库存是影响企业利益的关键因素之一，库存管理直接关系生产、销售等活动能否正常运转。以电信运营商为例，每年，北京电信大量的库存产品，包含手机终端、泛智能化产品、路由器、光猫、UIM、通信设备等品类，这些库存产品需要分配到北京丰富的仓库当中。
面对数量庞大的库存产品，如何优化配置产品进货策略、库存分配策略、整体的最优成本测算？在数字化经济高速发展的背景下，智能化系统对于企业库存管理来说势在必行。
对于客户需求预测这一决定库存管理的重要环节，北京电信云网运营算法工程师孙启仁使用百度飞桨打造主动型库存决策分析系统，现已用于辅助企业进行产品进货和仓库分配等高阶决策支持，提升消费者购物体验的同时，也为企业节省了大量库存成本。
通常，库存管理者会根据各产品的日常销售等情况对未来一段时间内客户的需求量预测，再决定进货策略。但这种方式会造成的客户需求量预测不准确、产品进货和分配理论支撑薄弱、新品初始进货量难以确定等问题，提高企业库存成本。要实现良性的库存管理，关键点在于如何对品类繁多的产品，决定恰当的进货时机，进行合适的种类、数量配比。
孙启仁的日常工作便是工程流程数字化、智能化升级。如何提高客户需求量预测精准度？孙启仁所在团队的策略是开发一套以数据为基础的主动型库存决策分析系统。起初，他们使用传统的管理科学工程工作算法进行模型搭建，虽然效果比人工预测略有进步，但某些场景的预测依然偏差较大。
偶然的一次机会，孙启仁在朋友口中了解到百度首席AI架构师培养计划AICA，便带着用AI方案提升客户需求量预测的紧迫任务，搭上了第五期AICA培训课程启动前的最后一班车。
在AICA的课程过程中，围绕库存管理系统智能化升级这一课题，孙启仁在百度工程师指导下，基于飞桨尝试打造“主动型库存决策分析系统”。
库存管理主要包含两大方向的工作，一方面聚焦实现数据的有效管理，如产品入库、出库、调拨的自动化记录；另一方面，通过仿真、数学建模、AI算法实现客户需求预测，涉及到后续如何选择合适的进货时机和进货数量、分配，以及最优成本的测算，也就是一套“主动型库存决策分析系统”。
从实际问题出发，孙启仁和团队将实现“主动型库存决策分析系统”的构建拆分为四个步骤：汇总数据、算法实施、客户需求量预测、最终实现主动型库存产品决策分析。
在算法实施方面，团队使用飞桨开源的时间卷积网络TCN、长短期记忆网络LSTM、时序预测算法等对汇总起来的产品历史销量、产品属性等数据进行聚类和特征提取，结合运筹算法中的库存策略算法、最优成本测算模型、自研库存分配模型等关键技术，优化了传统库存管理算法下无法迅速根据需求波动做出反应的弊端，在多端多平台上实现快速部署和模型迭代。
在丰富友好的说明文档和项目指导之下，孙启仁和团队用飞桨的算法集成和Paddle Serving框架，很快搭建了模型并实现部署，大幅节省了开发时长和算法迭代周期，并且达到了理想的预期效果。
库存决策分析体系架构图
目前，基于飞桨的技术支撑，孙启仁与团队开发的主动型库存决策分析系统，较传统算法下的客户需求量预测方案实现了预测精度的再度提高。2021年至今，北京电信使用该系统面向丰富的库存产品和仓库进行了大量决策，大幅减少了缺货次数，降低了每类产品的平均持有时间，每年可节约大量库存成本。这套基于飞桨开发的主动型库存决策分析系统后续将推行到同行业乃至多个行业的库存管理场景中，助力提升库存产品管理效率。
除主动型库存决策分析系统外，北京电信云网运营团队也已将飞桨用于异常检测、故障告警等工作中，未来，还将基于飞桨开展对更多场景、领域应用的探索，为企业整体的智能化升级提供技术支撑。
点击阅读原文或在飞桨公众号后台回复关键词“有解”，即可获得飞桨“有解”案例册链接。产业有问，飞桨有解。
关注【飞桨PaddlePaddle】公众号
获取更多技术内容~
