第一物流全媒體7月3日訊（微信：cn156news ）
編者按
智能物流一直是物流行業(yè)津津樂道的關鍵詞，在人工智能技術大爆發(fā)的背景下，物流行業(yè)將何去何從？2017年7月7日～7月9日，由記者承辦的CCF-GAIR大會上，將開設智能物流專場，屆時來自菜鳥、京東等物流行業(yè)的專家和學者將匯聚一堂，共同探討智能物流的未來。
從2009年開始，雙11不再只是光棍們自嘲和相互取暖的日子。在淘寶商城的帶動下，這一天已逐漸成為一場全民的購物狂歡。
買買買是愉快的，但等待快遞也是焦急的。2013年，菜鳥網(wǎng)絡成立，它被定位為以數(shù)據(jù)為驅(qū)動的社會化協(xié)同平臺。也許很多資深的網(wǎng)購達人已經(jīng)注意到，快遞的送達時間已在逐年縮短。
統(tǒng)計數(shù)據(jù)顯示，2013年的雙11，第1億件包裹的送達時間為9天，2014年為6天，2015年為4天，2016年為3.5天。
在這些數(shù)據(jù)背后，有中國交通基礎設施和快遞產(chǎn)業(yè)鏈不斷完善的因素，同時，作為調(diào)配物流運力的看不見的手，算法的優(yōu)化更是功不可沒。
那么算法優(yōu)化主要應用在物流的那些環(huán)節(jié)，它能為智能物流帶來什么？下一步菜鳥網(wǎng)絡的算法團隊還打算解決物流算法中的哪些痛點？帶著這些問題，記者采訪了菜鳥網(wǎng)絡的高級算法專家朱禮君。
朱禮君
朱禮君：現(xiàn)任菜鳥網(wǎng)絡高級算法專家。于美國馬里蘭大學獲得物理學博士學位。先后在Goldman Sachs、Amazon和Facebook從事數(shù)學建模和算法方面的研究工作。2014年回國后加入阿里巴巴，先后帶領了天貓個性化推薦算法團隊和菜鳥網(wǎng)絡倉配供應鏈算法團隊。
以下為采訪實錄：
記者：請簡單談談在菜鳥網(wǎng)絡里你的算法團隊主要研究的內(nèi)容和課題。
朱禮君：在菜鳥網(wǎng)絡，算法團隊負責的主要是菜鳥物流平臺中各個產(chǎn)品的算法和數(shù)學模型的建立和應用。我們需要和菜鳥的合作伙伴一起，對物流網(wǎng)絡進行優(yōu)化。
記者：物流的算法優(yōu)化主要應用于物流的哪個環(huán)節(jié)？可否詳細說說算法優(yōu)化的會帶來哪些看得見的價值？物流環(huán)節(jié)的哪些工作崗位可能會受到影響？
朱禮君：菜鳥網(wǎng)絡有很多合作伙伴，這些合作伙伴分布在各個不同的物流環(huán)節(jié)。我們的技術需要與合作伙伴協(xié)同，根據(jù)不同的物流場景來實現(xiàn)不一樣的功能。
譬如應用在：
商家端，算法會指引商家備貨、補貨以及庫存分布和運輸進倉，降低商家供應鏈成本。
倉儲端，我們通過預測和優(yōu)化算法來合理地布局倉庫里的貨位和庫存分布；會動態(tài)地跟據(jù)倉庫的作業(yè)情況生成貨品揀選任務，優(yōu)化倉內(nèi)的作業(yè)效率；會推薦合適的包材，降低耗材成本；會做自動化設備調(diào)度，通過自動化設備之間的協(xié)同來提升倉庫運作效率。
配送端，我們有路徑優(yōu)化引擎，來優(yōu)化車輛的任務指派和行走路徑，降低車輛行走的路徑，在節(jié)省成本的同時也能為環(huán)保盡一份力。
最后一公里的末端網(wǎng)絡上，我們能動態(tài)地根據(jù)任務來調(diào)配社會化運力，優(yōu)化供需匹配。
當然，作為一個開放的平臺，我們會對外提供我們的算法服務，緊跟數(shù)據(jù)化和自動化的趨勢，與行業(yè)一起發(fā)展。
我們要看到，以前很多需要人決策的問題，重復性比較大，會越來越多地由算法完成。物流行業(yè)從業(yè)人的精力就可以更多地被釋放出來，深入到物流行業(yè)的運營和管理上來。
記者：為了實現(xiàn)這些物流優(yōu)化，你們使用了哪些新的技術手段？相比于傳統(tǒng)的方法，它們的先進性體現(xiàn)在哪里？在解決問題的過程中，傳統(tǒng)方法和新方法是怎樣的一個關系？
朱禮君：我們在實際工作中，有借鑒機器學習的思想，其實就是人工智能技術，來加速我們求解問題的過程。
目前傳統(tǒng)方法和新方法都有運用，傳統(tǒng)方法可以解決簡單問題，新方法能夠解決復雜問題，新方法是技術進步帶來的產(chǎn)物。
記者：在算法方面，要實現(xiàn)像雙十一這種級別的網(wǎng)購節(jié)日的物流優(yōu)化需要比平時更加注重什么？
朱禮君：像雙十一這種級別的網(wǎng)購節(jié)日對整個社會的物流都有很大的壓力。對于應付這種壓力，我們需要精準的需求預測，能夠提前知道商品在不同區(qū)域的需求量，這樣才能幫助商家未雨綢繆地準備好庫存，做到不缺貨也不滯銷。
