多级库存规划系统的演进与创新

多级库存规划系统的演进与创新

为满足客户需求而重构供应链体系时，一支由科学家、开发人员等专业人员组成的团队共同创建了库存规划系统，以帮助实现配送承诺。

在亚马逊商店的每一笔订单背后，由某中心供应链优化技术组织开发的数学模型默默工作，确保商品库存被最佳配置以完成订单。该组织开发的预测模型预测每个产品的需求，采购系统确定从不同供应商处采购的正确数量，而大规模布局系统则确定商品在某中心全球履约网络数百个设施中的最优位置。

“在多个地区销售数亿种商品的情况下，开发自动化模型以在某中心的规模上做出库存规划决策，是我们工作中最具挑战性和回报的部分之一，”某中心供应链优化技术副总裁表示。

从自动化到多级系统的转型

在上个十年的前半段，某中心从主要依赖手动的供应链管理系统过渡到自动化系统。然而，面对需要演进供应链以满足客户需求，以及推出当日达服务如Prime Now，团队决定用新系统取代旧系统，以更好地帮助实现向客户做出的配送承诺。

“早在2016年，我们就意识到当时的自动化系统无法帮助我们满足客户不断增长的期望，”该副总裁回忆道。“因此，我们决定从头开始重新设计某中心的供应链系统。”

全球化与本地化需求的双重挑战

2016年，某中心的供应链网络设计为任何履约中心的库存都可以运送给任何客户，以满足两天送达的承诺。这一设计已不适应新的运营环境，即某中心高级首席研究科学家所称的“全球化-本地化必然性”。某中心的扩张包括越来越多的国际地点——当时，公司有175个履约中心服务于全球185个国家的客户。

“满足客户群的需求意味着我们需要在多个地区服务这些客户，”该科学家说。随着某中心继续国际扩张，公司还在本地区域推出了一日达和当日达服务窗口，如Amazon Prime和Amazon Prime Now。

“我们很快意识到，除了服务全球客户外，还必须从国家网络转向本地网络，将库存靠近客户，”该科学家指出。

网络复杂性与层级化挑战

除了“全球化-本地化必然性”，某中心供应链网络日益增长的复杂性进一步使问题复杂化。为满足客户对多样化配送速度的需求，某中心的履约网络扩展到包括越来越多的建筑类型和规模：从履约中心（用于日常商品）到非分拣履约中心（用于较大商品），再到服务于当日订单的小型履约中心，以及向下游履约中心供应产品的配送中心。网络日益分层，一层（或梯队）中的履约中心充当其他层的供应商。

“我们必须重新构想系统的每个方面，以应对日益增加的梯队数量，”该科学家说。

多级库存规划的科学基础

从科学角度来看，某中心运营的庞大规模构成了重大挑战。商店订单通过复杂的动态优化过程完成——实时订单分配系统可以选择从能实现客户承诺的最佳履约中心完成订单。这种实时订单分配使库存规划成为一个极其复杂的问题。

其他库存相关依赖进一步使问题复杂化：相同的库存池经常用于服务不同配送速度的订单需求。例如，一箱尿布可用于完成两天Prime配送的订单，也可用于满足在Prime Now上下单、需要在两小时内收到尿布的匆忙父母的需求。

某中心的科学家还必须应对高度不确定性。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，供应商的交付时间由于制造能力、运输时间、天气等原因存在自然变化，增加了另一层不确定性。

该科学家指出，某中心运营的规模、网络的复杂性以及与公司动态订单系统相关的不确定性，使得甚至无法为团队试图解决的优化问题写下封闭形式的目标函数。

虽然多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产品模型上，提出了针对更简单网络的解决方案，或使用了大大简化的库存补充假设。

“关于多级库存管理的学术文献很多，论文通常关注问题的一两个主要方面，”某中心供应链优化技术组织的高级首席科学家指出。“某中心的规模和复杂性意味着没有现有解决方案完全适合。这需要构建定制解决方案，依赖于健全的科学原则和严谨性，并借用学术文献中的思想作为构建块，但通过突破性的内部发明推动学术研究的边界。看到多级库存理论在如此大规模和动态的供应链中真正应用，令人兴奋。”

因此，该组织开发的系统（一个可追溯到2016年的项目）与过去显著不同。模型的核心是一个多产品、多履约中心、容量受限的模型，用于在动态履约策略下优化多个配送速度的库存水平。然后，框架使用拉格朗日型分解框架近乎实时地控制和优化某中心网络中的库存水平。

广义上，分解是一种数学技术，将大型复杂问题分解为更小更简单的问题。然后并行或顺序解决这些问题。拉格朗日分解方法将复杂约束因素纳入解决方案，同时为违反这些约束提供“成本”。这种成本通过为最大化问题提供上界，使问题更容易解决，这在规划某中心规模的库存水平时至关重要。

