Hema サプライ チェーン アルゴリズムの実践

#1. Hema サプライ チェーンの紹介

1. Hema ビジネス モデル

Hema は技術的に革新的な企業であり、消費者価値観に立ち返る消費主導型の企業でもあります。つまり、購入する、よく購入する、便利に購入する、安心して購入する、購入する自信を持って幸せです。

Hema には、Hema Fresh、X Member Store、Hema Chaoyun、Hema Neighborhood およびその他のビジネス モデルが含まれます。中心となるビジネス モデルは、オンラインとオフラインの統合であり、最速の O2O (Hema Fresh Food)ご自宅まで30分でお届けするモデル。

2. Hema のビジネス カテゴリの紹介

Hema Ma は世界品質の製品を選択し、究極の鮮度を追求し、カテゴリーの特性と消費者のショッピング体験の期待を組み合わせて、さまざまなカテゴリーに対して最も効率的なビジネス モデルを選択します。 Hema Fresh の売上高は 60% ～ 70% を占める中核カテゴリーであり、ユーザーが期待するタイムリー性が高いのが特徴で、Hema Fresh のようにユーザーの近くに店舗を展開する事業者に非常に適しています。

3. さまざまなサプライ チェーン モデルの物流コストと在庫コスト

どのサプライ チェーン モデルを使用するかを検討する前に、物流コストと在庫コストのバランスを取る必要があります。同じ量の商品の場合、全体の物流コストは小包物流よりもはるかに低く、コールドチェーンの違いはさらに明らかです（配送の適時性と規模の影響は当面考慮されていません）。逆に、在庫が分散すればするほど、需要の不確実性は大きくなり、消費者の需要を正確に把握できなければ、事前に在庫を店頭に置くことになり、欠品や損失が大きくなる。在庫コスト。

#4. Hema サプライ チェーン ネットワーク

効率的な需要と供給のマッチングを実現するには、複数のビジネス モデルでサプライ チェーンのサポートが必要です。Hema の複数のビジネス モデルはバックエンドで統合され、トランク ネットワークと在庫を可能な限り共有することで、リソースの利用率が大幅に向上し、サプライ チェーンの効率が向上します。

# 2. サプライ チェーン アルゴリズムの位置づけ

# #サプライチェーンアルゴリズムは本質的に従来のサプライチェーン手法に基づいており、アルゴリズムとデータの力を利用して効率を向上させます。

#1. 電子商取引業界のサプライ チェーン アルゴリズムの位置づけ

#電子商取引業界のアルゴリズムは主に基本アルゴリズムとビジネスアルゴリズムに分けられます。

基本的なアルゴリズムには、画像、音声、テキストなどが含まれます。 ECビジネスのアルゴリズムは直感的に3つのタイプに分けられ、1つ目はフロントエンド（トラフィック、ユーザー×商品の次元）からは、検索、広告、レコメンデーションの手法など、動画サイトや情報サイトとあまり変わりません。 1つは商品、価格、在庫の予測および意思決定アルゴリズムを含むミドルエンド（小売、商品の側面）から、3番目はフルフィルメント、倉庫保管、流通、その他の最適化アルゴリズムを含むバックエンド（物流、注文の側面）からです。広範なサプライ チェーン アルゴリズムにはミッドエンド (小売および商品の予測と意思決定) とバックエンド (物流と注文の最適化) が含まれますが、ナロー サプライ チェーン アルゴリズムにはミッドエンドのアルゴリズムのみが含まれます。

2. 小売業者のサプライ チェーン アルゴリズムの利点

「ブルウィップ効果」とは、サプライ チェーンにおける需要変動の増幅現象を指します。情報の流れ 最終顧客から元の供給者に伝達される際、情報共有が有効に行われず、情報が歪められ、徐々に増幅され、需要情報の変動がますます大きくなる。したがって、ブルウィップ効果は、鮮やかに「ブルウィップ効果」と呼ばれています。

