亚马逊库存规划系统的多层级进化之路
在我加入某机构之前就从事过多层级库存优化领域的工作,我深知这有多么困难,” 副总裁指出,“对于团队正在做的工作,我们有一种强烈的自豪感——例如,解决多品项、多层级、具有随机需求和交货时间、聚合能力约束以及差异化客户服务水平的问题。为了满足客户对多样化配送速度日益增长的需求,某机构的配送网络不断扩展,纳入了越来越多的建筑类型和规模:从配送中心(用于日常商品)和不可分拣配送中心(用于大件商品),到服务
多层级库存规划系统的进化之路
某机构科学家如何开发出首创的多层级库存采购与放置系统。
对于在某机构商城上创建的每一个订单,其供应链优化技术组织开发的数学模型都在幕后默默工作,以确保产品库存能以最优方式完成订单履约。预测模型预测每种产品的需求;采购系统决定从不同供应商处采购产品的合理数量;而大规模 placement 系统则为产品确定其在某机构全球配送网络中数百个设施中的最佳存放位置。
“面对跨越多个地理区域的数亿种产品,开发自动化模型来做出某机构规模下的库存规划决策,是我们工作中最具挑战性也最有意义的部份,” 某机构供应链优化技术组织副总裁表示。
我们做出了从根本上重新设计某机构供应链系统的决定。
在过去十年的前半段,某机构从基本手动操作的供应链管理系统过渡到了自动化系统。然而,当需要进一步发展某机构供应链以满足客户需求,以及像 Prime Now 这样的当日达服务推出时,团队开始着手用一套能更好地帮助某机构履行对客户配送承诺的新系统取代原有系统。
“早在 2016 年,我们就已预见到当时的自动化系统无法帮助我们满足客户日益增长的期望,” 他回忆道,“因此,我们决定从头开始重新设计某机构的供应链系统。”
服务本地需求的全球公司
“2016 年,某机构的供应链网络是为这样一种场景设计的:任何配送中心的库存都可以运送给任何客户,以实现两天达的承诺,” 在某机构工作了七年的资深首席研究科学家表示。
这种设计已不足以应对某机构运营的新世界;一个被科学家称为 “全球化与本地化并存的迫切需求” 所塑造的世界。某机构的扩张包括不断增加的国际站点数量——当时,该公司拥有 175 个配送中心,为全球 185 个国家的客户提供服务。
“满足客户群的需求意味着我们需要在多个地理区域为这些客户提供服务,” 科学家说。
随着某机构持续国际化扩张,公司还在本地区域为亚马逊 Prime 和 Prime Now 等服务推出了次日达和当日达服务窗口。
“我们很快意识到,除了服务全球客户,我们还必须从作为全国性网络运作转向本地化网络运作,以便能将库存放置在离客户更近的地方,” 他表示。
除了 “全球化与本地化并存的迫切需求”,某机构供应链网络日益增长的复杂性使问题进一步复杂化。为了满足客户对多样化配送速度日益增长的需求,某机构的配送网络不断扩展,纳入了越来越多的建筑类型和规模:从配送中心(用于日常商品)和不可分拣配送中心(用于大件商品),到服务于当日达订单的小型配送中心,以及为下游配送中心供货的分拨中心。网络日益分层,某一层(或层级)的配送中心开始充当其他层的供应商。
“我们必须重新构想系统的每个方面,以适应这个不断增加的层级数量,” 科学家说道。
多层级库存规划背后的科学
从科学角度来看,某机构运营的巨大规模构成了一项重大挑战。商城订单是通过复杂的动态优化过程完成的——一个实时的订单分配系统可以选择从最能满足客户承诺的最优配送中心来完成订单。这种实时订单分配使得库存规划成为一个极其复杂的问题。
其他与库存相关的依赖关系使问题进一步复杂化:同一批库存经常被用来满足具有不同配送速度的订单需求。考虑一盒尿布:它可以用来完成一个两天达的 Prime 订单,也可以用来缓解在 Prime Now 上下单、需要在两小时内收到婴儿尿布的焦急父母的燃眉之急。
某机构的科学家还必须应对高度的不确定性。即使使用最先进的机器学习模型,也无法完美预测客户对产品的需求。此外,由于制造能力、运输时间、天气等因素,供应商的交货时间也存在自然波动,这增加了另一层不确定性。
这需要构建一个定制化的解决方案,一个依赖可靠科学原理和严谨性的方案,借鉴学术文献中的思想作为构建模块,并辅以突破性的内部发明。
科学家指出,某机构的运营规模、网络的复杂性以及与其动态订购系统相关的不确定性,使得团队试图解决的优化问题,甚至连写出一个封闭形式的 objective function 都变得不可能。
尽管多层级库存优化是一个研究深入的领域,但大部分文献集中在单一产品模型,为更简单的网络提出解决方案,或者在库存补货方面使用了极大简化的假设。
“关于多层级库存管理的学术文献浩如烟海,论文通常只关注问题的一两个主要方面,” 供应链优化技术组织的另一位资深首席科学家指出,他曾在哥伦比亚大学和德克萨斯大学达拉斯分校任教 15 年。“某机构的规模和复杂性意味着没有现成的解决方案是完美契合的。这需要构建一个定制化的解决方案,一个依赖可靠科学原理和严谨性的方案,借鉴学术文献中的思想作为构建模块,并辅以突破性的内部发明,以推动学术研究的边界。看到多层级库存理论在如此大规模和动态的供应链中真正发挥作用,令人无比振奋。”
因此,由供应链优化技术组织开发的系统(一个可追溯至 2016 年的项目)与过去相比有重大突破。该模型的核心是一个多产品、多配送中心、受能力约束的模型,用于在动态履约策略下优化多种配送速度的库存水平。然后,该框架使用一种拉格朗日型分解方法来近乎实时地控制和优化整个某机构网络中的库存水平。
