·新零售门店物流系统盘点:采购、仓储、配送、调度

新零售门店物流系统盘点:采购、仓储、配送、调度
来源:http://www.toys-dolls.com 作者: * 发表时间 : 2018-06-09 20:47

  我国的零售生态一直处在较为落后的状态,便利店、超市不仅数量少,商品的陈列也与需求渐行渐远。消费者去门店购物,店主实现不知道消费者的,无法实现科学备货,进货往往要经厂商和批发商,再到代理商,最后才到零售商手里。

  早前信息化不畅通时,小作坊和夫妻店门店没有科学的规划,在产存销等系统方面极其薄弱。一个便利店经营除了要考虑门店前期销售情况、到货周期、货架陈列量、门店目前库存,还得对整个社区店的商圈、顾客群、天气(晴雨、温度)、节日、促销、计划(门店制定的销售计划)、可替代品等影响因素做全面的分析。

  在整个零售体系中,小门店的订货显得异常被动,这是因为供应商每一次的配货是基于整个区域而执行的,严重忽视个体店的特殊情况,小店在盘存完存货以后,打电话问供应商要货,可如果急需,小门店只得去别的经销商拖货,最终造成账目混乱,缺货成本增加。

  该系统囊括供销合同管理、登记商品的供销合同管理、提供和供应商给的销售实绩、采购员也分析管理、促销商品的管理、自动补货系统诸多功能,采购集成了供应商和商品的存在状态和数据变化,初步实现了无纸化作业。

  接到订单后,仓储系统立即启动,盘存整个库存商品,统计出入库数量,且科学分析库存时间、周转率,安排货物运输配送和退换货交接,门店此阶段关注大仓库存是否满足需求、供应商是否按时配货、商品到店时是否及时按计划陈列。

  随着外卖的兴起,饿了么、美团外卖、百度外卖纷纷抓住移动互联网的红利,进行了一场别开生面的外卖大仗,一方面各方企业融资对用户疯狂补贴,另一方面借用互联网、大数据、人工智能等先进技术,科学规划安排运力,其中智能调度系统,更是企业追捧的重要对象。

  在过去一年多时间里,美团配送团队在机器学习、运筹优化、仿真技术等方面,持续发力,深入研究,并针对即时配送场景特点将上述技术综合运用,推出了用于即时配送的超级大脑--O2O即时配送智能调度系统。

  系统首先通过优化设定配送费以及预计送达时间来调整订单结构;在接收订单之后,考虑骑手、在途订单情况、骑手能力、商家出餐、交付难度、天气、地理况、未来单量等因素,在正确的时间将订单分配给最合适的骑手,并在骑手执行过程中随时预判订单超时情况并动态触发改派操作,实现订单和骑手的动态最优匹配。

  同时,系统派单后,为骑手提示该商家的预计出餐时间和合理的配送线,并通过语音方式和骑手实现高效交互;在骑手送完订单后,系统根据订单需求预测和运力分布情况,告知骑手不同商圈的运力需求情况,实现闲时的运力调度。

  外卖订单的分配问题一般可建模为带有若干复杂约束的DVRP(Dynamic Vehicle Routing Problem)问题。这类问题一般可表述为:有一定数量的骑手,每名骑手身上有若干订单正在配送过程中,在过去一段时间(如1分钟)内产生了一批新订单,已知骑手的行驶速度、任意两点间的行驶距离、每个订单的出餐时间和交付时间(骑手到达用户所在地之后将订单交付至用户所需的时间),那么如何将这批新订单在正确的时间分配至正确的骑手,使得用户体验得到的同时,骑手的配送效率最高。

  美团外卖每天产生巨量的订单配送日志、行驶轨迹数据。通过对配送大数据进行分析、挖掘,会得到每个用户、楼宇、商家、骑手、地理区域的个性化信息,以及有关各地理区块骑的有效数据,那么订单智能分配系统的目标就是基于大数据平台,根据订单的配送需求、地理以及每名骑手的个性化特点,实现订单与骑手的高效动态最优匹配,从而为每个用户和商家提供最佳的配送服务,并降低配送成本。

  机器学习模块负责从数据中寻求规律和知识,例如对商家的出餐时间、到用户所在楼宇上下楼的时间、未来的订单、骑行速度、红绿灯耗时、骑等因素进行准确预估,为调度决策提供准确的基础信息;而运筹优化模块则在即时配送大数据平台以及机器学习的预测数据基础上,采用最优化理论、强化学习等优化策略进行计算,做出全局最优的分配决策,并和骑手高效互动,处理执行过程中的问题,实现动态最优化。

  由于TSP是一个NP-hard问题,没有多项式时间内的确切解法。为了解决这个问题,新达达使用了式算法中的遗传算法,来快速获取骑士的较短配送线,并且能够同时得到规划后的线的最终配送距离。在待规划点超过10个以上的情况下,算法的运行时间也能保持在几毫秒,同时极高的准确性。

  此外,品类的安排更加精细化。原来是一单一送,像生鲜外卖,虽然用户体验很好,可是没有考虑成本,商业化上并不成功。而基于线、时序、客户需求、温层、区块以及整个POI的智能履约集单算实现了最优的订单履约成本。算法的优化,和架构的重新搭建,有利于门店实现多单配送。

  店仓模式,意味着门店不单单只赋有店的属性,它其实更像一个物流中心。在过去,传统的门店不管货位,库存也做不到实时监测,智能的店仓作业系统,不仅知道货位在哪里,任务怎么派,并且还能对不同工种之间进行调动。

  以盒马为例,一方面,盒马是基于全品类对标品做精选,缩小全品类的SKU数。另一方面,盒马会根据自己的历史数据和阿里的大数据,去做智能的订货和库存分配。达到库存周转、销售和顾客需求满足的最大化。

  结合目前行业的趋势和有限的公开消息,笔者对门店物流系统做出些许大胆的预测和结论。门店已经不再是一个单一的终端销售体,它肩负了商业模式、商品结构、供应链的再造的任务,未来的仓库将离消费者越来越近,云仓和线下店的融合,必然离不开数字化系统工具。如何极速同步好仓储、配送、销量预测,将成为门店物流系统升级的重要一关。