《5-2 求解器的工业数智化应用.pdf》由会员分享,可在线阅读,更多相关《5-2 求解器的工业数智化应用.pdf(43页珍藏版)》请在三个皮匠报告上搜索。
1、求解器的工业数智化应用高季尧 杉数科技副总裁|01什么是求解器02求解器的发展现状03COPT求解器的性能介绍04求解器在电力、交通、制造、零售等行业的应用目录CONTENT|01什么是求解器什么是数学规划?|数学规划(Mathematical Programming)主要研究在某些约束条件下函数的极值问题u数学规划是运筹学的重要分支之一,它的应用十分广泛,如场址选择、路径规划、排产排程等工业界实际问题均可归结为数学规划问题来处理。u通常把待优化变量称作决策变量,待求解极值的函数称作目标函数,并根据约束条件是否真正起作用分为有约束规划和无约束规划。研究在线性约束条件下线性目标函数的极值问题,是
2、数学规划的基础线性规划规定部分或全部决策变量为整数的规划整数规划在约束条件和目标函数中决策变量出现非线性关系的规划非线性规划指某些变量为随机变量的规划随机规划此外还有多目标规划、锥规划等。其中,线性规划是最基本也是最重要的分支,它在理论上最成熟、方法上最完善,其它分支都是线性规划的发展和推广。数学规划模型|数学规划模型|优化求解器是什么?|什么是优化求解器?考虑一个数据时代的典型决策问题实践中的数据建立数学模型,定义目标和约束指导进行优化决策LearningOptimization在定义了优化的目标和约束之后,我们需要对这个复杂的数学模型进行求解,所进行的运算是在“计算芯片”里进行,这个芯片就
3、是优化算法的一个软件集成,即求解器:Optimization Solver模型数据求解器最优解求解问题类型|线性规划问题目标:在可行域寻找最优解规模较大:常有数百万变量和约束稀疏性质:大量的稀疏矩阵运算数值问题:受计算机精度影响整数规划可行域是离散的点是经典的“NP-完全”问题复杂多样的问题结构需要求解多个线性规划问题二阶锥规划凸二次规划凸二次约束规划半正定规划求解器计算流程图以杉数COPT整数规划为范例|!#$%&()*+,-./0123456789xx对称检测模块界收紧模块界探测模块对偶定界模块行削减模块列削减模块其他x原始单纯形法对偶单纯形法内点法xCliqueCoefficient l
4、iftingFlow coverGUB coverGomorysKnapsack coverMixed integer roundingZero-halfxEnumerationDivingFeasibility pumpKnapsack-basedLarge Neighborhood SearchingRounding其他x选择节点构建LP松弛Bound propagation求解LP松弛添加割固定变量(reduced cost fixing、orbital fixing等)选择分支变量生成子节点 MPS,LP文件读写器 使用C,C+,Java,C#,Python等编程语言调用 AMPL,G
5、AMS,Pyomo,Pulp等建模工具|02求解器的发展现状优化求解器-国内外研发现状|欧美求解器厂商代表国产求解器厂商代表求解器企业问题覆盖类型发布时间中国MINDOPTAlibabaAugust 2020OptVerseHuaweiOctober 2021COPTCardinal OperationsLPMay 2019CMIPCASMarch 2018LEAVESCardinal+Shanghai University of Finance and EconomicsOctober 2017IPNLPLPLPLP求解器企业国家专长领域世界CplexIBMLP+IPXpressFICOLP