广义上讲,分解是一种将大型复杂问题分解成更小、更简单问题的数学技术。然后并行或串行地解决每个小问题。拉格朗日分解法将复杂的约束条件纳入解决方案,同时为违反这些约束条件提供 “成本”。这个成本通过为最大化问题提供一个上界,使问题更容易解决,这对于在某机构规模下规划库存水平至关重要。
“我们计算了每个配送中心的存储和流动的机会成本,” 科学家解释道,“利用拉格朗日分解法,我们随后使用这些成本来计算这些地点的相关库存位置。关键是,我们在一个可扩展的优化模型中纳入了一种随机动态履约策略,使某机构不仅能够计算单个地点的库存水平,还能计算我们配送网络中每一层的库存水平。”
动员整个组织
虽然创建新的多层级系统是一项艰巨的科学挑战,但它也代表着重大的组织成就,需要多个团队之间的协作。
“将多层级系统从概念推进到实施是我们处理过的最困难的组织挑战之一;我们有许多潜在的实施方式,它们在模型能力、接口、工程挑战以及对我们团队未来互动方式的长期影响方面看起来截然不同,” 供应链优化技术组织的一位副总裁表示,他在推动某机构供应链自动化方面发挥了重要作用,并监督了多层级系统的推出。“这也是一个案例,在没有通过在生产环境中构建和探索一种或多种方法之前,很难在它们之间做出抉择。最终,这就是我们所做的——我们挑选出能确定的最佳方案,进行构建,从中学习,然后重复这个过程。考虑到我们供应链真实世界动态的复杂性,我们通过用真实的生产实施进行实验,学到了仅靠简化模型或模拟永远无法学到的东西。但对团队来说这很艰难——鉴于方向上的高度不确定性,团队迭代的系统是否是最佳路径并不总是显而易见的。”
有时,进行大规模变革的唯一方法是意识到你别无选择,只能做出改变。
某机构的一位首席应用科学家表示,“有时,进行大规模变革的唯一方法是意识到你别无选择,只能做出改变。” 科学家指出,在公司迁移到新多层级系统的四年里,这位首席应用科学家 “发挥了关键作用”。
他回忆说,供应链优化技术组织内的团队敏锐地意识到现有系统的局限性。然而,对于多层级系统是否是正确解决方案存在怀疑。
“这种怀疑是可以理解的,” 他说,“拥有一个好主意是一回事,但你还必须能够以连贯的方式展示你想法带来的好处。”
他举例说明了自己如何帮助说服来自采购和 placement 团队的成员相信新模型的好处。
“一个团队决定从哪些供应商采购产品的最佳来源,而另一个团队则决定这些产品应该放置在哪里,” 他解释道,“我能够向他们展示这两个功能在多层级系统中将如何被统一起来。当然,这会改变他们的日常工作方式——但这样做的方式会让他们的工作更简单。”
为了帮助确保资源可用于多层级系统的开发,他还致力于推动供应链优化技术组织领导层之间的共识。他开发了一个基于真实世界数据的模拟。结果清楚地表明,所提出的库存预测、采购和 placement 解决方案将导致运输成本大幅下降,这反过来又使某机构能够为客户保持更低的价格。
参与多层级规划讨论的团队在看到模拟结果后备受鼓舞。
“每个人都认同这个愿景,” 他说,“我们开始近乎实时地协作。如果遇到问题,我们不会等待每周的 sprint 会议。我们直接聚在一个房间里,或者站在白板旁解决它。”
他表示,这也是事情开始变得更加复杂的时候。
“我们开始意识到现有设置的复杂性,” 他说,“我们开始认识到系统中的每个组件是如何拥有多重依赖关系的。例如,采购平台与旧的遗留系统紧密集成——我们现在必须将这些依赖关系纳入我们的解决方案。”
解决多品项、多层级、具有随机需求和交货时间、聚合能力约束以及差异化客户服务水平的问题。这种事情在学术界和工业界都是闻所未闻的。
团队在从 2018 年持续到 2020 年的三个连续的生产环境实验中对多层级解决方案进行了迭代。第一个实验室将新系统的组件与旧平台结合在一起。在降低成本方面取得了巨大成功,即使在完成与更高配送速度相关的订单时也是如此。团队随后在第二个实验室测试了多层级系统的后续版本。
“那次效果就没那么好了,” 他回忆道,“大多数事情都没有按预期工作。”
然而,领导层鼓励团队继续前进。这并不是供应链优化技术组织第一次承担宏大而雄心勃勃的项目。该组织花了三年时间部署第一个自动化供应链管理系统,期间克服了各种挑战。“当然,第二个实验室的失败令人沮丧,” 他说,“但我们从经验中知道,这种失败是可以预料的。这是过程的一部分。”
团队修复了错误,并继续在第三个实验室测试新功能。其中包括关键的系统能力,例如在特定时间窗口内为配送建模订单截止时间的能力。
该系统于 2020 年上线,在过去的一年里,多层级系统在将产品放置到离客户更近的位置方面产生了巨大且统计上显著的影响。
“就个人而言,我为我们的团队感到无比自豪。在我加入某机构之前就从事过多层级库存优化领域的工作,我深知这有多么困难,” 副总裁指出,“对于团队正在做的工作,我们有一种强烈的自豪感——例如,解决多品项、多层级、具有随机需求和交货时间、聚合能力约束以及差异化客户服务水平的问题。这种事情在学术界和工业界都是闻所未闻的。这就是为什么我觉得作为某机构的科学家和领导者工作很有成就感。这让我非常自豪,而这一切如果没有我们的人和我们的文化,是不可能实现的。”FINISHED
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)
更多推荐



所有评论(0)