7-3 供应链超级自动化探索与应用.pdf

《7-3 供应链超级自动化探索与应用.pdf》由会员分享，可在线阅读，更多相关《7-3 供应链超级自动化探索与应用.pdf（16页珍藏版）》请在三个皮匠报告上搜索。

1、供应链超级自动化探索与应用张建申 京东 算法科学家|01京东供应链02探索与应用03未来展望目录CONTENT|京东智能供应链坚持以用户价值为导向|用用户户更准更准更稳更稳更快更快更好更好聚焦客户痛点最佳方法论与实践应用快速响应高效交付致力持续提升客户价值 以供应链为基础的技术与服务企业京东供应链面临的挑战|全品类自营商品1000万+SKU全 品 类六大网络1400+仓库100%区县覆盖5.8亿+活跃用户复 杂 网 络多端多场景线上、线下、全渠道到店、到家、社区国内、国际全 覆 盖数十万合作商家自营厂直FCSFBPSOP复 杂 供 应 全品类、全覆盖 网络复杂、供给复杂、需求不确定性极大京东供

2、应链的核心技术|依托大数据、运筹优化、机器学习、深度学习等前沿技术能力持续突破供应链难题规划规划采购采购库存库存营销营销履约履约售后售后创创意意设设计计研研发发制制造造天天低价天天低价京东供应链采购关键业务|供应商RDCTDCRDCFDCFDC仓网规划：决定SKU网络布局补货：从供应商采购到京东仓库调拨：SKU在京东仓库间的流转清滞：清理不合理SKU，退货到供应商中小件网络：主要分为2个层级，区域仓(RDC)和前置仓(FDC和TDC)。需求管理面临的难题|智能预测智能预测零售零售趋势趋势智慧智慧定价定价智慧智慧选品选品库存计库存计划划销售销售计划计划自动自动调拨调拨自动自动补货补货促销计促销计

3、划划运营运营计划计划滞销滞销处理处理库存库存健康健康全渠道全渠道订单管订单管理理库存库存模拟模拟绩效绩效可视可视智慧零售智慧零售智慧运营智慧运营仓储仓储布局布局财务财务计划计划 以需求为驱动的商业预测是智慧零售的核心 通过预测将驱动供应链各个环节实现库存动态平衡智能预测|需求加速分化，可预测性的挑战极大 算法持续迭代优化，不断创新线上零售线下零售B2S企业业务To B 新品常规品季节品间歇品服饰品业务约束路由模型强化学习最佳模型追踪监控销售场域销售场域商品分层商品分层最佳模型生成最佳模型生成效果监控效果监控Base modelsMeta model计划目标清理滞销r=+DDPG智能预测-算法加

4、持，优化模型输入营销是业务提升收入的重要手段之一，营销信息的预估能够补齐信息差，提升预测输入质量营销指标体系营销发生预估最优营销匹配营销爆发预估促销、流量、用户浏览营销未来概率预估相似度匹配sku粒度爆发弹性SKU流量转化SKU价格弹性预估价格折扣预估流量增幅其他特征历史时序销量促销特征SKU属性特性分层时序预测模型品类品牌量价关系预估总销量未来未来销售计划销售计划基于品类、品牌维度销售金额计划，算法输出与计划一致的sku维度销量预测结果|智能预测-算法优化，应对B端场景 B端需求对供应链的稳定性产生非常大的影响。|基线网络基线网络峰值网络峰值网络时序类特征时序类特征、商品类特征等商品类特征等

5、基线基线输出输出Loss-mseLoss-combineLoss-rmse基线时序BPBP峰值峰值输出输出最终最终输出输出+间歇性特征间歇性特征峰值时序采购自动化|预测补货参数推荐效果评估端到端补货销量营销备货指标负反馈机制 建立精细化采购管理技术体系，提升采购效率及决策合理性，实现周转与现货的平衡优化利用运筹优化和机器学习算法，构建补货模型，提高补货合理性。智智能能化化TIBPA模型预测优化联动端到端模型计划分仓补货模型场场景景覆覆盖盖关关键键指指标标解决需求和供给的不稳定性，实现持货成本和缺货成本最优化周转现货率补货合理性持续迭代算法模型，覆盖更多业务场景。常规补货大促备货季节品备货主赠主

6、附一品多商采购自动化采购自动化利用运筹优化和机器学习算法，构建补货模型，提高补货合理性。智能调拨|区域配送中心(RDC)区域配送中心(RDC)二级仓前置仓/城市仓(FDC/TDC)R-R业务模式业务模式R-F二级仓前置仓/城市仓(FDC/TDC)F-R用户R R-F F保障客单时效提升用户体验R R-R R全国库存平衡缺货紧急支援F F-R R区域库存平衡低效库存清理 以智能化的方式将商品搬运到距离用户更近的地方，降低履约成本，提高时效模型模型计算计算清滞|执执行行跟跟踪踪诊