你现在的位置是: 首页  会议  会议报道
会议报道

“浙大东方论坛”学术会议之十八暨“数字供应链”专场暨第三届浙江大学数据驱动管理科学论坛成功举行

日期: 2018-12-12 访问次数: 134

2018年12月8日,“浙大东方论坛”系列学术会议之十八、西湖学术论坛第203次会议暨浙江大学学科会聚系列论坛之“双脑计划”——“数字供应链”专场,暨第三届浙江大学数据驱动管理科学论坛在杭州市紫金港国际饭店召开。浙江大学社会科学研究院方志伟部长在开场致辞中提及,该系列论坛落实了“浙江大学面向2030的学科会聚研究计划”及首个启动的“脑科学与人工智能会聚研究计划”(简称“双脑计划”),成为推动哲学社会科学各学科及其与理工农医等学科交叉融合的举措之一。

本次论坛分别由浙江大学管理学院、浙江大学数据分析和管理国际研究中心的金庆伟副教授、杨翼教授、王明征教授、陈熹教授、周伟华教授主持,来自国内外的学者以及企业人士共130余人参会,围绕数字经济背景下的供应链管理的相关问题展开研讨,涵盖数据驱动的商业模式、数据驱动的需求管理,以及数据驱动供应链优化等主题。

左上:金庆伟;右上:杨翼;左下:王明征;右下:陈熹

复旦大学的洪流(Jeff HONG)教授提出了关于数据驱动供应链管理的一些思考。在库存管理中,需求是输入,库存策略则是系统内部的逻辑,综合便可得到系统的销售或库存,从而可以计算出相应的成本等。需要把样本轨迹解构成“输入”和“逻辑”,进而给出新的“输入”来预测绩效,通过新的“逻辑”来改善绩效。在解构过程中,建模往往不可避免,但是我们也需跳出之前小数据时代的模型和建模方法,通过大数据寻找更好的模型。

复旦大学 洪流(Jeff HONG)

浙大管院周伟华教授总结了所在中心的核心教师们目前在需求研究和决策研究的一些探索。在需求侧,如陈熹教授团队研究“电商平台中网红的盈利模式”,金庆伟副教授团队的产品组合优化分析等。在决策端,有王明征教授团队的“数据驱动的大型网上超市仓储作业均衡性策略”、杨翼教授团队的“数据驱动库存管理”。另外,还有尝试将需求和决策结合的研究,如王明征教授团队的“数据驱动的仓库布局优化策略与决策方案”、周伟华教授团队的“O2O生鲜需求预测和库存联合决策机制研究”等。

浙江大学 周伟华

上海财经大学的杨超林副教授在基于零售商和集团管理者均为风险规避的假设下,研究了非中心化多位置的报童模型(Newsvendor Model)。他通过对比不含库存整合的中心化系统和包含库存整合的非中心化系统发现:只要集团管理者对风险厌恶程度严格大于零售商,中心化总是可以给零售商带来利益。所以当管理者对风险厌恶程度远远大于零售商,或者需求函数符合长尾理论,零售商会更偏好中心化策略。该结论对未来零售商在选择中心化或库存整合有一定的借鉴指导意义。

上海财经大学 杨超林

南京大学的青年学者张莲民老师从库存管理和运送路径优化出发,研究了供应商如何在需求不确定的情况下找到最优的库存路线。以前有关库存路线传统方法是基于成本最小或者利润最大,他的研究则是集中于风险最小,在零时刻将订货规则确定,将库存路径问题转化为混合整数线性规划模型进行求解,从而对最优库存路线提出了新见解。

南京大学 张莲民

华中科技大学的李建斌教授阐述了数据驱动下B2C与B2B中电商供应链优化实践与应用。他分析不同行业、地区、客户群体的消费偏好行为差异化特征,得出了“对于互联网时代的消费者而言,成本与定价几乎透明”的研究观点,并指出通过优化供应链内部运营流程降低企业运作成本,存在较大的研究空间。他将B2C企业供应链流程归纳为“分—合—分—合—分”的特征,分别对应订单产生、集合单生成、SKU分拣、订单打包和物流配送五个环节,并介绍了以0-1整数规划建模求解解决仓库布局优化问题,以订单关联性分析协助制定热销品库位推荐策略、以混合整数规划模型解决波次优化和拣货路径优化问题等方面的研究成果。

华中科技大学 李建斌

来自新加坡管理大学的林云峰(Yun-Fong LIM)副教授从线上订单的增长将给城市配送带来经济、环境、社会三方面负担的背景出发,提出如何设计合理的商业模式,解决最后一公里现象的科学问题。为鼓励第三方物流公司使用城区共同配送中心(UCC)进行城市配送,他建立了需求随机环境下结合近期和远期效益的两周期博弈模型。模型确定并考虑了公布UCC定价后第三方物流公司的三种行为反应,即仍不使用、使用UCC并放弃自建物流和使用UCC但保留自建物流,探究定价变化情况下各反应的成本变化情况。此外,他还扩展探究了无UCC时配送车辆预约进城的情况,并提出在第三方物流公司间搭建线上互联平台共享已预约车辆剩余运力商业模式下的运力定价和利益分配问题。