6、+IP+NLPGurobiGurobiLP+IP+NLPSCIPZuse Institute Berlin IPU.S.U.S.U.S.Germany对比IPSDPGP2016年前,由欧美求解器厂商主导2016年后,国内启动自主研发优化求解器的进程国内求解器发展历程|国内求解器研发历程2017.102018.32019.52021.92020.82021.62021.102022.2杉数科技联合上海财经大学于2017年10月共同发布开源求解器LEAVES中 科 院 数 学 所 于2018年3月发布整数求解器CMIP偏重学术研究阿里达摩院于2020年8月发布线性规划求解器MINDOPT华为云于2
7、021年9月发布线性规划求解器OptVerse2019年5月,杉数科技发布中国首个大规模商用求解器COPT 1.0线性规划-单纯形法2021年6月,杉数发布大幅改进后的工业级整数规划求解器COPT 2.02022 年2 月杉数发布中国首个商业凸二次规划、二次约束规划求解器COPT 4.0中国首个大规模商用求解器中国首个工业级整数规划求解器中国首个商用二阶锥求解器中国首个商用凸二次凸二次约束求解器2022 年6 月杉数发布中国首个商业半正定规划求解器COPT 5.0,MIP实现显著提速中国首个商用半正定规划求解器2022.62021年10月杉数发布中国首个商用二阶锥求解器COPT 3.02017
8、年10月,杉数科技与上海财经大学共同发布国内首个开源求解器Leaves,国内在求解器探索的步伐开始快步迈进。2019年5月,杉数科技发布国内首个大规模商用求解器COPT,并在此基础上陆续推出整数规划求解器、二阶锥求解器,不断推高国内求解器技术水平。优化求解器-国内发展现状|COPT是唯一一个同时具备LP、MIP、SOCP、凸QP、凸QCP、SDP求解能力的国产商用求解器LEAVES杉数科技与上海财大2017年10月共同发布支 持 LP、SDP、GP等国内目前最成熟的开源求解器CMIP由中科院数学所2018年3月发布支持MIP未开发线性规划模块,采用美国CLP开源求解器解决问题规模相对较小,学术
9、性较强功能和接口不完善COPT中国首个商用求解器,由杉数科技2019年5月发布支持LP、MIP、SOCP、QP、QCP、SDP等LP单纯形、内点法性能全球第一MIP ASU榜单全球第二SOCP ASU全球第三QP、QCP、SDP ASU全球第一支持C、C+、Python等数十个接口、接口丰富支持LP、MIP全面并行化支持计算IIS功能支持ARM64平台和苹果M1行业落地经验丰富MINDOPT求解器开发中,由阿里达摩院2020年8月发布LP排名前列支持LP支 持 C、C+及Python接口支持单纯形法OPTV求解器开发中,由华为云2021年9月发布LP单纯形法性能排名第四支持LP支 持 C、C+
10、及Python接口支持单纯形法!#$%&()*+,%&-.|03COPT求解器的性能介绍COPT 5.0 线性规划 单纯性法&内点法均世界第一|单纯形法内点法大规模网络问题杉数求解器COPT自从2019年5月首次公开发布起,一直长期占据线性规划LP测评榜首的位置单纯形法Simplex求解器从2019年5月17日起至今,约70%的时间占据测评第一,占据着统治性地位而线性规划中相对更快更有优势的Barrier方法,登上榜首以后更是只让王冠外落过于Gurobi一次COPT 5.0 新增半定规划求解模块 ASU榜单第一|SDP问题计算规模大,数值难度高领先此前排名第一的Mosek128%75个问题只有
11、1个未能解出(此前榜单上无任何求解器可以求解出全部75个问题)COPT 5.0 测速情况对比(以某外国铁路系统调度优化问题为例)|共9个案例,为某外国铁路货运网络中的大规模货运铁路系统调度优化问题。模型和算例为负责此业务的公司所有,测试由此公司独立进行。未测试问题是此公司提供的log记录中没有测试记录。求解器功能介绍|杉数 COPT 求解器(2022)核心求解功能线性规划模型(LP)混合整数规划模型(MILP)二阶锥规划(SOCP)凸二次规划(QP)凸二次约束规划(QCP)半定规划(SDP)许可授权类型个人许可(Single PC License)浮动许可(Floating License)服
