在7月12日至13日，数百万会员访问某中心商店购买从电视到服装的各种商品。顾客将这类活动视为年度大促，而供应链管理者则称之为高峰事件——需要提前规划以确保顾客能够购买所需商品并尽快收货。
某中心供应链优化技术（SCOT）团队的科学家多年来一直致力于构建和完善处理高峰事件的流程，包括会员日、黑色星期五等购物活动。团队算法帮助确定库存商品种类、数量、存储位置和方式，以及最优配送路线。
当新冠疫情引发持续两年多的需求激增、供应链中断和劳动力短缺时，SCOT团队已在使用机器学习和数学建模等先进工具。这些工具在疫情应对中发挥了关键作用，同时也促使团队重新评估如何调整工具以适应新常态。
高峰事件的特殊性
即使在疫情前的普通日子，管理庞大库存网络也是一项复杂任务。需求预测团队科学家已从事相关工作超过15年，不断优化确保商品库存充足的算法。
会员日作为计划性活动，其预测具有特殊性。"预测需要特殊构建，它与每年其他时间段都不同，"SCOT需求预测科学团队负责人解释道。团队不仅要考虑会员日本身的异常性，还要处理其中的细微差别。
疫情前，团队已使用深度学习模型进行时间序列预测。但面对会员日这类可预测又不可预测的事件，这些模型表现不够理想。受自然语言处理领域进展的启发，团队开发了编码器-解码器注意力机制，使网络能够识别时间序列历史中与预测期最相关的时点。
大规模仿真平台
所有基于预测的决策——容量规划、采购、布局、存储和履约——都被整合到分布式仿真系统中。该平台被称为全球最大的仿真平台，其底层动态极其复杂，无法通过数学方程完全捕捉。
2019年，科学家开发了自适应容量控制（ACC）工具。疫情前，该工具仅在黑色星期五前运行数周。疫情爆发后，团队不得不将其应用范围扩展到全年持续运行，从每年在2个国家运行8周扩展到在12个国家运行52周。
采样的预测能力
团队开始对库存样本进行仿真，仅基于不到5%的库存数据就能预测整体库存流对控制信号的响应。这种采样方法使团队能够跨市场执行容量控制。
SCOT团队还调整了库存控制软件，使其更能感知客户需求优先级，可以快速配送急需商品（如婴儿食品），而对可稍延迟的商品（如相机镜头）进行调整。
团队负责人表示："疫情就像持续两年的高峰事件。我们用于规划高峰事件的机制确实使我们能够在疫情期间保持良好的客户权衡。"现在团队有机会转向第二代系统，微调疫情期间构建的模型，并将其应用于更广泛的产品类别。
疫情和持续的供应链问题表明不存在完美的预测水晶球，但它们帮助SCOT团队加强了用于应对高峰事件和日常需求的算法。"如果我们能更好预测，就能采购合适数量并将库存分布到履约中心网络，确保以最有效的方式将正确商品送达客户手中。"
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
公众号二维码
公众号二维码
