在最後一公里終端形態發生深刻變化的新零售物流時代，頻頻冒出黑科技的物流硬件幾乎填滿了所有場景，無人機、無人車、快遞櫃等終端層出不窮。與此同時，物流軟件系統也給零售業態注入了新的動能。

/<font>

傳統門店物流系統/<font>

/<font>

我國的零售生態一直處在較為落後的狀態，便利店、超市不僅數量少，商品的陳列也與需求漸行漸遠。消費者去門店購物，店主實現不知道消費者的訴求，無法實現科學備貨，進貨往往要經廠商和批發商，再到代理商，最後才到零售商手裡。/<font>

/<font>

由於供應鏈牛鞭效應，批發商靜態發貨，過於死板，常常沒有規律，零售門店特別被動，無法及時補貨滿足客戶需求。/<font>

/<font>

關於訂貨有一個基本的公式可循，如下：/<font>

/<font>

基礎訂貨公式：訂貨量 = 前七天平均銷售X 到貨週期+滿陳列量- 門店現有庫存/<font>

/<font>

早前信息化不暢通時，小作坊和夫妻店門店沒有科學的規劃，在產存銷等系統方面極其薄弱。一個便利店經營除了要考慮門店前期銷售情況、到貨週期、貨架陳列量、門店目前庫存，還得對整個社區店的商圈、顧客群、天氣（晴雨、溫度）、節日、促銷、計劃（門店制定的銷售計劃）、可替代品等影響因素做全面的分析。/<font>

/<font>

在整個零售體系中，小門店的訂貨顯得異常被動，這是因為供應商每一次的配貨是基於整個區域而執行的，嚴重忽視個體店的特殊情況，小店在盤存完存貨以後，打電話問供應商要貨，可如果急需，小門店只得去別的經銷商拖貨，最終造成賬目混亂，缺貨成本增加。/<font>

/<font>

SKU的擴大，催生了超級賣場，連鎖超市自帶信息系統，提高了訂單處理的生產力，信息系統功能涵蓋了單品資料維護、供應商資料管理、促銷、調價功能、商品分類管理。/<font>

/<font>

下面筆者將對超市採購管理系統、倉儲管理系統、配送管理系統等門店物流系統加以簡析。/<font>

/<font>

採購管理系統/<font>

/<font>

該系統囊括供銷合同管理、登記商品的供銷合同管理、提供和供應商給的銷售實績、採購員也分析管理、促銷商品的管理、自動補貨系統諸多功能，採購集成了供應商和商品的存在狀態和數據變化，初步實現了無紙化作業。/<font>

/<font>

倉儲管理系統/<font>

/<font>

接到訂單後，倉儲系統立即啟動，盤存整個庫存商品，統計出入庫數量，且科學分析庫存時間、週轉率，安排貨物運輸配送和退換貨交接，門店此階段關注大倉庫存是否滿足需求、供應商是否按時配貨、商品到店時是否及時按計劃陳列。/<font>

/<font>

配送管理系統/<font>

/<font>

配送管理系統兼具收貨管理功能、貨位管理功能、揀選配送管理功能、理貨複核管理功能、路線規劃功能，車輛定位跟蹤功能，門店僅僅在停留執行層面，而有關優化的部分依舊沒有很大的提升。/<font>

/<font>

傳統零售門店的這些軟件系統從不同程度上給予了門店部分支持，可都只是停留在執行層上，將部分人工管理系統化、無紙化，卻無法化解決策層和科學降本上的難題。/<font>

/<font>

隨著外賣的興起，餓了麼、美團外賣、百度外賣紛紛抓住移動互聯網的紅利，進行了一場別開生面的外賣大仗，一方面各方企業融資對用戶瘋狂補貼，另一方面借用互聯網、大數據、人工智能等先進技術，科學規劃安排運力，其中智能調度系統，更是企業追捧的重要對象。/<font>

/<font>

O2O外賣智能調度/<font>

/<font>

移動互聯網的出現，將傳統軟件包裹在門店的嚴實外衣一點點扒去，城市中生活的年輕人崇尚的快節奏選品，變成傳統門店奢侈的夢想，看起來觸手可及，卻與現實遙不可及。/<font>