12、务器许可(Server License)集群许可(Cluster License)支持所有主流操作系统(均为64位系统)Windows,MacOS,Linux(包括苹果M1和Arm64平台)支持所有主流优化编程交互接口C,C+,C#,Python,Java,Fortran,AMPL,GAMS,Pyomo,PuLP,CVXPY,Matlab,Yalmip,Julia求解器使用界面参考(示例)|进入copt_cmd终端工具读取mps模型文件进行求解,展示求解过程log|04求解器在电力、交通、制造、零售等行业的应用求解器-行业底层驱动,关系国计民生|军事作战资源调度,后勤补给、存贮管理、装备维修等
13、后勤保障优化航天航天器轨迹优化,航天装备试验测控资源调度航空航班调度,智能恢复,网络规划,连线优化,收益管理,发动机管理优化能源无功调度优化,机组组合优化,电力市场定价,电力市场出清交通地铁/高铁维修、排班,港口智能调度工业4.0排产排程,产销协同,智能制造,库存管理,仓网布局,零配件优化零售智能选址,门店排班,收益管理,库存优化电商营销策略优化,最优预算分配,最优流量分配仓储物流运输路径优化,网络规划,仓内补货,波次优化、捡货路径优化、捡货员任务分配金融投资组合优化,市场量化计算,风险管理杉数服务逾20个行业超百家龙头企业,建立了清晰的优势市场地位|NO.1 油气NO.1 能源电力NO.1
14、航空NO.1 汽车制造NO.1 通信设备NO.1 平台电商头部商超NO.1 快递快运NO.1 餐饮连锁NO.1 个人护理NO.1 3PLNO.1 物联科技NO.1 美妆日化NO.1 消费电子NO.1 交通出行头部大型家电NO.1 光学电子NO.1 啤酒NO.1 食品饮料NO.1 运动服饰智能决策在电网应用的多元场景|目前,电力系统基本采用的全部都是IBM的Cplex或Gurobi,部署在上百个计算节点上机组组合优化电力市场定价无功调度优化2019年底起,国家电网电科院与杉数尝试在四川省网数据上采用COPT混合整数方案测试,已经可以满足实时计算需求。2021年,南方电网与杉数合作,共同进行现货市
15、场出清模型和算法优化改造,提升出清效率。电力市场出清优化求解器-国内发展现状|与南方电网合作,结合日前安全约束机组组合优化模型、实时安全约束经济调度模型、节点电价模型,旨在实现全国跨区域的现货出清,通过确定发电机的启停、发电功率调整、各节点的实时用电负荷对各节点进行实时用电定价,实现电力现货市场出清的稳定性、高效性、最优性和出清结果的可解释性。南方电网现货市场示范出清系统建设降低发电成本,加大西电东送的输电量,在保证电网运行稳定性的前提下,大幅度提升出清效率模型规模火机组数量:约500水电机组数量:400+新能源机组数量:40联络线数量:100时间耦合性约束电厂电量多端直流潮流安全分段报价电厂
16、数目:200+拓扑节点:4000+断面:1700+时间颗粒度:96模型约束机组组合约束机组爬坡机组出力机组振动区机组最小启停时间逻辑关系约束条件断面梯级水位平衡水库弃水量出清模型改造 分段报价“凸化”改造将三维变量转变为二维变量,减少连续变量个数 最小启停约束的等效cut改造在保证最优解的情况下,缩小搜索可行域 水电振动区改造改造成sos1约束,减少约束数量 爬坡约束改造改造约束缩小可行域 梯级水电改造处理梯级水位平衡约束,减少数值问题影响 条件断面改造将条件断面约束改写成惰性约束,减少约束矩阵复杂度变量数:100万+个约束数:220万+条案例:南方电网 现货市场示范系统出清算法改造-出清流程
17、模型介绍(1)|机组组合模型(SCUC)常规机组组合约束梯级水电约束多端直流约束条件断面约束线性潮流约束修改出力边界值出清成功安全经济调度模型(SCED)电量平衡约束条件断面线性潮流约束分段报价非线性潮流值计算线性潮流约束更新线性、非线性潮流误差收敛分段报价节点定价模型出清四步骤:分别为机组组合组合模型(SCUC)、安全经济调度模型(SCED)、交直流约束迭代及节点定价模型案例:南方电网 现货市场示范系统出清算法改造-解决方案概览|需求限制(如:电力需求量、省备用量等)电气拓扑结构(拓扑节点对安全约束的灵敏度映射)逻辑关系(复杂的条件断面的业务逻辑关系)输入数据多目标优化最小化(发电成本+发电
