數據算法專家朱禮君
數據顯示，2013年的“雙11”，第1億件包裹的送達時間為9天，2014年為6天，2015年為4天，2016年為3.5天。
在這些數據背后，有中國交通基礎設施和快遞產業鏈不斷完善的因素，同時，作為調配物流運力的看不見的手，算法的優化更是功不可沒。
那么算法優化主要應用在物流的哪些環節，它能為智能物流帶來什么？下一步菜鳥網絡的算法團隊還打算解決物流算法中的哪些痛點？帶著這些問題，記者采訪了菜鳥網絡的高級算法專家朱禮君。
以下為采訪實錄：
記者：物流的算法優化主要應用于物流的哪個環節？可否詳細說說算法優化的會帶來哪些看得見的價值？物流環節的哪些工作崗位可能會受到影響？
朱禮君：菜鳥網絡有很多合作伙伴，這些合作伙伴分布在各個不同的物流環節。我們的技術需要與合作伙伴協同，根據不同的物流場景來實現不一樣的功能。
譬如應用在：商家端，算法會指引商家備貨、補貨以及庫存分布和運輸進倉，降低商家供應鏈成本。倉儲端，我們通過預測和優化算法來合理地布局倉庫里的貨位和庫存分布；會動態地跟據倉庫的作業情況生成貨品揀選任務，優化倉內的作業效率；會推薦合適的包材，降低耗材成本；會做自動化設備調度，通過自動化設備之間的協同來提升倉庫運作效率。配送端，我們有路徑優化引擎，來優化車輛的任務指派和行走路徑，降低車輛行走的路徑，在節省成本的同時也能為環保盡一份力。最后一公里的末端網絡上，我們能動態地根據任務來調配社會化運力，優化供需匹配。
當然，作為一個開放的平臺，我們會對外提供我們的算法服務，緊跟數據化和自動化的趨勢，與行業一起發展。
我們要看到，以前很多需要人決策的問題，重復性比較大，會越來越多地由算法完成。物流行業從業人的精力就可以更多地被釋放出來，深入到物流行業的運營和管理上來。
記者：在算法方面，要實現像 “雙11”這種級別的網購節日的物流優化需要比平時更加注重什么？
朱禮君：我們需要精準的需求預測，能夠提前知道商品在不同區域的需求量，這樣才能幫助商家未雨綢繆地準備好庫存，做到不缺貨也不滯銷。
在整個物流網絡中，我們除了有精準的預測以外還需要有預警和自適應調節機制，在上游出現意想不到的情況時，能夠通過算法模型動態地做出新的決策，緩解下游的壓力。在上下游的配合上也需要通過算法的提前規劃做到更好地銜接，保證包裹在每一個物流節點上都能很順暢地流到下一個節點上去，不會產生積壓和阻塞。
另外，因為大促對物流資源的需求大大地超過日常，所以我們也需要更好地去利用算法，與合作伙伴協同作戰，合理配置社會物流資源。
記者：想要實現 “零庫存”需要在算法方面做哪些工作？還需綜合考慮哪些因素？
朱禮君：要實現零庫存需要菜鳥網絡與合作伙伴深度協同合作，讓行業內的數據更好地連接，通過算法來優化物流網絡的布局，并且對未來的需求做更精準的預測。
首先，下游的銷售和預測數據要能夠連接到供應鏈的最上游，使得上游的生產商、供應商能快速地響應需求，做到按需生產，縮短庫存周期。
其次，我們需要和合作伙伴一起，根據用戶的需求分布和各個城市的物流特性來選擇倉庫、分撥中心、配送站點的配置，有了這張網絡，我們才能做到貨物的快速流動，讓客戶盡快收到包裹。
另外，我們需要能對未來的銷量進行精準的預測，并且通過算法的反饋來調整商家的營銷策略，減少缺貨和滯銷的風險。
記者：從目前來看，在算法優化的角度，繼續節省快遞送達時間和物流成本的關鍵點在哪里？切箱問題的算法目前還有多大的優化空間？
朱禮君：算法優化能促進菜鳥和合作伙伴更好的協同合作，提高物流鏈路的效率，降低成本。譬如說，在倉庫里的揀選和打包的任務調度就需要考慮到配送的車輛安排以及下游網點的運力。
為整個物流鏈路做一個全局優化模型是不現實的，我們需要對上下游的環節做合理的數學抽象，然后通過打造仿真系統來檢測算法產出的決策對上下游的影響。通過不斷地迭代來做到全局的優化。
切箱問題，簡單來說就是怎么給訂單分配箱型，學術圈研究了很多年，是一個很有意思的數學問題。我們現在是打破這個問題的約束，根據訂單的重量和尺寸分布來重新設計包材的大小，從而降低包材的成本。
另外我們在實際的問題中，還遇到了像中空物體、可變形物體的裝箱問題，還有袋子的包裝方案推薦。這些對業務有影響，對技術有挑戰。（雷鋒網）