Hema-Supply-Chain-Algorithmus in der Praxis

1. Einführung in die Lieferkette von Hema , Sie können es gut kaufen, Sie können es bequem kaufen, Sie können es mit Vertrauen kaufen und Sie können es glücklich kaufen.

Hema umfasst den Hema Fresh- und Ma Xiansheng-Modus. 2. Einführung in die Geschäftskategorien von Hema Hema Fresh macht 60 bis 70 % des Umsatzes aus und ist damit die Kernkategorie. Diese Kategorie zeichnet sich durch hohe Erwartungen der Nutzer aus und eignet sich sehr gut für Hema Fresh, ein Unternehmen, das Geschäfte in der Nähe der Nutzer eröffnet.

3. Logistik- und Lagerkosten verschiedener Lieferkettenmodelle

Bevor überlegt wird, welche Art von Lieferkettenmodell verwendet werden soll, müssen Logistikkosten und Lagerkosten abgewogen werden. Bei gleicher Warenmenge sind die gesamten Logistikkosten deutlich geringer als bei der Paketlogistik, und der Unterschied in der Kühlkette ist noch deutlicher (Lieferfristen und Skaleneffekte werden vorerst nicht berücksichtigt). Im Gegenteil, je verteilter der Lagerbestand, desto größer ist die Unsicherheit in der Nachfrage. Wenn die Verbrauchernachfrage nicht genau erfasst werden kann, wird der Lagerbestand im Voraus geordnet, was zu hohen Lagerbeständen und Verlusten führt Lagerkosten. 4. Hema Supply Chain Network

Teilen Sie Trunk-Netzwerke und Bestände so weit wie möglich, um die Ressourcennutzung deutlich zu verbessern und die Effizienz der Lieferkette zu verbessern.

2. Positionierung des Supply-Chain-Algorithmus

Der Supply-Chain-Algorithmus basiert im Wesentlichen auf der traditionellen Supply-Chain-Methode und nutzt die Leistungsfähigkeit von Algorithmen und Daten zur Verbesserung der Effizienz.

1. Positionierung des Lieferkettenalgorithmus der E-Commerce-Branche

Der Algorithmus der E-Commerce-Branche ist hauptsächlich in Basisalgorithmen und Geschäftsalgorithmen unterteilt.

Grundlegende Algorithmen umfassen Bilder, Sprache, Text usw. E-Commerce-Geschäftsalgorithmen lassen sich intuitiv in drei Typen unterteilen: Erstens unterscheiden sie sich nicht wesentlich von Video-Websites und Informations-Websites, zweitens verwenden sie Such-, Werbe- und Empfehlungsmethoden. vom mittleren Ende (Einzelhandel, Warendimension), einschließlich Waren-, Preis- und Bestandsvorhersage- und Entscheidungsalgorithmen; drittens vom hinteren Ende (Logistik, Bestelldimension), einschließlich Erfüllungs-, Lagerhaltungs-, Vertriebs- und anderen Optimierungsalgorithmen. Der breite Supply-Chain-Algorithmus umfasst das Mid-End (Einzelhandels- und Rohstoffprognosen und Entscheidungsfindung) und das Back-End (Logistik und Bestelloptimierung), während der Narrow-Supply-Chain-Algorithmus nur den Mid-End-Algorithmus umfasst.

2. Vorteile des Lieferkettenalgorithmus für Einzelhändler

Der „Bullwhip-Effekt“ bezieht sich auf ein Phänomen der Verstärkung von Nachfrageschwankungen in der Lieferkette, das verhindert, dass der Informationsfluss vom Endkunden zum ursprünglichen Lieferanten übertragen wird Die Verwirklichung des Informationsaustauschs führt zu einer Verzerrung und allmählichen Verstärkung der Informationen, was zu immer größeren Schwankungen in der Nachfrage nach Informationen führt. Der Verstärkungseffekt dieser Informationsverzerrung ähnelt grafisch einer Bullenpeitsche und wird daher anschaulich als „Bullenwhip-Effekt“ bezeichnet. ".

Einzelhändler sind die Unternehmen, die den Verbrauchern am nächsten sind, die Verbraucherbedürfnisse am besten erkennen und erfassen können und am besten in der Lage sind, mithilfe von Daten und Algorithmen auf Marktschwankungen zu reagieren.