18、机启停成本+水库弃水成本+联络线传输成本+网损成本+联络线调整成本+安全运行成本)目标函数约束条件业务约束条件复杂逻辑关系约束(条件断面,多端直流)、时间耦合性约束(最小启停时间,梯级水位平衡)、稠密约束等环境约束条件定义不确定性约束,新能源发电具有不确定性(天气,风力大小,风向,日照时长,光照强度等)问题建模混合整数规划求解引擎模型求解预处理LP松弛求解割平面生成启发式算法分支定界输出决策组合优化模型效率目标值和最优值差距系统发电成本模型整体鲁棒性能发电成本(如:机组组合的发电成本曲线等)机组开停机计划机组出力电厂出力计划水库耗水量计划节点定价结果反馈全国统一电力市场建设提速:南方区域电力市
19、场今试运行(来源:央视网)|南方区域电力市场覆盖广东、广西、云南、贵州、海南等南方五省区,启动试运行标志着全国统一电力大市场建设提速,是我国电力体制改革的里程碑。随南方区域电力市场启动投入实际运行。杉数智能决策优化求解技术在基础设施领域进一步得到成功验证。数学规划适用航空的多元场景示例|机组排班通过运筹优化中的先进算法,符合民航法规,更加合理安排机组资源,提升资源利用率,降低运营成本。航班恢复为航空公司SOC提供全方位的保障,在突发情况下,快速提供恢复方案,保障航线正常执行,提高整体运营服务水平。机务维修全方位提供机务维修领域的整套解决方案,从源头上帮助航空公司保障飞行安全,降低维修成本,提高
20、飞机利用率。网络优化基于标快流量流向等数据,通过运筹优化、机器学习等算法建立模型,完成新增通航点规划、线路优化、干线网络规划、网络整体规划等分析内容。飞机智造针对大型装备制造企业复合材料车间,存在各班组、设备负荷不平衡,生产瓶颈,上下游工序互相等料等情况,通过引入智能算法提高生产效率,降低生产成本。每种场景下基于求解器的应用,仅几个百分比的优化提升,为企业带来的成本端缩减/收益端增加都在上亿级别。-以国航/东航/南航为代表,航班调度,紧急航班恢复,机票定价等均采用美国技术,以JEPPESEN,Sabre等美国公司的方案为主。偶尔有一两家在尝试国内公司,基础支撑都是采用Gurobi和Cplex美
21、国两家求解器。案例:南方航空 发动机管理优化项目-背景与核心业务痛点|维修范围难评定,送修费用超预算备发水平波动大退租成本高,总体费用需要均衡化局部优化,缺乏整体指导当前换发计划基于发动机硬件约束制定,缺乏全局优化方法支持备发水平波动导致飞机停飞风险高,临时租发数上升,费用昂贵孔探损伤扩展突变因素复杂,非计划下发多,发动机修理范围制定科学合理,且预估成本偏差大,容易造成成本超支无法均衡周期内退租成本和修理成本,缺乏量化考量核心业务痛点约束复杂,牵一发而动全身1243航空发动机作为飞机最核心的部件之一,有着极高的安全可靠性要求。在实际运行中,发动机有着严格的健康安全管理制度,每经过一定使用期限便
22、需要系统性的检修维护。问题背景案例:南方航空 发动机管理优化项目-算法结构功能设计|UER/AOG下发预测发动机参数发动机性能监控机队运行数据发动机部件可靠性租赁相关合约数据安全备发水平发动机状态预测模块发动机孔探恶化发展的预估发动机健康状态发动机下发时间范围预测发动机使用期限,退租条款,大修成本发动机全生命周期模块单台发动机大修时间推荐范围维修备选策略生成模块发动机维修策略集算法输入数据发动机换发优化模块换发+维修推荐计划仿真模块各项KPI、成本更新维修备选策略是参数更新非计划事件最终换发+维修计划更新否否132412发动机换发优化模块n预测发动机孔探恶化发展概率n精确计算Module剩余在
23、翼寿命n算法技术:回归和置信区间方法,基于随机森林和自适应增强算法建立集成模型,K折交叉验证n发动机送修TAT及报废率预测n生成可选送修工作范围及其对应参数n算法技术:K均值聚类,基于随机森林和自适应增强算法建立集成模型,多维逻辑定级方法n输出换发计划、维修计划总方案n优化发动机备发水平时间轴n算法技术:混合整数规划模型(MIP),基于COPT求解器的模型求解4维修备选策略生成模块发动机状态预测模块发动机全生命周期模块n发动机大修时间点规划n机队保障与包修策略优化n算法技术:动态规划,混合整数规划模型(MIP),基于COPT求解器的模型求解3地铁智慧运营决策平台的整体架构|业务流程线路规划列车
