▲ 圖片來(lái)源:Getty
不知道大家有沒(méi)有聽(tīng)過(guò)旅行推銷員問(wèn)題。問(wèn)題的核心,是走遍地圖上的各個(gè)城市、順利返回家中,同時(shí)找到最短的路線。事實(shí)上,這是一個(gè)典型的NP難題,也就是非確定完全問(wèn)題。這東西相當(dāng)復(fù)雜,大家千萬(wàn)不要掉以輕心。
但令人頭大的是,它又是一個(gè)極為現(xiàn)實(shí)的問(wèn)題——作為日用百貨零售商,企業(yè)每周可能需要為數(shù)百萬(wàn)個(gè)家庭或更多下游企業(yè)提供配送服務(wù)。要突破難關(guān),我們?cè)撓蛘l(shuí)求取援助?
特斯科配送
特斯科公司每天不僅需要配送數(shù)十萬(wàn)份訂單,還必須考慮其他現(xiàn)實(shí)限制因素,例如駕駛員的駕駛風(fēng)格、車輛行駛速度以及車隊(duì)編組與容量。隨著在線訂單業(yè)務(wù)在最近十年中的快速增長(zhǎng),這方面挑戰(zhàn)也變得愈發(fā)復(fù)雜和嚴(yán)重。特斯科很清楚,客戶的需求只會(huì)隨時(shí)間推移而越來(lái)越多、絕對(duì)不可能再次縮減回“美好的舊時(shí)光”。
為了幫助解決調(diào)度問(wèn)題,特斯科公司與倫敦AI咨詢企業(yè)Satalia展開(kāi)了充分交流。特斯科內(nèi)部已經(jīng)擁有自己的數(shù)據(jù)分析功能,而且明顯擁有世界一流的項(xiàng)目管理技能。而Satalia所帶來(lái)的則是特斯科所不具備的前沿優(yōu)化能力。三年多以來(lái),兩家企業(yè)共同合作,希望從零開(kāi)始構(gòu)建最后一英里配送方式。更重要的是,特斯科公司對(duì)于漸進(jìn)式改善不感興趣——他們希望奪取顯著的競(jìng)爭(zhēng)優(yōu)勢(shì),一鼓作氣達(dá)成動(dòng)態(tài)調(diào)度這項(xiàng)終極目標(biāo)。
動(dòng)態(tài)調(diào)度
從歷史上看,特斯科公司在每天下班后都會(huì)對(duì)網(wǎng)站上的客戶訂單進(jìn)行批處理和優(yōu)化。新系統(tǒng)會(huì)將訂單配送位置與訂單貨品總體積同調(diào)度內(nèi)的全部其他已有訂單進(jìn)行比較,并在半秒以內(nèi)計(jì)算出訂單的配送需求與可用運(yùn)輸空位。調(diào)度安排將持續(xù)更新,確保以不影響配送體系運(yùn)作為前提向客戶提供更多容納“槽位”。此外,客戶現(xiàn)在還可以選擇當(dāng)日達(dá),享受特斯科公司準(zhǔn)備的一小時(shí)交付服務(wù)。
由此產(chǎn)生的系統(tǒng),就是特斯科的全新知識(shí)產(chǎn)權(quán)成果。雖然無(wú)法得到詳盡細(xì)節(jié),但該公司透露新系統(tǒng)單在2019年一年就節(jié)約下超過(guò)1100萬(wàn)英里的配送車程,并將貨運(yùn)部門的整體燃油效率提高了5%。更重要的是,這套系統(tǒng)健壯而穩(wěn)定。新冠疫情的突然爆發(fā)令網(wǎng)上購(gòu)物與配送需求大幅飆升,相信很多朋友還記得2020年春季的一輪大規(guī)模廁紙恐慌。面對(duì)此類難題,特斯科的系統(tǒng)表現(xiàn)出遠(yuǎn)超競(jìng)爭(zhēng)對(duì)手的可靠性,通過(guò)及時(shí)擴(kuò)展從容消化掉了需求峰值。
從百貨到家具
DFS是一家擁有五十年歷史的企業(yè),當(dāng)然也不可能在起步階段就達(dá)成“數(shù)字原生”狀態(tài)。DFS其實(shí)是一家家具供應(yīng)商,但憑著自己的創(chuàng)新能力消除了供應(yīng)鏈中的庫(kù)管人員,由此成功實(shí)現(xiàn)了成本削減。雖然DFS的電子商務(wù)之路僅僅始于五年之前,但作為家具市場(chǎng)上的領(lǐng)導(dǎo)者,他們別無(wú)選擇、只能迎頭趕上。
在與Satalia合作之前,DFS工作人員只能使用筆和紙安排配送時(shí)間。在訂制幾周之后,當(dāng)家具制造完成,他們會(huì)通過(guò)電話與客戶討論配送預(yù)約。多年以來(lái),他們只能用直覺(jué)甚至是玄學(xué)判斷配送方案,沒(méi)有任何可靠的數(shù)據(jù)能幫助DFS確定具體配送耗時(shí)。例如,臺(tái)階級(jí)數(shù)和停車便利性誰(shuí)對(duì)配送速度的影響更大,就是困擾著DFS的永遠(yuǎn)難題。
神秘的蘇格蘭疑云
蘇格蘭地區(qū)有著一種反常的現(xiàn)象??v觀整個(gè)英國(guó),配送貨品的平均時(shí)長(zhǎng)為31分鐘;但在蘇格蘭,整個(gè)周期只有28分鐘。這是因?yàn)樘K格蘭的配送工人力氣更大、跑得更快嗎?還是說(shuō)蘇格蘭地區(qū)的住宅一般停車位更多、臺(tái)階級(jí)數(shù)更少?答案一直非常模糊,只有蘇格蘭民眾自己頗為自信,認(rèn)為這單純是因?yàn)樘K格蘭人辦事更高效。
在四年的合作當(dāng)中,DFS與Satalia逐步完善了整個(gè)配送規(guī)劃系統(tǒng)??蛻衄F(xiàn)在可以在線預(yù)約交付時(shí)間,由此獲得更從容的調(diào)整空間與靈活性。新冠疫情的爆發(fā)同樣帶來(lái)了嚴(yán)苛的壓力測(cè)試,DFS各家門店幾乎每月都會(huì)創(chuàng)下新的銷售紀(jì)錄,漂亮的新家具不斷輸送到客戶手中、幫助他們?cè)谏缃桓綦x期間享受更舒適的居家生活。