#小売業者は消費者に最も近く、消費者のニーズを最もよく認識して把握し、データとアルゴリズムを通じて市場の変動に最も対応できる企業です。

3. Hema サプライ チェーン アルゴリズム ロジック

小売業は本質的に人と商品のマッチングです。企業の日常業務において、まず会社は販売計画と販売戦略を立てます。販売計画は供給を決定し、供給能力は在庫を決定します。短期的な販売上限は在庫と履行能力によって決定されます。 Next

ホイールの販売計画は、商業運転の完全な閉ループを達成するために、上記の履歴情報を参照します。

##3. 生鮮食品自動補充システム

1. Hema 生鮮食品自動補充の背景

Hema は高品質の製品を一貫して追求しています。顧客の究極の鮮度体験を満足させるために、Hema 製品の賞味期限は非常に短く、牛乳、野菜、肉、牛乳などの日常消費者カテゴリーをカバーする、毎日のニーズのみを満たす 1 日限定の毎日の新鮮な製品シリーズも提供しています。家禽などの分野で業界のリーダーとなる。インスタント生鮮食品サービスは消費者の需要と非常に一致していますが、サプライチェーンに対しても高い要求を課します。

販売期間が短いほど、在庫切れや損失が発生する可能性が高くなります。この点、Hema のサプライ チェーン アルゴリズムでは、天候などの要因が考慮されています。 、季節性、休日、製品の代替、マーケティング活動、オンラインおよびオフラインのディスプレイなどを使用して、Hema 特性を備えた一連の高精度の需要予測モデルを構築し、シミュレーション システムを通じて在庫を最適化し、高度な自動化を実現します。発注システムにより、在庫指標を最適化しながら人件費を大幅に削減します。

2. Hema 生鮮食品自動補充システム アルゴリズム モジュール

Hema 生鮮食品補充システムには、需要予測、在庫モデル、動的制御の 3 つのモジュールが含まれています。需要予測部分は、大量のデータと複雑な機能処理により最大のワークロードを占めます。在庫モデルの主な目的は、ユーザーのニーズと在庫コストのバランスをとって利益を最大化することです。動的制御により、適切な製品のマーケティング活動が自動的に生成されます。販売期待を満たさない フロー制御、在庫レベルの削減、売上高と損失の最適化。

##3. Hema fresh 自動補充システムの主な成果

用語について技術的な奥深さと革新性により、時空間異種グラフ ニューラル ネットワーク モデルは製品販売予測ニーズに導入することに成功し、複雑なマーケティング活動における過剰な情報損失の問題を解決し、予測精度を大幅に向上させました。

アルゴリズム効果の観点から見て、Hema 予測アルゴリズムはアリババ グループの主要データセットで優勝と準優勝を獲得しました。時系列予測コンペ結果、全体的に精度が高く汎用性が高い。

業績面では、生鮮食品発注システムアルゴリズムの推奨採用率が96%以上で安定しており、発注効率も向上しています。は 70% 増加し、損失率は 30% 減少し、在庫切れ率は 25% 減少しました。

業界への影響力の観点から見て、予測、在庫、価格、管理を統合した Hema のアルゴリズム ソリューションは、2022 年のフランツ エデルマン優秀業績賞最終候補に選ばれました。

4. Hema 売上予測アルゴリズムの反復パス

Hema 反復売上予測アルゴリズムのパスは、単純モデル、機械学習モデル、深い時系列モデル、時空間グラフ ネットワーク モデルの 4 つの段階に分かれています。シンプルなモデルはビジネスの理解に近く、すべての SKU を確実にカバーします。機械学習モデルは比較的安定しており外れ値は少ないですが、特徴エンジニアリングに大きく依存しており、タイミングのスケーラビリティが劣ります。ディープ タイミング モデルは特徴ファクトリーに依存しません。本来のタイミング情報の欠落が少なく、タイミングのスケーラビリティが強い ; 時空間グラフネットワークモデルは、商品間の相関関係やサンプル間の影響を考慮したモデルです。

