您的當前位置： 首頁(yè) > 網(wǎng)站建設
發(fā)布時(shí)間：2026-05-05 06:13:43 瀏覽：3 次
基于數據??的基于決策（仿真與(yu)庫存管理）
Peter W. Glynn：
今天我主要是基于相關(guān)的研究問(wèn)題，給大家分享一個(gè)觀(guān)點(diǎn)——基于數據的數據決策。為解決各類(lèi)問(wèn)( ?ω?)題，策仿存管給大家展示一個(gè)由機器學(xué)習、真庫人工智能和其他工具共同搭建的基于平臺。
我們討論利用仿真來(lái)進(jìn)行決策，數據尤其是策仿存管在庫存管理的背景下。機器學(xué)習和人工智能正對世界產(chǎn)生著(zhù)巨大影響，真庫近幾年的基于影響可能比過(guò)去幾十年??的總和還(╥_╥)要突出，但這并不意味它們能解決所有的數據決策問(wèn)題。而仿真也正在解決令人興奮的策仿存管決策問(wèn)題，在決策中(zhong)同樣舉足輕重。真庫
當今的基于商業(yè)環(huán)境給予我們許多機遇和挑戰??。一是數據，更多的策仿存管數據被收集，如各類(lèi)數據在店鋪層面、顧客層面和供應鏈層面被收集；二是，數據更加復雜，更多公司參與了零售( ?ヮ?)環(huán)節，線(xiàn)上??銷(xiāo)售占據了更大比例，讓人深思未來(lái)產(chǎn)業(yè)鏈的分配模式和新興科技例如自動(dòng)駕駛帶來(lái)的影響。三是，很多決策過(guò)程甚至不需要人類(lèi)的參與而是自動(dòng)進(jìn)行的。四是，對實(shí)時(shí)決策的需求突出。
機器學(xué)習和人工智能并??不是僅有的途徑，對于特定情境下的問(wèn)題，機器學(xué)習并不適用，尤其是回答一些“what if”的問(wèn)題時(shí)。當過(guò)去已發(fā)生過(guò)類(lèi)似的例子并收集到大量的數據時(shí)，機器學(xué)習可以被應(ying)用，但很多時(shí)候我們沒(méi)有足夠的數據，或者無(wú)法獲取這些歷史數據，這時(shí)候機器學(xué)習就沒(méi)有那么有效。
比如，第一個(gè)例子，一個(gè)(ge)零售商想要新建一個(gè)自動(dòng)化的配送中心，來(lái)(?⊿?)取代現在的人力配送。這是一項花費巨大的(de)工(gong)程，所以管理層會(huì )想要關(guān)心這個(gè)中心能幫助提??高多少配送時(shí)間和顧客滿(mǎn)意度。這不是一個(gè)機器學(xué)習或者人工智ヾ(＾-＾)ノ能可以大放異彩的問(wèn)題，因為我們正在面臨一個(gè)嶄新的決策，并沒(méi)有相關(guān)的歷史數據能告訴我們這個(gè)新技術(shù)給公司層面帶來(lái)的利益如何。
第二個(gè)例子，近年來(lái)線(xiàn)上銷(xiāo)售大紅大紫，在零售商利潤中(?_?;)占據了的很大(da)比例，傳統零售業(yè)更多地參與??到線(xiàn)上銷(xiāo)售的過(guò)程中，他們需要更多地了解線(xiàn)上銷(xiāo)售來(lái)定位自己在線(xiàn)上銷(xiāo)??售中的位置。ヽ(′▽?zhuān)?ノ有一個(gè)自然的問(wèn)題是，線(xiàn)上訂單會(huì )給線(xiàn)下商店帶來(lái)什么影(???)響。顯然會(huì )有更多的到店訂單，但與此同時(shí)貨架上的商品也會(huì )減少。這其中也有許多“what if”問(wèn)題會(huì )顯著(zhù)影響到公司的成功與否。
但這些都是仿真可以代替機器學(xué)(?????)習起到作用的情景。仿真通過(guò)利用計算機和計算機實(shí)驗來(lái)進(jìn)行決策，主要的想法是建立供應鏈或者庫存管理模型，迅速進(jìn)行大量計算機實(shí)驗來(lái)尋找主要會(huì )發(fā)生的典型情景，尋找出系統發(fā)生大變化時(shí)產(chǎn)生的主??要( ?▽?)影響。仿真的作用就是在問(wèn)題真實(shí)發(fā)生和決策被實(shí)施之前(?????)了解到它們并及早采取措施。
在現實(shí)??世界中，大多重(′▽?zhuān)?要的管理啟發(fā)并不是量化的，但在機器學(xué)習中我們得(de)到的經(jīng)驗和啟示都是量化的。對于一個(gè)大規模的系統，機器學(xué)習(xi)的量化信息可能無(wú)法幫助我們理解系統的本身的工作原理，但是仿真也許能讓我們追溯到模型的源頭，了解一個(gè)供應鏈優(yōu)于另一個(gè)的ヽ(′?｀)ノ原因。
想要把一個(gè)系統的機理完全用量??化的方式來(lái)衡量并不是一件容易的事。另外，在制定重大決策或者進(jìn)行大筆金額投資時(shí)，我們傾向于看到各種可能結果的分布，而不是僅僅一個(gè)可能的結果。因為這一結果與隨機發(fā)生的事件有關(guān)，是一個(gè)有特定原因的結果，而我們如何理解這一結果對于如何決策至關(guān)重要。
仿真不僅僅能夠補充機器學(xué)習完成其不能，同??時(shí)適用于優(yōu)化領(lǐng)域。因為優(yōu)化方法在(zai)處理現實(shí)問(wèn)題時(shí)，傾向??于抽象并簡(jiǎn)化很多現實(shí)世界中的特點(diǎn)與條件，而運行仿真系統，可以包括更多的細節來(lái)驗證優(yōu)化問(wèn)題的結論或(huo)觀(guān)點(diǎn)對于真實(shí)世界是否適用。
所有的仿真模型需要數據，我們通過(guò)服從指定的分布生成隨機變量的方式形成數據。例如在分配中心問(wèn)題中，我們需要運送時(shí)間的數據，線(xiàn)下商店需要實(shí)現當地客戶(hù)需求所花費的時(shí)間。其核心問(wèn)題是如何建立概率模型來(lái)進(jìn)而建立仿真模??型。我們想要知道對??于┐(′д｀)┌一個(gè)特定的投資組合的決策有多大的風(fēng)險，利用計算機來(lái)進(jìn)行仿真是預測風(fēng)險的一個(gè)??經(jīng)典方法。例如模擬并計算未來(lái)30天內有巨大財產(chǎn)損失的概率，仿真對于極端事件非常敏感，所以我們想要關(guān)注的其實(shí)是極端的價(jià)格變化，常用的數據統計方法??把所有數據視為同等重要來(lái)考慮，然而我們考慮的并不是分布的中間，而是分布的兩邊（尾部）。同樣在庫存管理中，我們并不是非常擔心典型的供應鏈行為，而更關(guān)注5%的極高顧客需求或系統負荷反常行為帶來(lái)的影響。這和我們傳統的數據處理和仿真模擬的想法完全不(//ω//)同，蘊含了很多具體有趣的研究問(wèn)題，正在被我們關(guān)注。
總的來(lái)說(shuō)，機器學(xué)習和人工智能將會(huì )是變革世界的┐(′?｀)┌重要科技，但仿真可以作(zuo)為評估和補充它們的有效工具。
