Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
Cx 23cb74c4a7 | 1 year ago | |
---|---|---|
README.md | 1 year ago |
供应链精益管理在互联网和云计算的场景下作为新型交叉领域,是工业4.0领域的核心,也是对于学术和工业界都是极具挑战的命题,本数据集来自2021阿里云基础设施供应链挑战赛:https://tianchi.aliyun.com/competition/entrance/531934/introduction, 由阿里云提供,旨在推动产学研结合的创新技术领域的研究。
无论是互联网还是传统制造业, 供应链都是要考虑的重要问题之一。阿里云具有制造业和互联网的多重属性,提供了一种可随时自助获取、可弹性伸缩、成本保障的云资源服务,而这种弹性能力也给供应链提出了巨大的挑战。另外,根据 IDC数据显示,数据中心成本占比中,服务器占比约70%。为满足客户服务水平同时、并尽可能提高云上资源利用率、降低供应链成本,自动化、智能化的资源规划和供应链管理系统非常关键。
供应链精益管理在互联网和云计算的场景下作为新型交叉领域,是工业4.0领域的核心,也是对于学术和工业界都是极具挑战的命题,本数据集将聚焦在解决在补货单元纬度(最小库存管理单位),给定过去一段时间的历史需求数据、当前的库存数据、补货时长以及补货单元的相关信息(产品维度与地理纬度),研究人员可使用“时序预测”、“运筹优化”等技术给出相应的库存管理决策,在保证库存大概率满足需求不发生断供的情况下,降低库存率,达到降低库存成本的目的。
在问题定义之前,我们先给出相关的概念:
库存水位 在仓库存数量,用来满足需求
补货时长(交货时间,lead_time) 从下达补货指令到货物到仓可用的时长;本数据集的补货时长为14天,即假设1号A货物的库存水位为0,此时下达A货物补货指令,补货量为10,则1号至14号A货物的库存水位均为0,15号时A货物的库存水位为10
补货在途 下达补货指令后还未到仓的货物量总和;上例中1号至14号A货物的补货在途为10,其他时段为0;若在8号再次下达补货量为10的补货指令,那么1号至7号的补货在途为10,8号至14号的补货在途为20,15号至21号的补货在途为10,其他时段为0
补货策略 本赛题场景使用周期性盘点的补货策略,每周一为补货决策日,决定货物的补货量
历史需求 货物历史需求量的时间序列,值得注意的是,因为云产品有购买与释放的概念,所以本赛题场景下需求量会为负数,即云产品被用户释放
补货单元 货物的唯一标识
基于给定过去一段时间的历史需求数据,同时结合当前的库存数据、补货时长、补货在途以及补货单元的相关信息(产品维度与地理纬度),研究人员需要自己提出方案,在补货决策日确定每一补货单元的补货量。最直接的方案,可通过历史需求数据,对未来的需求进行预测,结合当前库存水位以及补货在途的货物判断14天后的库存水位能否满足14天后的一系列需求(因为当日补货14天后才能到货),考虑对应的补货量,达到在保障一定服务水平的情况下,实现最低库存成本的效果;当然也可采用end to end的整体优化方案,实现该目标。库存量视角的变化过程如下图所示。
enter image description here
本研究课题我们会提供一个训练集,供参赛选手训练模型并验证模型效果使用。同时,我们会提供一个测试集,研究人员需要按时间读取20210302-20210607的需求数据,并根据历史需求数据以及补货在途,决定补货量,并把决策结果CSV文件输出到指定位置。由于库存控制是一个前后相关的决策过程,两次补货决策并不独立,因此我们会提供一段时间的数据,由研究人员在时间轴上进行多次补货决策,最后在较长的时间段内评价方案的好坏。
注意:因测试集透出了未来数据,研究人员在开发过程中可将其作为未知数据调整算法,不允许在决策时使用当前日之后的未来数据。
相关参考
https://web.mit.edu/2.810/www/files/readings/King_SafetyStock.pdf
https://abcsupplychain.com/safety-stock-formula-calculation/
训练集包含如下信息:
use_train.csv: 为虚拟资源使用量历史数据,包含7列。每列的含义如下:
字段 说明
unit 单元
ts 日期
qty 资源使用量
geography 地理信息
geography_level 地理聚合维度
product 产品信息
product_level 产品聚合维度
注:需求净增量数据可由use_train.csv 中的时序做diff得到
inventory_info.csv: 为虚拟资源库存数据,包含7列。每列的含义如下:
字段 说明
unit 单元
ts 日期
qty 库存量
geography 地理信息
geography_level 地理聚合维度
product 产品信息
product_level 产品聚合维度
geography_tuopu.csv: 为地理拓扑数据,包含3列。每列的含义如下:
字段 说明
geography_level_1 地理层级1
geography_level_2 地理层级2
geography_level_3 地理层级3
product_tuopu.csv: 为产品层级信息,包含2列。每列的含义如下:
字段 说明
product_level_1 产品层级1
product_level_2 产品层级2
unit_weight.csv: 为库存单元的权重信息,包含2列。每列的含义如下:
字段 说明
unit 单元
weight 权重
测试集包含如下信息:
use_test.csv: 为虚拟资源使用量历史数据,包含7列。每列的含义如下:
字段 说明
unit 单元
ts 日期
qty 资源使用量
geography 地理信息
geography_level 地理聚合维度
product 产品信息
product_level 产品聚合维度
注:需求净增量数据可由use_test.csv 中的时序做diff得到
研究人员需要为测试集的给定时间段(20210302-20210607),根据历史需求数据以及补货在途,在每周一为每个库存单元决定补货量,输出形式如下:
unit,ts,qty
"unit1","20210308",12
"unit1","20210315",11
"unit1","20210322",9
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》