24、/车站运营人员出勤能源管理列车检修地铁智慧运营决策平台关键数据维修要求能耗信息人员信息排班要求运行要求线路信息地铁企业运营管理决策新一代的技术保障决策质量!列车满载率 总运营里程 地铁物业运营人员生产率 任务均衡性 总体能耗成本 总体碳排放量 轨道交通网络运营 助力京港地铁未来业务的创新发展!乘客服务体验 运营能力和效率 杉数赋能地铁智能决策升级轮值表优化备件管理优化排班母表优化智慧乘务排班智慧维修计划全生命周期维修计划IT系统TPM检修系统人力系统ATS动态能耗调控智慧能源管理能耗计划优化财务系统运行图编制优化动态行车计划调整智慧运行图编制车辆可用率 总体维修成本 算法模型库+求解器擎天智能
25、运营决策优化平台乘务排班优化的业务痛点|现状乘务排班流程主要业务痛点人工排班结果不够优化,导致乘务员数量超出实际需要,人车比较高乘务员数量多依赖人工经验任务不够均衡由于制定轮值表和排班母表的工作非常复杂,通常只有个别有经验的计划员才能完成,依赖性强,新计划员需要很长时间培训人工排班难以考虑所有因素,结果存在不合理性,例如任务公里数不够均衡、影响公平性等运行图/钓鱼图轮值表排班母表1.根据当前运行图导出对应的钓鱼图Excel表(包含车次运行区段和时间等信息)2.人工根据钓鱼图拆分出乘务轮值表(包含乘务工作任务、多车次衔接信息等)3.人工根据轮值表制定乘务排班母表(包含每个乘务组每周任务分配、出退
26、勤时间和地点等)4.每周原则上以排班母表为基础对乘务组进行轮循分配(也考虑休假、培训等因素进行手工调整)排班耗时长从钓鱼图拆分成轮值表,再生成排班母表,然后再每周更新排班表,全部流程需要数周时间,耗时太长运行图编制优化的主要内容|运行图编制优化模型:以14号线作为试点业务场景进行模型开发考虑业务约束33项,硬27项、软6项优化目标:最小化总运营里程等输出PR时刻表结果工作内容运行图/时刻表信号系统线路信息、运行要求算法求解难点和挑战当前进展:多次调研沟通,了解业务场景和行业知识文献与经典模型回顾数据分析、技术选型、模型开发和测试迭代输出4版结果,基本得到业务认可14号线上下行客流量具有对称性峰
27、值(在朝阳公园前后两站),决定了每半小时开行列次的最大数量模型复杂度高近千万级决策变量包含大小交路组合、多段场、双轨双向的城市轨交时刻表优化问题决策颗粒度细(分钟级的计划输出)约束条件时空耦性强54辆列车 x 38个车站 x 2个方向 x 1200分钟=近千万级决策变量数学规划体现在制造企业决策智能化生产运营的各个层面|决策智能化产供销协同计划平衡需求和供给,明确中长期生产目标S&OP主生产计划确定生产数量和周期,以及相应的物料需求MPS/MRP生产排程给出可执行的生产任务和顺序安排APS颗粒度难点月度周度天度销售需求和供应商能力不可控,随机波动性大产供销依赖关系复杂生产工艺复杂,约束条件多多
28、物料、多产线、多工厂协作情况考虑更细的工序、物料和操作要求根据销售需求和供应商能力的实时变化,敏捷调整生产计划案例:某ICT巨头 工业4.0全系统精准生产计划引擎|输入!#$%&()*+,-./0123456789:;=产品详情、物料详情、BOM结构、特殊BOM、替代物料成品库存、半成品库存、原材料库存、原材料在途、原材料订单、在制品预测需求、订单需求、零配件销售需求、预测调整参数生产单元产能、生产产能消耗、生产单元-物料映射表、单位生产成本工厂名称、工厂-生产单元映射表、工厂间物流成本、工厂间物流时效生产日历、生产锁定期原材料采购到货周期、产品标准生产周期特殊生产规则(比例)、特殊物料规则2
