【仓储物流】仓储物流大数据的开发与应用

来源:上海物流货运服务公司发布时间:2020-03-26 12:00:00

文章京东商城运营研发部***仓储产品经理刘红宇、王双金

文章京东商城运营研发部***仓储产品经理刘红宇、王双金

大数据对仓储物流的未来发展具有重要意义。如何完成仓库中各种物料的快捷运行,核心在于如何挖掘与仓库相关的大数据的价值,并将其与仓库中的各种设备和操作策略相结合。

随着物流的智能化发展,大数据技术的作用日益突出。通过大数据技术在仓储物流运营各方面的应用,形成仓储物流核心竞争力,引导企业走智能化、精细化物流发展之路。从政策环境、技术环境和产业环境三个方面分析了仓储物流领域大数据技术的现状和发展趋势。

在物流企业的存储、运输、配送、加工等环节,每天都会出现海量数据。面对海量数据,物流企业在继续加大对大数据投入的同时,不再仅仅把大数据作为数据挖掘和数据分析的信息技术,而是越来越多的企业把大数据作为战略资源。随着大数据时代的到来,越来越多的企业将大数据视为战略资源,大数据技术的到来可以通过建立数据中心挖掘隐藏在数据背后的信息价值,充分发挥大数据给物流企业带来的发展优势,在战略规划、商业模式、人力资本等方面进行周全部署,为企业物流运营过程中的战略决策、运营规划、资源协调、人力效率提升和成本控制等方面提供有力支持,从而帮助企业优化管理,提高行业竞争力。

仓储物流作为物流运作的重要组成部分,产生并积累了大量的订单行为数据,如用户的仓储、出站、拣货等,如何通过大数据连接这些信息,收集和整合各个节点的数据,并通过数据中心将其转化为有价值的信息进行分析和处理是目前整个仓储物流行业为关注的问题。

目前,**出台的物流产业规划和大数据相关政策主要包括《第三方物流信息服务平台建设指导意见》、《商业物流标准化专项行动计划》、《第三方物流信息服务平台建设中长期规划》等一系列政策《物流业发展指导意见(2014-2020年)》和《关于推进物流信息化工作的指导意见》作为物流业转型升级的重要指导思想,提出了化工加工方式。

2013年6月发布的《关于促进物流业健康发展的指导意见》指出,要加快交通物流公共信息平台建设,完善平台基础交换网络,加快跨区域、跨行业平台有效对接,实现铁路、公路、水路、民航信息互联互通。鼓励企业加快信息化建设。

2014年2月发布的《第三方物流信息服务平台建设案例指导意见》指出,第三方物流信息服务平台建设的指导思想、基本原则、建设类型、建设标准,具体阐述了第三方物流信息服务平台建设的保障措施和评估要求,并将具有国内先进商业模式和较好经济社会效益的第三方物流信息纳入信息平台建设案例。

此外,交通运输部正在编制《物流发展“十三五”规划》,统筹发展现代物流,指出要发展智能物流,及时研究制定“互联网”货物物流行动计划,深入推进移动互联网、大数据、云计算等新一代信息技术,加强公共物流信息平台建设,完善平台服务功能。

大数据处理的关键技术一般包括:大数据采集、预处理、存储、大数据分析、可视化等技术。

在数据采集方面,现有的RFID射频技术、传感器技术、系统日志采集技术、EDI交互数据、移动互联网数据采集技术等,可以从仓库操作中获取各类结构化、半结构化(或弱结构化)和非结构化数据。这些海量的数据是大数据知识服务于仓库物流的基础,目前仍需突破分布式高速、高可靠性的数据采集技术,如数据的抓取或采集、高速数据的全图像等。,突破高速数据分析、转换加载等大数据集成技术,设计质量评价模型,开发数据质量技术。

在数据存储中,大数据的存储和管理利用内存来存储采集到的数据,建立相应的数据库,并进行管理和调用。***研究复杂结构化、半结构化和非结构化大数据的管理和处理技术。它主要解决了大数据的存储、表示、处理、可靠性和有效传输等关键问题。开发可靠的分布式文件系统(DFS)、节能优化存储、计算集成存储、大数据去冗余和快捷低成本的大数据存储技术;突破分布式非关系大数据管理与处理技术、异构数据融合技术,数据组织技术,大数据建模技术研究;突破大数据索引技术;根据移动、备份、复制等技术突破大数据;开发大数据可视化技术。

在数据分析方面,对现有的数据挖掘和机器学习技术进行了改进。开发数据网络挖掘、特殊群挖掘、图挖掘等数据挖掘新技术,突破基于对象的数据连接、相似性连接等大数据融合技术。它突破了用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。

京东拥有周全的仓库、国内复杂的新型物流网络、密集的终端配送体系。基于这三个维度,在京东的物流系统中,每天都会产生数以亿计的实时作业数据。这些真实有效的数据是JD构建人工智能算法平台的基础。在这个大数据的基础上,JD可以实现平台的独立演进和演绎,帮助企业选择符合业务模型的算法模型,从而让执行系统统一实现真正的智能化。