/<font>

大數據+移動互聯網應用漸漸成為外賣平臺提高效率，縮短用戶等待時間的不二法門。/<font>

/<font>

美團外賣的“超級大腦”/<font>

/<font>

在過去一年多時間裡，美團配送團隊在機器學習、運籌優化、仿真技術等方面，持續發力，深入研究，並針對即時配送場景特點將上述技術綜合運用，推出了用於即時配送的“超級大腦”——O2O即時配送智能調度系統。/<font>

/<font>

系統首先通過優化設定配送費以及預計送達時間來調整訂單結構；在接收訂單之後，考慮騎手位置、在途訂單情況、騎手能力、商家出餐、交付難度、天氣、地理路況、未來單量等因素，在正確的時間將訂單分配給最合適的騎手，並在騎手執行過程中隨時預判訂單超時情況並動態觸發改派操作，實現訂單和騎手的動態最優匹配。/<font>

/<font>

同時，系統派單後，為騎手提示該商家的預計出餐時間和合理的配送線路，並通過語音方式和騎手實現高效交互；在騎手送完訂單後，系統根據訂單需求預測和運力分佈情況，告知騎手不同商圈的運力需求情況，實現閒時的運力調度。/<font>

/<font>

在這一套調度流程中會遇到一個關鍵問題——訂單分配，下面就方案架構和關鍵要點來分析一下：/<font>

/<font>

外賣訂單的分配問題一般可建模為帶有若干複雜約束的DVRP（Dynamic Vehicle Routing Problem）問題。這類問題一般可表述為：有一定數量的騎手，每名騎手身上有若干訂單正在配送過程中，在過去一段時間（如1分鐘）內產生了一批新訂單，已知騎手的行駛速度、任意兩點間的行駛距離、每個訂單的出餐時間和交付時間（騎手到達用戶所在地之後將訂單交付至用戶所需的時間），那麼如何將這批新訂單在正確的時間分配至正確的騎手，使得用戶體驗得到保證的同時，騎手的配送效率最高。/<font>

/<font>

美團外賣每天產生巨量的訂單配送日誌、行駛軌跡數據。通過對配送大數據進行分析、挖掘，會得到每個用戶、樓宇、商家、騎手、地理區域的個性化信息，以及有關各地理區塊騎行路徑的有效數據，那麼訂單智能分配系統的目標就是基於大數據平臺，根據訂單的配送需求、地理環境以及每名騎手的個性化特點，實現訂單與騎手的高效動態最優匹配，從而為每個用戶和商家提供最佳的配送服務，並降低配送成本。/<font>

/<font>

即時配送訂單分配問題的優化目標一般包括希望用戶的單均配送時長儘量短、騎手付出的勞動儘量少、超時率儘量低，等等。一般可表達為：/<font>

/<font>

除了要考慮時間、地段等約束外，有時還需要考慮部分訂單隻能由具備某些特點的騎手來配送（例如火鍋訂單隻能交給攜帶專門裝備的騎手等）、載具的容量限制等。/<font>

/<font>

即時配送大數據平臺實現對騎手軌跡數據、配送業務數據、特徵數據、指標數據的全面管理和監控，並通過模型平臺、特徵平臺支持相關算法策略的快速迭代和優化。/<font>

/<font>

機器學習模塊負責從數據中尋求規律和知識，例如對商家的出餐時間、到用戶所在樓宇上下樓的時間、未來的訂單、騎行速度、紅綠燈耗時、騎行導航路徑等因素進行準確預估，為調度決策提供準確的基礎信息；而運籌優化模塊則在即時配送大數據平臺以及機器學習的預測數據基礎上，採用最優化理論、強化學習等優化策略進行計算，做出全局最優的分配決策，並和騎手高效互動，處理執行過程中的問題，實現動態最優化。/<font>

/<font>

達達-京東到家——路徑規劃和派單算法/<font>

/<font>

在10.22號舉辦的《中國python開發者大會》上，新達達配送算法團隊負責人廖瑞奇首次分享了達達-京東到家在路徑規劃和派單算法方面的一些實踐經驗。/<font>