29、00+200+个工厂1515万万个+item2828天天+1010周周订单+预测需求上亿上亿种可能计划千万千万级限制条件输出数学规划求解器COPT市场销售方式的变化带来交付周期的大幅度缩减,同时生产工艺的变化使得不同产线之间的替换及协同可能性大大提升,因此原来单工厂、逻辑复杂且不透明的计划排产系统已经远远不能满足生产及销售两端的需求,需要大量的人工干预,严重影响生产效率项目背景收益20%+订单满足率提升30%产能损失率降低70%人工排产干预降低15x仿真速度提升 Item-产线详细加工指令 原材料到货指令 建议采购计划 订单承诺 详尽异常分析28天+10周最优每年经济收益超过2亿元人民币案例:
30、某ICT巨头 基于数学规划求解器COPT的优化平台建设|AI服务平台(服务于内部全体员工的2C平台)机器学习、深度学习、NLP人工智能预测引擎优化算法引擎大规模数学优化求解器企业全部门业务场景芯片排产库存实验室COPT数学规划求解器平台级别大规模部署2019年经过全面的实际环境测试后,COPTCOPT能够满足能够满足该企业该企业各部门多种各部门多种优化需求优化需求,于20202020年初批量采购年初批量采购了杉数科技了杉数科技COPTCOPT求解器求解器,目前已经部署在数千名算法开发人员共享的AI 开发平台上面,将在该平台上作为其内部算法开发的基础工具内嵌使用。案例:某ICT巨头 基于数学规划
31、求解器COPT的优化平台建设|Solver XCOPTDateSolve 1Solve 2Solve 3Solve 4TotalSolve 1Solve 2Solve 3Solve 4Total8.26298.51704.75661.974912.823:36:29.01187.42504.29397.762726.263:51:38.08 8.27348.863141.61585.224885.54:15:15.82376.77278.66367.652978.883:48:20.088.31305.671016.76751.534947.063:46:18.75163.35366.7119
32、8.281667.523:09:31.669.1314.77850.78557.535020.033:42:25.12347.42320.07183.442679.93:26:33.799.2294.68795.31583.264286.663:30:54.97175.66410.38196.391805.32:53:13.809.3251.6579.58582.752896.953:04:27.04156.33214.53187.011769.872:48:32.119.4234.05668.48508.213219.353:09:01.21152.38408.44162.731757.42
33、:47:52.739.7261.6733.29680.114100.293:34:08.62162.12615.4259.221469.552:56:33.089.8265.16868.62686.123693.503:25:12.92125.02245.02201.161084.622:40:11.229.9245.15616.45516.493341.133:11:39.90147.57215.48182.651092.302:52:20.919.10281.42534.66513.373164.853:04:57.63142.58247.55144.77900.692:32:01.309
34、.11268.13658.41640.093105.383:08:08.98120.33232.09206.39943.172:21:51.869.12260.04773.83618.812966.563:06:52.29149.57230.10178.341037.842:31:54.599.13database error9.14376.15620.17530.704195.523:29:11.04157.28330.39190.231600.862:53:18.729.15283.11929.00494.714360.033:34:28.46149.18245.90186.221807.