3. Logik des Hema-Lieferkettenalgorithmus

Einzelhandel ist im Wesentlichen die Zusammenführung von Menschen und Waren. Im täglichen Betrieb des Unternehmens legt das Unternehmen zunächst einen Verkaufsplan und eine Strategie fest. Der Verkaufsplan bestimmt das Angebot und die Lieferkapazität bestimmt den Lagerbestand , wodurch der Verkauf reguliert und die nächste Verkaufsrunde geplant wird. Unter Bezugnahme auf die oben genannten historischen Informationen wird ein vollständig geschlossener Kreislauf des kommerziellen Betriebs erreicht. 3. Automatisches Nachschubsystem für frische Lebensmittel 1. Hintergrund für die automatische Nachfüllung frischer Lebensmittel von Hema Um das ultimative Frischeerlebnis der Kunden zu befriedigen, haben Hema-Produkte eine sehr kurze Haltbarkeitsdauer und bieten sogar eine eintägige, täglich frische Produktserie an, die nur den täglichen Bedarf deckt und tägliche Verbraucherkategorien wie Milch, Gemüse, Fleisch und Geflügel usw. abdeckt . und wird zum Branchenführer. Der Instant-Frische-Food-Service kommt der Verbrauchernachfrage sehr entgegen, stellt aber auch hohe Anforderungen an die Lieferkette.

Ein kürzerer Verkaufszeitraum bedeutet, dass es wahrscheinlicher ist, dass es zu Fehlbeständen oder Verlusten kommt. In diesem Zusammenhang berücksichtigt der Lieferkettenalgorithmus von Hema Wetter, Saisonalität, Feiertage, Produktsubstituierbarkeit und Marketing basierend auf den Merkmalen von Aktivitäten, Online- und Offline-Anzeigen und andere Faktoren: Wir haben eine Reihe hochpräziser Nachfrageprognosemodelle mit Hema-Eigenschaften erstellt, den Lagerbestand durch das Simulationssystem optimiert und ein hochautomatisiertes Bestellsystem erreicht, wodurch die Arbeitskosten erheblich gesenkt wurden Optimierung der Bestandsindikatoren.

2. Algorithmusmodul für das automatische Nachschubsystem von Hema Fresh

Das Hema Fresh Nachschubsystem umfasst drei Module: Bedarfsprognose, Bestandsmodell und dynamische Steuerung. Der Bedarfsprognoseteil ist aufgrund der großen Datenmenge und der komplexen Funktionsverarbeitung für den größten Arbeitsaufwand verantwortlich. Der Hauptzweck des Bestandsmodells besteht darin, Benutzeranforderungen und Bestandskosten auszugleichen, um den Nutzen zu maximieren Verkaufserwartungen nicht erfüllen. Und Flusskontrolle, Reduzierung der Lagerbestände, Optimierung von Umsatz und Verlusten. 3. Wichtigste Errungenschaften des automatischen Nachschubsystems von Hema Fresh das Problem des übermäßigen Informationsverlusts bei komplexen Marketingaktivitäten und verbessert die Vorhersagegenauigkeit erheblich.

In Bezug auf den Algorithmuseffekt gewann der Hema-Vorhersagealgorithmus den ersten und zweiten Platz im Hauptdatensatz des Zeitreihenvorhersagewettbewerbs der Alibaba Group. Er verfügt über eine hohe Gesamtgenauigkeit und große Vielseitigkeit.

In Bezug auf die Geschäftsergebnisse

hat sich die Akzeptanzrate von Algorithmusempfehlungen für das Bestellsystem für frische Lebensmittel bei mehr als 96 % stabilisiert, die Bestelleffizienz ist um 70 % gestiegen, die Verlustrate wurde um 30 reduziert %, und die Out-of-Stock-Rate wurde um 25 % reduziert.

In Bezug auf den Brancheneinfluss wurde die Algorithmuslösung von Hema, die Prognose, Lagerbestand, Preis und Kontrolle integriert, erfolgreich für das Finale des Franz Edelman Outstanding Achievement Award 2022 nominiert. 4. Iterationspfad des Hema-Umsatzprognosealgorithmus . Das einfache Modell kommt dem Geschäftsverständnis nahe und gewährleistet die Abdeckung aller SKUs; das maschinelle Lernmodell ist relativ stabil und weist weniger Ausreißer auf, ist jedoch stark auf Feature-Engineering angewiesen und weist eine schlechte Timing-Skalierbarkeit auf. Es fehlen weniger ursprüngliche Timing-Informationen und das räumlich-zeitliche Diagrammnetzwerkmodell berücksichtigt die Korrelation zwischen Waren und den Einfluss zwischen Stichproben. 5. Zehn Hauptschwierigkeiten bei der Hema-Umsatzprognose Hauptaugenmerk Da es sich bei den Informationen um Produktverkäufe handelt, kann eine Diagrammbeziehung zwischen Produkten und Aktivitäten erstellt werden. Darüber hinaus können auch andere Faktoren in das Diagrammmodell einbezogen werden. Für dieses Modell entsteht in jedem Zeitfenster ein heterogenes Bild der Produktverkäufe und verschiedener Merkmale. Während des Berechnungsprozesses werden zunächst Algorithmen wie GraphSage und GATNE verwendet, um die Diagramminformationen für jede Zeitscheibe zu extrahieren, wodurch die Aktualisierungsinformationen der Punkte erhalten und diese dann weitergegeben werden, um die Informationen der gesamten Zeitreihe zu erhalten. In praktischen Anwendungen sind Diagramminformationen Hilfsinformationen, und die Hauptinformationen sind immer noch Timing-Informationen. Gleichzeitig können Timing-Modelle je nach Szenario durch unterschiedliche Timing-Modelle ersetzt werden.