/<font>

1）路徑規劃/<font>

/<font>

在達達平臺上，一個騎士可能會同時配送多個訂單，如何規劃騎士的配送路線，使得騎手的送貨距離最短，優化騎士的配送效率，是平臺要解決的一個核心問題。/<font>

/<font>

對於單個騎手的路徑規劃問題，是一個典型的TSP問題： /<font>

/<font>

由於TSP是一個NP-hard問題，沒有多項式時間內的確切解法。為了解決這個問題，新達達使用了啟發式算法中的遺傳算法，來快速獲取騎士的較短配送路線，並且能夠同時得到規劃後的路線的最終配送距離。在待規劃點超過10個以上的情況下，算法的運行時間也能保持在幾毫秒，同時保證極高的準確性。 /<font>

/<font>

有了這個基礎算法，新達達就可以判斷訂單間的順路情況，以及某個訂單是否適合由某個騎士來配送。/<font>

/<font>

2）訂單指派/<font>

/<font>

在新達達平臺上，同時有訂單的搶單和派單機制，來實現合理的訂單分配。/<font>

/<font>

在訂單分配的過程中，不僅需要考慮順路情況、配送效率等，也要考慮騎士的接單偏好、配送能力、活躍狀況，以及訂單分配的公平性等因素。/<font>

/<font>

簡單來說，訂單指派是一個有限制的多目標優化問題，不僅需要考慮平臺效率，也要考慮騎手的心理因素、運營的穩定性等。/<font>

/<font>

目前，使用派單和搶單結合的方式，達達平臺上絕大多數的訂單，都能在發出後1分鐘以內實現訂單的合理分配。/<font>

/<font>

科學的調度系統的確優化了運力安排，在資源配置的供需上達到了高度的協調，可門店缺貨和爆倉的癥結等依舊纏繞著線下，嚴重阻礙著坪效的提升。/<font>

/<font>

智能門店系統/<font>

/<font>

新零售時代，為了提高門店倉儲物流能力，智能門店系統應聲落地。/<font>

/<font>

首先解決第一個問題，新零售新物流到底是什麼，是不是說店倉一體，有了懸掛鏈就行?其實這隻能算表面理解，新應該是基於大數據，基於移動互聯網LBS的分析。/<font>

/<font>

此外，品類的安排更加精細化。原來是一單一送，像生鮮外賣，雖然用戶體驗很好，可是沒有考慮成本，商業化上並不成功。而基於線路、時序、客戶需求、溫層、區塊以及整個POI的智能履約集單算法則實現了最優的訂單履約成本。算法的優化，和架構的重新搭建，有利於門店實現多單配送。/<font>

/<font>

智能店倉作業系統/<font>

/<font>

店倉模式，意味著門店不單單隻賦有店的屬性，它其實更像一個物流中心。在過去，傳統的門店不管貨位，庫存也做不到實時監測，智能的店倉作業系統，不僅知道貨位在哪裡，任務怎麼派，並且還能對不同工種之間進行調動。/<font>

/<font>

智能訂貨庫存分配系統/<font>

/<font>

銷量的預測歷來都是特別門店頭疼的問題，智能訂貨庫存分配系統是基於銷量的後臺數據而衡量商品體量的。/<font>

/<font>

以盒馬為例，一方面，盒馬是基於全品類對標品做精選，縮小全品類的SKU數。另一方面，盒馬會根據自己的歷史數據和阿里的大數據，去做智能的訂貨和庫存分配。達到庫存週轉、銷售和顧客需求滿足的最大化。/<font>

/<font>

再根據每個門店周邊盒馬會員的需求，做智能化的商品選品和庫存分配（理論上盒馬APP可以做到千店千面），進一步提升庫存週轉和商品動銷。/<font>

/<font>

所以，這才是盒馬門店既發揮大倉作用，又不是簡單替代大倉，又實質以智能化驅動門店作為物流中心的全部秘密。/<font>

/<font>

結合目前行業的趨勢和有限的公開消息，筆者對門店物流系統做出些許大膽的預測和結論。門店已經不再是一個單一的終端銷售體，它肩負了商業模式、商品結構、供應鏈的再造的任務，未來的倉庫將離消費者越來越近，雲倉和線下店的融合，必然離不開數字化系統工具。如何極速同步好倉儲、配送、銷量預測，將成為門店物流系統升級/<font>的重要一關。

​