35、932:52:26.779.16243.57479.61415.723540.593:08:16.07126.91186.76156.771048.222:34:15.169.17321.08518.07422.613929.583:16:11.87117.17195.07157.832345.022:56:16.289.18264.90458.94419.733903.093:15:00.73140.43205.76163.262130.102:55:23.349.19232.51384.54393.333636.593:06:15.32137.94261.79156.161910.192:
36、48:189.20database error荣获2020年度中国运筹学会运筹应用奖数学规划适用零售的多元场景|中国零售市场日益呈现多元化、去中心化趋势,复杂仓网结构与大量零售门店为日常补货带来挑战,需考虑工厂产能、上游库存、仓储能力、运输能力、产品特性、区域特性等约束,在分钟级别完成有效求解通过整合内外部不同数据源,基于业务限制与不同业务目标,将业务逻辑转化为数学建模并利用求解器进行求解,辅助业务拓展人员精细、快速、准确选址在快速变化的企业经营环境中,将正确的商品在正确的时间以正确的价格卖给正确的人,成为企业需要解决的核心问题。求解器能帮助企业在复杂的环境中做出最优决策补货优化智能选址收益管
37、理人员排班业务约束复杂,需要考虑特殊任务,分区,任务衔接、人员分配公平等多重因素,对求解器性能与模型要求高,需要一天之内完成上千次有效求解智能排班案例:小米 智能分货项目-背景介绍|通过杉数智能分货方案解决小米三种二级销售渠道的分货问题成品分货流程:工厂提供的货品首先进行一级分货,分给小米之家、电商、经销商、直营店等十余个销售渠道;然后进行二级分货,即各个渠道再进行细分,例如小米之家渠道分到各个区域的小米之家门店。项目背景案例:小米 智能分货项目-背景介绍|通过杉数智能分货方案解决小米三种二级销售渠道的分货问题【简单的分货逻辑亟需升级】随着小米的业务扩张,SKU、总货量、门店数量的不断增加,小
38、米自主开发的分货工具中包含的简单分货逻辑已无法满足业务部门的需求,分货不均导致的缺货及库存积压现象同时存在;小米面临的挑战解决方案【计算时效性要求难以满足】尝试考虑复杂业务场景后,小米发现每天计算的时间远超于业务的需求;【使用COPT求解器进行高效求解】【模拟分货场景,输出不同版本KPI进行对比调优】【智能的需求预测、分货优化算法方案】需求预测机器学习模型by 天*SKU*门店分货优化运筹优化模型by 天*SKU*门店时间序列模型【结果调优困难】规则性质的分货逻辑无法支持输出最优解,且很难进行调整与优化。数据处理需求预测分货优化模拟仿真案例:小米 智能分货项目-算法框架|结合小米二级分货业务场
39、景,打造需求预测、分货决策、库存仿真三大引擎算法方案结构算法引擎技术难点需求预测引擎:需求修正与预测分货决策引擎:综合影响因素输出分货决策库存仿真引擎:模拟分货场景,输出KPI结果l商品类型差异大l结果对出货量与大仓偏好都有要求l分货总量波动强l数据量大,几十万分货单元日度分货算法包需要在小米内部集群平台运行,需要部署azkaban调度任务由于数据量极大,技术方案采取“spark集群+浮动授权的COPT求解器”方案数据处理需求预测分货优化模拟仿真案例:小米 智能分货项目-效果展示|全年GMV增加数千万数千万/年年总体出货量增长2.88%2.88%年总体销售额增长3.2%3.2%上线后的收益智能分货+销售预测项目在小米内部获得“2021年第二季度优秀项目”奖项“小米目前唯一一个正在线上run的AI项目”客户证言非常感谢您的观看|