阿里妹导读：2018天猫双11物流订单量创新高，突破10亿件，这是一次史无前例的物流洪峰。天猫双11十年来，见证了物流业从手写地址、人工分拣，到电子面单、机器人分拣。无论是物流园区、干线运输，还是秒级通关、末端配送，都通过技术高效连接，智能物流骨干网正在加快实现行业数字化、智能化升级。

因此，阿里技术推出《菜鸟智慧新物流》专题，邀请菜鸟技术人，为你揭秘物流核心技术。今天第二期，我们将了解到“仓储体系的大脑”：智能波次，全面了解它在过去一年时间里算法友好型的系统架构建设和演进过程。

一. 前言

 

仓储管理体系从粗放向精细化经营、柔性自动化管理转变是大的趋势，2018年双11国内物流订单首次突破10亿，对整个物流行业都是巨大的挑战，菜鸟的AGV小车、PTL、立体存储等自动化设备发挥了强大的作用。在智能化方面，菜鸟仓储技术团队同样在进行多维度的探索，覆盖从接单、分拣、交接等关键链路，并取得显著效果。

在仓储系统中，波次汇总是将系统单据（信息流）转化为可作业单据（实物流）的关键节点，传统方式有诸多缺点，本文主要介绍了菜鸟仓储系统的智能化波次在过去一年时间里算法友好型的系统架构建设和演进过程，以期为其他业务平台的智能化提供借鉴，进而构建覆盖整个仓储领域的智能化系统架构。

 

二. 背景介绍

 

什么是波次汇总？

 

交易订单承载着物流契约信息，仓储系统根据货品的属性将订单切分成可作业的包裹单元。波次汇总是以包裹为单位，按照一定的策略（波次策略）进行筛选，并将不同包裹按照策略内指定的规则聚合成拣选单，来指导拣货。在这个过程中，波次汇总的准确性、平衡性、可控性、高效性都尤为重要。

面临的挑战

 

1. 技术挑战：

 

波次汇总（菜鸟内部称之为中枢平台，寓意就像大脑一样是整个仓储体系的大脑，调度仓库的作业节奏）是大数据计算密集型的系统，对数据量、效率、数据一致性、计算资源等因素极为敏感。系统上需要重点解决的是在分布式架构下的最优化生产计算问题。

 

2. 实操挑战：

 

在智能波次诞生前，波次汇总主要有两种方式——波次查询汇总和波次导航汇总，它们都是人为的根据一定的条件查询包裹并应用波次策略来生成拣选单，查询设置都是制单员根据仓库现场进行决策。

 

在实操方面，问题主要集中在以下几点：

• 汇单生成优质拣选单的要求极高

要考虑订单时效性、实操的拣选效率、现场劳动力等因素，控制汇波节奏；

汇单人员能力良莠不齐、无法掌控全局数据，一旦产生路径依赖，很难再去思考如何优化波次策略；

• 拣选单生成后未进入作业的积压，拣选无法精细化

每次汇总单量大，打印的拣选单长时间未进入生成，造成拣选单积压；而这部分订单hold单后可以提高优化空间，提升秒杀率；

已经确认的拣选单无法回滚和拦截，只能到质检时拦截，拣选作业浪费；

 

综合来看人工波次汇总的方式无法达到最优，要做到满足时效前提下提供柔性服务，这种关键节点必须交由系统来决策。

 

三. 构建算法友好型的智能化波次架构历程

 

智能波次由来

 

2017年双11结束后复盘，我们着手解决人工决策来进行波次汇总情况下出现的问题，思考用智能化系统手段来提升——由系统根据全局的数据来判断何时汇单、用什么条件汇单、汇哪些单，以便更柔性的控制生产节奏。

优化思路聚焦如下三点：

• 不是思考如何设置最优的波次策略参数，而是从拣选单的角度出发，现场有多少的作业能力，就从“所有的”包裹里选出“最好的”进行聚合组单；

• 在对包裹进行聚合组单，充分考虑仓内巷道、库位的布局，将拣选距离、SKU动碰次数作为优化目标，进而提高人效；

• 控制波次汇总节奏，对仓库现场和仓内数据进行详细的采集，交由人工智能的算法决策是否波次，再由业务系统来进行执行。

 

详细的系统流程可以用下图来理解：

在前期的可行性验证中，我们选取一个单量适中的仓库作为样本，对该仓单日出库包裹进行仿真汇总，和当日实际的人工汇总结果进行对照。下图是几个对照组的结果：系统生产方式与第一列的实际作业情况进行对比，拣选单数量明显下降，单包裹平均库位数的下降趋势也很明显。经过核算间接人效提升达到两位数的百分比：