5. Hema 売上予測の 10 の困難

6. 時空間異種グラフ ニューラル ネットワーク売上予測モデル フレームワーク

予測の際、予測のための主な情報は製品の売上です。活動は製品の売上に影響を与えるため、製品と活動の間にグラフの関係を確立できます。さらに、製品の売上に影響を与える他の要因もグラフ モデルに含めることができます。このモデルでは、各時間枠で、 a 製品の売上とさまざまな特性の異質な図が描かれています。計算プロセスでは、まず GraphSage や GATNE などのアルゴリズムを使用して各タイム スライスのグラフ情報を抽出して点更新情報を取得し、それを渡して全体の時系列情報を取得します。実際のアプリケーションでは、グラフ情報は補助情報であり、主な情報はやはりタイミング情報ですが、同時に、タイミング モデルは、さまざまなシナリオに応じてさまざまなタイミング モデルに置き換えることができます。

#7. シミュレーションに基づく在庫モデル

在庫モデルは次のとおりです。主に 2 つの部分に分かれており、1 つ目は単一 SKU の在庫、2 つ目は複数の倉庫の概要です。新しい小売業に特有のシナリオです。安全リザーブとは、オンラインとオフラインで在庫を共有することを指します。オンラインの顧客は最初に注文し、次に物理的な商品を受け取りますが、オフラインの顧客は最初に物理的な商品を受け取り、その後に注文します。これにより、オンラインの問題が発生します。それは、オンライン顧客が最初に注文した商品がオフライン ユーザーによって持ち去られ、その結果、オンライン注文を履行できなくなることです。したがって、このようなシナリオではパラメータを制御する必要があり、在庫が一定値未満の場合は、出荷が間に合わないリスクを防ぐためにオンラインでの販売は行われません。

8. 在庫アルゴリズム システム アーキテクチャ

は注文数量を決定します。このプロセスは主に 3 つのステップに分かれており、第 1 ステップでは、ビジネス目標を分割し、ビジネス目標やシナリオの違いに基づいて、特定の製品が在庫切れの確保に重点を置くべきか、損失保護に重点を置くべきかを決定します。在庫バッチを推測します。たとえば、当社の倉庫には 10 個の商品があり、そのうち 5 個は期限間近の商品です。注文が間に合わなかった場合、期限切れにより在庫切れになる可能性があります。 -最新の製品を使用するため、在庫バッチ推論が必要です。3 番目のステップは、さまざまなサポートをサポートする最適な注文数量の計算です。モデルは注文数量を推定するために使用されます。

#

9. 在庫動的制御システム

生鮮食品は賞味期限が短いため、販売予測と在庫モデルはモデルのパフォーマンスを最大化しますが、少量の商品の注文が多すぎたり少なすぎたりする場合があり、特に注文しすぎると多大な損失が発生する場合があります。したがって、動的な在庫管理システムを確立することで、リアルタイムで売上を監視し、予測結果を更新し、在庫警告を実施し、オンラインプロモーション、APPトラフィックチルト、オフライン店舗割引を通じて在庫を調整し、在庫バックログによる損失を回避することができます。 。このシステムの難しさは、フローと価格の共同規制にあり、高頻度のフロー決定と低頻度の価格決定の全体的な最適化が必要です。

#4. Q&A セッション

Q1: 予測の評価基準は何ですか?

A1: 業界では通常、加重 MAPE、つまり精度 = 1-(製品プールの合計誤差/実際の売上合計)*100% を使用します。この誤差は重み付けされており、例えば、ある製品の実際の販売量が多ければ誤差も大きくなり、全体的な誤差への寄与も大きくなり、ビジネスの理解と一致する。

#Q2: 時空間異種グラフ用紙リンク?

A2: 主に、異種グラフを使用して独自のシーンと組み合わせた、この時空同型グラフ用紙のアイデアを指します。 Huang Y、Bi H K、Li Z、他 STGAT: 人間の軌跡予測のための時空間相互作用のモデリング[C]//コンピュータ ビジョンに関する IEEE 国際会議議事録. 2019: 6272-6281.

Q3: 単純なモデルにはどれが使用されますか?他のモデルのベンチマークとして使用され、付加価値が考慮されるのでしょうか?

#A3: 単純なモデルを使用することが重要ではありません。重要なのは、すべての SKU をカバーし、ボトムアップ戦略に使用できることです。一般的なものには、単純移動平均法、先週の同期間などがあります。

以上がHema サプライ チェーン アルゴリズムの実践の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。