搜索
分享按钮

关于我们商业合作我要订阅我要投稿,电话:010-82387517/18/19

©1996-2020   版权所有 : 北京科技大学物流技术与应用编辑部   京ICP备17036934号-2

北京科技大学物流技术与应用编辑部

最新文章

斑马技术为食品供应链可追溯性和安全性保驾护航
驭势科技牵手一汽物流,打造物流创新技术标杆
双十一苏宁物流趣味大数据出炉!
“双循环”战略显效内需强劲:新任CEO陈磊带领拼多多迎来首个盈利季度
天猫双11物流订单总量定格23.21亿,200城参与绿色物流和绿色消费
京东物流发布11.11超级战报:个人快递单量增长164%,京东云仓单量增长138%
数字孪生系统落地,苏宁物流练就“数字化”轻功
全球首个智能快递车领养计划出炉,京东快递小哥可领养多台
极智嘉与迪卡侬达成战略合作协议,共建智慧体育物流创新实验室
京东快递11.11开门红!个人快递业务单量同比暴增101%
极智嘉当选微软全球ISV合作伙伴,惊艳亮相微软合作伙伴大会
重构:数链新时代——科箭2020用户大会 · 上海站盛大举行
郑州亚洲一号升级启用,面向商家全面开放
菜鸟启动义乌超级进出口中心 助力全球商家备战天猫双11
新变量·构未来 新能源汽车应用趋势预判

P126 面向供应链挖掘“商品关系链”价值 ——“大数据与智慧物流”连载之二

P126 面向供应链挖掘“商品关系链”价值 ——“大数据与智慧物流”连载之二

分类:
连载
作者:
李嘉/文
来源:
2017年第2期(总第201期)
2019/08/06 14:49
浏览量
【摘要】:
  中国有句俗语:人以群分,物以类聚。这句话蕴含朴素的大数据思维。本文以笔者亲自主导的一个仓储商品布局优化案例为切入点,深入探讨这种思想在电商供应链领域的价值。

  中国有句俗语:人以群分,物以类聚。这句话蕴含朴素的大数据思维。本文以笔者亲自主导的一个仓储商品布局优化案例为切入点,深入探讨这种思想在电商供应链领域的价值。

  一、物以“类”聚

  评价电商仓储能力的核心KPI之一是在售SKU(Stock Keeping Unit)总量。不同种类的SKU,在码放标准、安保要求、生产流程、打包方式、温度控制等方方面面存在巨大差异。简单来说,在售SKU总量越多,电商的供应链能力越强。现行模式下一个SKU对应一个销售种类(例如32G Iphone7 金色手机,即为一个标准SKU);相应地,一个SKU默认为仓配体系中的一个最小作业单元(比如最小上架单位、最少补货单位、最少拣货单位等)。然而细思起来,这种模式存在一个巨大的“意识断层”,即:引入一个SKU的动作在采购端完成,其核心动机是根据市场需求拓展供给商品,根本目在于提升GMV;而仓配体系遵循的铁律是用最低的成本把商品送达用户,根本目标在于降低成本。两者分处销售与运营两端,目标不同,本质上没有任何理由支持“每一个销售基本单元必须 = 每一个运营最小作业单元” 这个等式的成立。

  在跨越 “意识断层”方面,JD运营已经开始了探索。以2016年7月在华南某10万平方米仓储中心进行的科学仓储布局项目为例,见图1。布局前后效果见图2。

  从图1看出,项目引入SKU簇作为库内的最小作业单元,同簇SKU在整个库房生命周期内,会被同时执行上架、补货、移库等操作,不可拆分。经实地测算,重布局后,减少拣货时无效移动59%。无效移动案例如下:

  a.Case平库:拣货员穿越了一个巷道,但未拣选任何商品,记录为一次无效移动。

  b.Case“货到人”库:一个移动货架有100件商品,类kiva机器人搬运一次后,拣货员拣选了其中1件。此情况中,其余99件商品分别记录一次无效移动。

  具体实施步骤如下:

  1. 利用大数据预测工具计算每2个SKU被同单购买的概率;将此概率作为个体距离,应用聚类算法,在SKU总量基础上生成若干SKU初始簇;

  2. 根据簇内每一SKU的支持度,计算其在簇内的件数配比;

  3. 根据待布局储区容积,寻找全局最优的簇实例组合。最优目标为:拣货时无效移动次数最少;

  4. 根据待上架目标介质的实际容量,以及簇内配比,对初始簇进行裁剪(目标介质指以下中的一种:可移动货架、平库巷道、shuttle货格等)。一个初始簇会被切分为若干个簇实例。一个簇实例是一个具体到件数的存储/作业单元;

  5. 按切分好的簇实例及其分布完成上架。簇实例示意图见图3。

  该项目在算法实现层面存在以下难点,供读者应用时参考:

  1. 预测SKU合买概率难度较大,历史订单数据受季节因素、赠品绑定、促销等因素影响明显;

  2. 不同类型储区对簇实例裁剪要求各异,需兼顾以下维度思考:

  (1)簇实例之间应保有关联度

  (2)避免热销簇过度集中,导致局部拥堵

  (3)避免簇实例的商品量过大,导致占用目标介质过多

  (4)避免簇实例的商品量过小,导致拣货时SKU易被击穿

  3. 如欲兼容热销品近产线模型,会引发计算复杂度指数级攀升,见图4。热销品近产线效果的计算方法见图5。

  (1)按商品合买概率划分SKU簇

  (2)以巷道为目标介质,生成簇实例,上架商品

  (3)将销量最高的巷道移到黄金位置

  (4)围绕01巷道,按簇间合买概率布局02、03巷道

  (5)按销量排序后,03巷道中商品销量更高,交换02、03巷道中簇实例

  (6)以02巷道为中心,迭代4-5步骤,直至整个储区规划完毕

  JD运营从表象上看打破了按SKU管理库房的传统,实际上是还原了Stock Keeping Unit的本来含义。本文所述SKU簇,提供了定义仓配体系更高效的最小作业单元的新思路,其广泛应用将大幅削减管理复杂性,更贴近运营目标。运营中的最小作业单元不应仅是基本销售单元的影子。

  二、 人以“群”分

  每一件售出商品背后至少有三个人:生产商、销售商、用户。前文就类聚后的商品,在电商运营端的价值进行初步讨论,并未展开对商品背后人群的精准分析。未尽之言以一张思维导图作为概述,以求启迪读者更多思考。见图6。

  作者为京东商城运营研发部大数据研发部负责人

关键词:

版权声明:
未经特别书面授权禁止所有媒体及网站转载本站所有文章内容。如有违反者构成犯罪的,依法追究刑事责任。所有媒体及网站要转载本站的任何内容请来信申请,请E-Mail: bjb@edit56.com 或者致电: (010)82387518 联系。 

0

在线分享