7. Bestandsmodell basierend auf Simulation

Das Bestandsmodell ist hauptsächlich in zwei Teile unterteilt: Der erste Teil ist der Bestand einer einzelnen SKU und der zweite ist das Gesamtvolumen mehrerer Lager . Ein einzigartiges Szenario für den neuen Einzelhandel bezieht sich darauf, dass Online- und Offline-Bestände zuerst Bestellungen aufgeben und dann die physischen Artikel entgegennehmen, während Offline-Kunden zuerst die physischen Artikel entgegennehmen und dann online Bestellungen aufgeben besteht darin, dass die von Online-Kunden zuerst bestellten Waren von Offline-Benutzern weggenommen werden, was dazu führt, dass Online-Bestellungen nicht ausgeführt werden können. Daher ist es in einem solchen Szenario notwendig, die Parameter zu kontrollieren. Wenn der Lagerbestand einen bestimmten Wert unterschreitet, werden Verkäufe nicht online durchgeführt, um das Risiko einer nicht rechtzeitigen Lieferung zu vermeiden.

8. Systemarchitektur des Bestandsalgorithmus

Der erste Schritt besteht darin, die Geschäftsziele aufzuteilen und ein bestimmtes Produkt basierend auf den Unterschieden in den Geschäftszielen zu bestimmen und Szenarien. Sollten wir uns auf den Schutz vor Engpässen oder Verlusten konzentrieren? Beispielsweise befinden sich 10 Artikel in unserem Lager, von denen 5 auslaufen Dies kann darauf zurückzuführen sein, dass die abgelaufenen Produkte nicht mehr vorrätig sind. Daher muss im dritten Schritt eine optimale Bestellmengenberechnung durchgeführt werden, die verschiedene Modelle zur Bestellmengenschätzung unterstützt.

9. Dynamisches Bestandskontrollsystem

Aufgrund der kurzen Haltbarkeit frischer Produkte, obwohl die Verkaufsprognose und der Lagerbestand Modell wird das größte sein Es wurden Anstrengungen unternommen, um die Modellleistung zu verbessern, aber es gibt immer noch Situationen, in denen eine kleine Anzahl von Produkten zu viel oder zu wenig bestellt wird, insbesondere wenn eine zu große Bestellung große Verluste verursacht. Daher können wir durch die Einrichtung eines dynamischen Bestandskontrollsystems Verkäufe in Echtzeit überwachen und Prognoseergebnisse aktualisieren, Bestandswarnungen durchführen und den Bestand durch Online-Werbeaktionen, APP-Traffic-Tilt und Offline-Shop-Rabatte anpassen, um Verluste durch Lagerrückstände zu vermeiden . Die Schwierigkeit dieses Systems liegt in der gemeinsamen Regulierung von Fluss und Preis, die eine globale Optimierung von hochfrequenten Flussentscheidungen und niederfrequenten Preisentscheidungen erfordert.

# 🎜 🎜#四、Q&A-Sitzung

F1: Was sind die Bewertungskriterien für die Vorhersage?

A1: Die Branche verwendet normalerweise gewichtetes MAPE, d. h. Genauigkeit = 1-(Gesamtfehler des Produktpools/gesamter realer Umsatz)*100 %. Dieser Fehler wird gewichtet. Wenn beispielsweise das tatsächliche Verkaufsvolumen eines bestimmten Produkts groß ist, ist der Fehler groß und der Beitrag zum globalen Fehler ist groß, was dem Geschäftsverständnis entspricht.

F2: Raum-Zeit-heterogener Millimeterpapier-Link?

A2: Bezieht sich hauptsächlich auf die Idee dieses Raum-Zeit-Isomorph-Millimeterpapiers, kombiniert mit einer eigenen Szene unter Verwendung heterogener Diagramme. Huang Y, Bi H K, Li Z, et al. STGAT: Modellierung räumlich-zeitlicher Interaktionen für die Vorhersage menschlicher Flugbahnen[C]//Proceedings of the IEEE International Conference on Computer Vision 2019: 6272-6281.#🎜 🎜#

F3: Welches wird für das einfache Modell verwendet? Wird es als Benchmark für andere Modelle dienen und als Mehrwert angesehen?

A3: Es kommt nicht darauf an, ein einfaches Modell zu verwenden, die Hauptsache ist, dass es alle SKUs abdecken und für eine Taschenstrategie verwendet werden kann. Zu den gebräuchlichsten gehören die einfache Methode des gleitenden Durchschnitts, der gleiche Zeitraum der letzten Woche usw.

Das obige ist der detaillierte Inhalt vonHema-Supply-Chain-Algorithmus in der Praxis. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!