当电子商务企业向全品类扩张时,必然会面临一个问题:如何在**范围内进行合理的库存布局,从而实现成本与效率的优化。库存布局包括两个维度。***个维度是每个仓库存放什么样的货物,以及如何解决不同仓库之间文档分割率高的问题。第二个维度是将哪些货物放在同一个仓库中,这是合适的仓储操作。基于这个痛点,JD在过去的操作过程中积累的海量数据起到了一定的作用。通过大数据,我们可以分析不同季节、不同地区、订单和商品之间的关系。系统可以很频繁地知道同一个客户将购买哪些商品。通过JD的智能算法,可以形成独到的商品四级分类,帮助企业更好地实现物流服务水平与成本之间的***。

对于京东仓储系统,在过去的一年中,我们深入挖掘了“20W×20W/天”的订单数据,建立了基于时间序列的数据立方体,提取了稳定可靠的商品关联度,专注于先进算法的应用,自主开发了全品类商品布局解决方案。该方案可以细化550万***仓库百万甚至上千万库存的布局结构,从仓库层、仓库层、车道层三个维度系统推进京东运营系统商品布局优化。

在拣货过程中,系统一般将拣货单传递给拣货人员,拣货人员根据拣货单上的商品订单顺序完成拣货操作。京东原有的仓储系统虽然采用订单的批处理策略,但主要依靠仓库人员的经验,人工设置筛选条件,生成拣货单任务,造成拣货位分布极为分散,拣货路径过长的问题,拣货路径选择不合理等,严重影响仓库的作业效率。

现在,通过大数据和机器学习,JD的仓库系统可以根据商品的历史出仓数据和货位数据进行自学习,对地理位置上属性相似的订单进行分类,将本地的订单集中起来,用算法代替人脑规划550多万***仓库的***拣货路径,用码腿代替人帮助近万名拣货员奔跑,使大型物流中心的拣货员,如同行走在7-11便利店一样,每次过货架都会满载返回,从而节省拣选和行走时间,提高仓库的运行效率。

利用大数据进行预测是大数据应用的一个重要方向。通过大数据预测技术,挖掘消费者的消费偏好和消费习惯,预测消费需求,实现商品物流与客户需求的同步,提前围绕消费需求安排商品,预测运输路线和配送路线,缓解运输高峰期的物流压力压力,提高客户满意度和客户粘度。

目前,京东通过将销售预测与销售计划相结合,建立了独到的智能单笔交易量预测系统。该系统基于大数据平台进行实时计算,主要通过对历史销售数据的研究,并自动抓取营销方案,可以预测商品未来的销量,并输出叠加的单笔销量预测。以大数据为支撑的智能单量预测系统,可支持京东各类数千个自营单品的需求预测。单量预测类仓库维度准确率达到85%。它是库存控制相关系统的一个重要的基础数据源,是JD的数字化驱动智能操作的基础。

在每年的“6.18”和“双11”中,京东的订单交易量将增加数倍甚至超过10倍,在仓库现场交付的包裹数量也将增加一倍。这种倍增的物流交互系统的压力无疑是,随着人力成本的提高,依靠传统的人海战术解决问题越来越困难。JD已经开始使用基于大数据的人工智能和自动化技术来解决人类效率问题。在京东的“亚洲***”仓库系列中,大量的自动化立体仓库(as/RS)、输送线、自动分拣机等物流自动化设备投入使用,提高了仓库的运行效率;在京东的无人仓库中,采用数据感知、机人结合、算法指导等方式进行生产,全面改变了目前仓库的运行模式,大大提高了效率,降低了劳动消耗。

在这些人工智能和自动化设备背后,大数据支持的算法是核心和灵魂。在车载阶段,算法会根据车载货物的销售情况和物理性质自动推荐合适的货位;在补货阶段,补货算法的设置会平衡拣货区和存储区的库存分布;在出站阶段,定位算法将确定适合拣选的位置和库存数量,调度算法将驱动适合的机器人将货物运送到“人/机器人”进行处理,并与适合生产的工作站进行匹配。大数据使京东有足够的信心来应对消费升级带来的更大规模物流配送系统的压力。

大数据对仓储物流的未来发展具有重要意义。如何完成仓库中各种物料的快捷运行,核心在于如何挖掘与仓库相关的大数据的价值,并将其与仓库中的各种设备和操作策略相结合。未来,物联网技术可以捕捉仓库中的每一个资源的状态,包括人员、设备、设施、库存和订单。通过这种动态捕获,可以立即获得生产线的瓶颈。这些数据被收集到***调度系统中,使调度系统具有灵活性和动态性。利用大数据还可以突破现有仓库中不同商品、不同操作模式的局限性。大数据驱动的策略引擎可以根据当前的订单结构和仓库容量,独立调整和控制不同订单、不同业务流程的运作模式,解决所有领域、所有业务形态、所有品类商品的同一个仓库生产问题。大数据为仓储物流精细化、智能化运作提供了无限的想象空间。同时,如何有效地收集、处理和分析呈指数增长的分散数据,为仓储物流的现场操作和决策指导服务,也是企业面临的巨大挑战。


相关推荐