效率問(wèn)題
與特斯科一樣,新系統(tǒng)的上線也大大提高了DFS的配送效率。其供應(yīng)鏈平臺(tái)Sofa Delivery Company總經(jīng)理Alex Salden估計(jì),新系統(tǒng)給配送的里程與成本都帶來(lái)了超過(guò)10%的優(yōu)化比例。該公司已經(jīng)將92處倉(cāng)庫(kù)優(yōu)化為25處配送中心,新的系統(tǒng)還解放出20位工作人員。相較于以往一遍又一遍核對(duì)和修改時(shí)間表,如今他們能夠?qū)W⒂谔幚砀邇r(jià)值回報(bào)的工作。
新系統(tǒng)帶來(lái)的數(shù)據(jù),也指導(dǎo)DFS有理有據(jù)地調(diào)整了配送人員的工作模式,逐步實(shí)現(xiàn)了上四天、休四天的輪替制度。由于每天需要搬運(yùn)9到15張家具,配送員們的體力消耗很大,延長(zhǎng)休息時(shí)間可以改善每個(gè)人的生活。而在將新品牌Sofology引入系統(tǒng)之后,配送車隊(duì)的車輛由350輛減少至250輛,資金成本與排放污染也都得到控制。
員工與供應(yīng)商
此外,DFS還與Satalia合作,對(duì)店內(nèi)的人力優(yōu)化系統(tǒng)進(jìn)行了大幅調(diào)整。具體來(lái)講,DFS對(duì)數(shù)據(jù)源及分析功能進(jìn)行升級(jí),具體涵蓋歷史銷售信息、營(yíng)銷支出以及天氣預(yù)報(bào)等等。相應(yīng)的結(jié)果就是收入顯著增加,部分門店的銷售額甚至增長(zhǎng)近20%。輪班制度也據(jù)此做出新一輪平衡,同時(shí)引入更多公平性因素:與星期一上午上班的同事相比,愿意在星期六下午上班的員工可以拿到更高的時(shí)薪。
最后,應(yīng)用數(shù)據(jù)科學(xué)與優(yōu)化技能,DFS得以分析各家供應(yīng)商的可靠性。從工廠到客廳,DFS能夠更準(zhǔn)確地預(yù)測(cè)貨品抵達(dá)倉(cāng)庫(kù)的時(shí)間,借此縮短倉(cāng)儲(chǔ)周期并提高全流程的執(zhí)行效率。
展望未來(lái):數(shù)字孿生
配送企業(yè)的未來(lái)在哪里?人工智能科學(xué)雖然已有65年歷史,但仍只是個(gè)年輕的學(xué)科。我們正處于AI探索之旅的早期階段,效率與效能層面的巨大進(jìn)步還沒(méi)能充分體現(xiàn)在經(jīng)濟(jì)的各個(gè)領(lǐng)域。以Satalia為代表的服務(wù)廠商正使用AI技術(shù)為特斯科、DFS等大型企業(yè)構(gòu)建起全面的線下與線上運(yùn)營(yíng)模型。這些模型可以執(zhí)行查詢、分析并持續(xù)實(shí)時(shí)運(yùn)行。利用輸出結(jié)果,企業(yè)則不斷調(diào)優(yōu)自身運(yùn)營(yíng)、優(yōu)化財(cái)務(wù)績(jī)效、改善工作條件并增強(qiáng)客戶服務(wù)體驗(yàn)。
這類模型被稱為“數(shù)字孿生”方案,并有望成為二十一世紀(jì)二十年代響徹世界的最強(qiáng)音。
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長(zhǎng)篇音頻故事。該系統(tǒng)結(jié)合大語(yǔ)言模型的敘事推理能力與音頻生成技術(shù),通過(guò)交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場(chǎng)景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開(kāi)辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過(guò)讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問(wèn)題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測(cè)試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語(yǔ)言模型人性化對(duì)話問(wèn)題。該研究創(chuàng)建了包含20萬(wàn)高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測(cè)基準(zhǔn),通過(guò)創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開(kāi)發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測(cè)模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過(guò)學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測(cè)方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來(lái)了效率和精度的雙重突破。