在整個物流網(wǎng)絡中，我們除了有精準的預測以外還需要有預警和自適應調(diào)節(jié)機制，在上游出現(xiàn)意想不到的情況的時候，能夠通過算法模型動態(tài)地做出新的決策，緩解下游的壓力。在上下游的配合上也需要通過算法的提前規(guī)劃做到更好的銜接，保證包裹在每一個物流節(jié)點上都能很順暢地流到下一個節(jié)點上去，不會產(chǎn)生積壓和阻塞。
另外，因為大促對物流資源的需求大大地超過日常，所以我們也需要更好地去利用算法，與合作伙伴協(xié)同作戰(zhàn)，合理配置社會物流資源。
記者：想要實現(xiàn)“零庫存”需要在算法方面做哪些工作？還需綜合考慮哪些因素？
朱禮君：要實現(xiàn)零庫存需要菜鳥網(wǎng)絡與合作伙伴深度協(xié)同合作，讓行業(yè)內(nèi)的數(shù)據(jù)更好的連接，通過算法來優(yōu)化物流網(wǎng)絡的布局，并且對未來的需求做更精準的預測。
首先，下游的銷售和預測數(shù)據(jù)要能夠連接到供應鏈的最上游，使得上游的生產(chǎn)商、供應商能快速地響應需求，做到按需生產(chǎn)，縮短庫存周期。
其次，我們需要和合作伙伴一起，根據(jù)用戶的需求分布和各個城市的物流特性來選擇倉庫、分撥中心、配送站點的配置，有了這張網(wǎng)絡，我們才能做到貨物的快速流動，讓客戶盡快收到包裹。
另外，我們需要能對未來的銷量進行精準的預測，并且通過算法的反饋來調(diào)整商家的營銷策略，減少缺貨和滯銷的風險。
記者：從目前來看，在算法優(yōu)化的角度，繼續(xù)節(jié)省快遞送達時間和物流成本的關鍵點在哪里？切箱問題的算法目前還有多大的優(yōu)化空間？
朱禮君：算法優(yōu)化能促進菜鳥和合作伙伴更好的協(xié)同合作，提高物流鏈路的效率，降低成本。譬如說，在倉庫里的揀選和打包的任務調(diào)度就需要考慮到配送的車輛安排已經(jīng)下游網(wǎng)點的運力。
為整個物流鏈路做一個全局優(yōu)化模型是不現(xiàn)實的，我們需要對上下游的環(huán)節(jié)做合理的數(shù)學抽象，然后通過打造仿真系統(tǒng)來檢測算法產(chǎn)出的決策對上下游的影響。通過不斷地迭代來做到全局的優(yōu)化。
切箱問題，簡單來說就是怎么給訂單分配箱型，學術圈研究了很多年，是一個很有意思的數(shù)學問題。我們現(xiàn)在是打破這個問題的約束，根據(jù)訂單的重量和尺寸分布來重新設計包材的大小，從而降低包材的成本。
另外我們在實際的問題中，我們還遇到了像中空物體、可變形物體的裝箱問題，還有袋子的包裝方案推薦。這些對業(yè)務有影響，對技術有挑戰(zhàn)。
記者：你們認為哪些新的學術方法有望應用到解決這些關鍵點上來？
朱禮君：最近幾年有一些學術界的研究是應用深度學習和強化學習的技術來求解一些傳統(tǒng)的優(yōu)化問題。簡單來說就是使用人工智能技術，在這個方向上我們也有投入。
記者：半導體行業(yè)有一個摩爾定律，物流行業(yè)在配送時間上有沒有遵循某一個發(fā)展規(guī)律？今年雙11，你們預計第一億件快遞的送達時間是幾天？
朱禮君：物流行業(yè)的配送時間近年來一直在縮短。比如13年的時候，1億包裹的送達花了9天，到了15年提速到了4天，16年就只用了3.5天。配送時間的縮短遵循不是摩爾定律。今年雙11很快就要來了，相信配送時間會繼續(xù)縮短。
記者：下一步還打算解決物流算法中的哪些痛點？
朱禮君：下一步我們的重點是打造一個服務我們的合作伙伴、服務物流行業(yè)的優(yōu)化引擎。
因為物流中的很多問題的框架都比較類似，我們可以通過一個優(yōu)化引擎去求解這些問題。比如路徑規(guī)劃、庫存管理、箱型推薦、網(wǎng)絡規(guī)劃等等問題，都是整個物流行業(yè)中經(jīng)常出現(xiàn)的問題。
我們在沉淀自己在這方面的算法技術，把這些算法產(chǎn)品化，并且通過云服務開放服務，和行業(yè)以及合作伙伴一同來發(fā)展。
未來我們會繼續(xù)開放我們的算法服務，和合作伙伴協(xié)同，遵循自動化和數(shù)據(jù)化的趨勢，與行業(yè)一同發(fā)展。另外從學術的角度來說，我們將持續(xù)投入人工智能在優(yōu)化領域的研究。
最后值得一提的是，朱禮君還會參加今年的 CCF-GAIR大會，發(fā)表題為“大數(shù)據(jù)時代的物流優(yōu)化問題“的主題演講，以及“智能物流和倉儲改變商業(yè)未來”的圓桌會談。屆時，我們就能更加詳細的了解到菜鳥網(wǎng)絡的大數(shù)據(jù)和算法優(yōu)化為物流行業(yè)帶來了哪些改變。
?。ɡ卒h網(wǎng)）