新加坡管理大学 林云峰(Yun-Fong LIM)

南京大学林志杰副教授所在团队以共享经济为研究主题,认为共享经济的“新”体现在非专业供应商进入市场。他基于家庭食物共享平台,研究认为对分享活动有内在兴趣爱好的供应商更乐意且更早地进入市场,而外在竞争因素的抑制作用对进入决策影响不显著。同时,相比于以经济利益为导向的供应商,兴趣爱好者更倾向于模仿其他供应商并创新,而这两种定位策略都会带来订单量的增加。

南京大学 林志杰

复旦大学的张诚教授探讨平台开放如何兼顾信息数量和质量问题。未购买特定商品的用户所发表的评论被其他用户认为是更有帮助性的,是因为该类评论主要通过评论长度的提升,间接影响其他用户对其有用性的感知。由此,平台参与者不仅被动接受平台策略,也会产生相应的应对策略。他还以特斯拉充电桩为例,探讨了跨边网络溢出效应,以及平台拥有更多消费者信息后,应考虑平台行为对消费影响的叠加效应和长期优化目标。

复旦大学 张诚

浙大数据科学研究中心的徐仁军研究员和郑小林教授团队设计了一个全新的神经网络自编码协同推荐系统,用多层神经网络替换了传统的矩阵分解方法,来捕捉抽象更深层次的用户-产品关联性,详细评估了每个模块带来的性能提升,通过多个实际数据集的推荐预测展示了这一新的推荐系统比当前其他state-of-the-art 模型有显著提升。

浙江大学 徐仁军

除了学界的最新研究成果之外,此次论坛还邀请了企业代表分享最前沿的实战经验。

阿里巴巴供应链研究中心副主任兼咨询负责人张勇总结了新零售下供应链管理的机遇与挑战。他认为,新零售的根本商业逻辑并没有改变,围绕零售的本质增加附加值是关键,即选品准、质量好、体验佳、价格值。链路的域不仅仅是库存管理、物流管理、计划管理,更多的是从CRM端去做全域的打算。品牌商面临产品平均上市周期显著缩短,研发挑战突增,消费者需求愈发分散的挑战。若采取过往的研发和供应链策略,覆盖的消费者半径将日渐趋窄。面对如此多的挑战和转变,如何进行新零售?商家需要在线化、数据化、智能化,“把人该做的事交给人,把机器该做的事交给机器”。另外,应当从“品牌费用”向“品牌资产”转变,进行组织过程资产管理。最后,期望能将线性供应链、价值链管理转化为价值网络管理,消费者处于中心位置,企业间实现网状、并发、实时的协同。

阿里巴巴供应链研究中心 张勇

菜鸟网络人工智能部高级算法专家王兵分享了菜鸟运配智能优化实践与应用。他描述了通过智能分单,再由优化、机器学习和基于位置的服务(LBS)组建的算法引擎,基于智能分单,分析区域需求(AOI: Area of Interest),动态预测到达时间;基于经典订单分配优化理论工具,通过机器学习物流服务商和需求的特征,开发菜鸟智能发货引擎,决策选择配送服务商;在传统物流选址和路径优化模型的基础上,通过机器学习为确定配送区域特征,综合路由网络规划决策实现的最优路径和末端网络规划确定的最优选址。菜鸟物流正在探索用机器学习来解优化问题的创新型思路,并且在0-1规划的二分变量优化问题中取得了比优化模型更快更好的结论。

菜鸟网络科技 王兵

菜鸟网络高级算法专家胡浩源和在场各位探讨了仓储智能和基础算法建设,提出菜鸟的仓储智能和传统的仓储在问题、模型、分析、算法和数据驱动的机器学习五个方面存在不同。以双十一为例,菜鸟物流需要解决超量的订单、异常处理和临时工三个问题,菜鸟根据Task汇单和调度,在实操业务中遵循优于当前而不是寻找最优的原则,通过综合模拟定性、可解释、离散环境的传统优化调度模型白盒(white box)和模拟定量、难以解释、概率环境的机器学习算法,开发涵盖最短路径、箱型设计和箱型推荐、智能波次和仓配协调组成的智能仓储和配送系统,避免配货混乱现象,匹配下游等待时间,减少选货时间。

菜鸟网络科技 胡浩源

会后大家就打造产学研联盟进行深入讨论,一致认为市场机遇的把握、科学的运营体系、有效的组织结构、合理的激励机制、落地的IT数据解决方案、综合性人才培养等因素缺一不可。本次论坛成功举行,立足前沿科学研究的学者与聚焦行业实战的企业代表为数字供应链的发展提供了理论与实践支撑,并开拓了未来合作的可能,令在场各位获益匪浅。