是一个备件行业，就是制造业的案例，我们帮助一家国际零部件的生产厂商，搭建一整套端到端的数字化供电体系。包括原材料的销售预测与库存控制、订单评审与管理、公司级产销协同、集成仓排程、自制厂排程、CRM、OTWB系统。通过这套体系，把整体的库存降低了20~30%左右，同时供应商的准时交付率有所提升，客户的交付周期也有缩短。这是一个典型的，通过端到端的一体化、数字化的供应链整合服务，帮助客户进行全面业务提升的案例。

以上两个案例是大型头部企业的优化案例，下面是中小企业的一体化智能供应链解决方案。我们认为，现在中国履约效率的问题，是要解决腰部企业的供应链优化问题。在客户商品入仓后，由京东进行全方位的托管，依托预测和库存算法，结合高品质的仓位赋能，助力商家提升供应链的效率，降低成本。今年第一年开始接触这部分客户，我们服务了约400多个商家，整体跨区占比降低了12%左右，对物流成本、供应链效率的提升，产生了比较好的效果。

总结来看，京慧供应链系统依托于物流、商流和数字化技术，已经为中国4.1亿的活跃网络用户，提供了极致的物流体验。通过把智能系统服务贯穿到供应链各个环节，管理了数百万级的sku，服务了我们的头部客户，同时把服务能力赋能到中小商家，最终助力整个社会数字化的运营效率升级。

我们打造这些能力，是通过两大方面，一方面是KA定制化的系统项目，另一方面是标准系统产品建设。这两个赛道存在矛盾点，在KA定制化的项目里，要投入大量的人力、物力和资源，对一些个性化的需求进行满足。但其中一些先进的业务，不能进行大规模复制，在服务中小商家时，为了让系统灵活服务于更多的客户，便于大规模的复制。我们在系统上面做了三个主要的动作：

一是技术架构解偶，包括对业务场景的抽象重组和能力解耦，做需求配置，以同时支撑多个客户需求；

二是整个算法中台能力的沉淀与建设，包括算法的抽象组件化建设；

三是在技术架构解耦和算法中台建设的基础上，打造标准通用化的供应链服务产品，进行自由的服务组合，以满足60%的基础需求。

在此基础上，通过做定制化配置，来满足不同的个性化需求。

供应链行业的未来发展，首先是人才方面的建设。我们对大数据时代核心人才的定义是，不光要具有对Datascience-人工智能算法的研究，同时要具备非常好的工程化能力，并且在此基础之上，要去深度的了解业务。这三个象限的交集是我们对未来人才的要求和选拔的条件。

从业务层面来看，我们是围绕着整个供应链，打造数字孪生开放体系。在我们服务不同行业的外部客户时，发现现在中国大部分的企业还处在第一阶段-数字基建阶段，还没有把信息化数据化做好。

我们内部是在推向第二阶段-建设数字孪生平台，在数据化和信息化建设到一定程度的基础上，去推动整体数字化建设。数字化是指用一种反作用力，把在数字世界的优化、模拟算法的效果，落回到物理世界里。

最高级别展望是建立整体生态圈儿，在数字原生的基础上，趋向于一个虚实相结合的产业元宇宙的状态。

Q：关于传统的运筹优化方法跟深度学习结合的方案，有好的参考案例可以介绍吗？

A：在数字孪生系统里，我们用了比较多的AI和运筹相结合的方法。传统运筹对算力的要求比较高，在参数模拟环节里，很多参数是通过AI进行提前或者在线训练的，通过把训练好的参数置回到运筹系统里，用数据模型进行优化，优化出的结果，会产生数据集，把数据集反馈到深度学习的算法里，进行重新训练。这就是一个循环AI和运筹互相促进的过程。在数字孪生里，未来在建设更实时化的完整体系时，需要两者进行深度的沟通。

Q：在入库、补货、调拨等库内的操作中，京东物流有做一些比较有趣的例子，可以分享一下吗？

A：仓库是在一个四面墙里，我们做了很多方面的尝试。比如集合单的优化，商品在拣货的过程中，如何把相近的一些货物进行集合归类，目的是减少拣货员的行走的总体路线。这是一个非常经典的排线问题，也非常困难。涉及了预测的问题，首先要对未来进行预判，在预判的基础上，结合运筹和AI的技术，一起解决这些问题。

在深度学习领域，仓里也有一些应用场景，包括用CV技术进行暴力操作的识别，来减少货损，提升购物体验等。