“我们计算了每个履约中心的存储和流量的机会成本，”该科学家说。“使用拉格朗日分解，我们然后使用这些成本计算这些位置的相关库存位置。关键的是，我们在可扩展优化模型中纳入了随机动态履约策略，使某中心能够计算不仅在一个位置，而且在履约网络每一层的库存水平。”

组织动员与实施挑战

虽然创建新的多级系统是一个艰巨的科学挑战，但它也代表了一个重要的组织成就，需要跨多个团队的协作。

“将多级系统从概念转化为实施是我们解决的最困难的组织挑战之一；我们有许多潜在实施方案，在模型能力、接口、工程挑战以及团队如何互动的长期影响方面看起来截然不同，”该组织的一位副总裁说，他在推出某中心供应链自动化方面发挥了关键作用，并监督了多级系统的推出。“这也是一个案例，在没有构建和探索一种或多种生产环境方法的情况下，没有很好的方式在它们之间做出决定。最终，我们做到了——我们选择了能识别的最佳选项，构建它们，从中学习，然后重复这个过程。通过实验真实生产实施，我们学到了从简化模型或模拟中永远无法学到的东西，考虑到我们供应链真实世界动态的复杂性。但对团队来说很艰难——考虑到高度的方向模糊性，团队迭代的系统并不总是明显是最佳路径。”

“有时，实现大规模变化的唯一方式是意识到除了进行这种变化外别无选择，”某中心的首席应用科学家说。该科学家指出，在该公司迁移到新多级系统的四年中，该首席科学家发挥了“关键作用”。

该首席科学家回忆说，该组织内的团队敏锐地意识到现有系统的局限性。然而，对于多级系统是否是正确解决方案存在怀疑。

“怀疑是可以理解的，”该首席科学家说。“有一个大想法是一回事。但还必须能够以连贯的方式展示想法的好处。”

该首席科学家举例说明如何帮助说服采购和布局团队的成员关于新模型的好处。

“一个团队决定从哪些供应商采购产品的最佳选择，而另一个团队决定这些产品应放置在哪里，”该首席科学家解释。“我能够向他们展示两个功能在多级系统中将如何基本统一。当然，这会改变他们的日常工作方式——但会以简化他们生活的方式实现。”

为确保多级系统开发获得资源，该首席科学家还专注于推动该组织内领导层的一致性。他开发了基于真实数据的模拟。结果清楚地表明，提出的库存预测、采购和布局解决方案将导致运输成本急剧下降，从而使某中心能够为客户保持更低的价格。

看到模拟结果后，参与多级规划讨论的团队受到激励。

“每个人都认同这一愿景，”该首席科学家说。“我们开始近乎实时地协作。如果遇到问题，我们不会等待每周冲刺会议。我们只是聚在一个房间里，或站在白板旁解决它。”

该首席科学家说，这也是事情开始变得更复杂的时候。

“我们开始意识到现有设置的复杂性，”该首席科学家说。“我们开始意识到系统中的每个组件如何有多个依赖关系。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因素纳入解决方案。”

实验迭代与最终成功

团队在一系列三个生产实验中迭代多级解决方案，跨越2018年至2020年。第一个实验结合了新系统的组件与旧平台。在降低成本方面取得了显著成功，即使同时完成与更高配送速度相关的订单。团队继续在第二个实验中测试多级系统的后续版本。

“那远不如第一个好，”该首席科学家回忆。“大多数事情没有按预期工作。”

然而，领导层鼓励团队继续前进。这不是该组织第一次承担大型雄心项目。该组织花了三年时间部署第一个自动化供应链管理系统，克服了各种挑战。“当然，第二个实验的失败令人沮丧，”该首席科学家说。“但我们从经验中知道，这种失败只是意料之中的。这是过程的一部分。”

团队修复了错误，并继续在第三个实验中测试新功能。这些包括关键系统能力，如为特定时间窗口内的交付建模订单截止时间的能力。

系统于2020年上线，过去一年中，多级系统在将产品定位更靠近客户方面产生了巨大且统计显著的影响。

“在个人层面上，我为我们的团队感到无比自豪。在加入某中心之前曾在多级库存优化领域工作，我深刻理解这是多么困难，”该副总裁指出。“团队所做的工作有一种强烈的自豪感——例如解决具有随机需求和交付时间、聚合容量约束和差异化客户服务水平的多项目、多级问题。这种事情在学术界和工业界是闻所未闻的。这就是为什么我发现作为某中心的科学家和领导者工作令人满足。这让我感到非常自豪，没有我们的人员和文化，这一切都无法实现。”