久久精品国产免费一区,sao虎在线精品永久在线,韩国免费啪啪漫画无遮拦免费,精品精品国产三级A∨在线

返回首頁

登錄 / 注冊

網站地圖

廣告 廣告

? 新聞資訊

當前位置: 物流學院 > 物流技術 >正文
  • 閱讀量
  • 收藏
  • 480
  • 分享

從倉儲規劃,看DeepSeek的實用性、局限性和突破之道


  DeepSeek爆火以來,迅速成為物流行業熱議的話題。憑借其強大的AI能力,DeepSeek被認為有望為物流行業的復雜問題提供高效解決方案。許多業內人士紛紛嘗試利用這一工具解決實際問題,以驗證其在物流行業中的實用性。

  一、DeepSeek在倉儲布局規劃中的應用嘗試

  公眾號“環球物流咨詢規劃”率先對DeepSeek在倉儲布局規劃中的應用進行探索,發布了以《用deepseek進行倉儲布局規劃》為主題的文章。該文嘗試利用DeepSeek在MATLAB環境中運行代碼,生成倉庫布局模型,旨在深入了解DeepSeek的思考方式,并搭建一個高效的倉儲布局模型框架,以提高物流規劃的效率。

  具體步驟如下:

  首先,讓deepseek構建一個基本的倉庫功能區色塊;

  再,引導deepseek優化倉庫功能區的大小;

  然后,引導deepseek在各個功能區中建立貨架或緩沖貨位;

  最后,用豆包進行代碼交叉解讀,并計算倉庫指標。

  與deepseek的對話過程,請滑動查看下圖:

  1.deepseek生成一個倉儲功能區色塊圖

  deepseek生成的代碼運行結果:

  2. 引導deepseek對倉儲功能區色塊定義尺寸

  deepseek生成的代碼運行結果:

  3. deepseek構建存儲區中的貨架布局

  deepseek生成的代碼運行結果:

  4. deepseek優化存儲區布局

  deepseek生成的代碼運行結果:

  5. deepseek構建分揀區中的貨位

  deepseek生成的代碼運行結果:

  6. deepseek構建出庫集貨區中的貨位

  deepseek生成的代碼運行結果:

  7. deepseek構建倉儲物流動線

  deepseek生成的代碼運行結果:

  8. deepseek構建卸貨區的卸貨位

  deepseek生成的代碼運行結果:

  9. deepseek對倉儲功能區進行說明

  10. 用豆包交叉讀取代碼,計算倉庫績效

  通過這一實踐,作者總結了DeepSeek在物流規劃中的優勢和需要注意的問題。

  優勢:1. 物流規劃的知識儲備完整;2. 可以幫助規劃者快速的搭建一個倉儲場景框架;3. 可以給有規劃者帶來很多規劃思路;4. 技術上,代碼結構清晰,可讀性強;5. 規劃以坐標數據為基礎完成,與其它規劃工具的交互性強。

  需要注意的問題:1.使用者需要儲備規劃知識框架,以便更好的組織問題;2.使用者需要能理解deepseek的思考方式,以便對其回答的結果進行再提問引導。

  文章作者指出,如果能夠熟練掌握AI工具進行物流規劃,將極大地提高規劃效率。

  二、DeepSeek在倉庫規劃中的局限性

  《用deepseek進行倉儲布局規劃》發出后引發行業熱議,公眾號“聞道-供應鏈思維”在《Deepseek在倉庫規劃中的局限性:基于案例研究》一文中指出該內容主要聚焦于Matlab編程,與倉庫規劃本質相去甚遠,認為倉庫規劃需要綜合考慮戰略、戰術與運營層面的決策,形成多層次框架,具體包括總體結構設計、面積與布局優化、設備選擇與自動化配置、運營策略設計(包括存儲策略、揀選策略及補貨策略),促使大家深入探討Deepseek在倉庫規劃中的局限性,并指出當前AI在專業領域應用中存在一個普遍問題:過分關注技術工具本身,而忽視了專業領域的本質需求。

  同時,該文通過一個具體的零售企業配上中心的規劃案例,讓Deepseek模型對同一任務進行三次規劃嘗試,分析其表現。

  經過測試,該作者發現了幾大關鍵問題,例如:

  1.結果顯著的不一致性:

  三次規劃的總面積分別為12000㎡、15000㎡和7250㎡,差異超過100%。每次規劃都配有看似合理的推導過程,但結論截然不同,反映出Deepseek在處理多變量決策時的不穩定性。

  2.專業概念理解偏差:

  最典型錯誤:將“70%的SKU為拆零”誤解為“70%的庫存量需要拆零存儲”,導致存儲空間被高估、揀選設備配置不合理、人力資源規劃偏離實際需求等一系列問題。

  其他問題包括設備選擇不符合零售行業特點、過道寬度設計不合理等,還有一些一本正經胡說八道的內容。

  3.思維邏輯的不穩定性:

  每次規劃雖都展現出都展現出完整的思維鏈的關注點和深度不同,缺乏專業性穩定的思考邏輯框架。

  第一次規劃偏重行業標準比例

  第二次更注重自動化升級空間

  第三次采用更務實的空間規劃思路

  4.創新能力評估:缺乏深度行業經驗和創新思維

  為進一步測試Deepseek在倉庫規劃中的創新能力,作者在基礎案例中增加了一個極具挑戰性的條件:"每年兩次大促,訂貨量會增加3倍"。

  面對這個挑戰,Deepseek一開始忽略了這個新增的條件,再次追問給出一個完整的方案:增設臨時存儲區、配置可拆卸式貨架系統、建立分揀能力三重保障等。仔細分析這些建議,可以發現Deepseek的解決方案停留在簡單資源疊加層面,缺乏深度行業經驗和創新思維。

  與deepseek的對話過程,請滑動查看下圖:

  Deepseek第一次回答

  Deepseek第二次回答

  Deepsee針對大促的回答

  上下滑動查看

  通過幾次對話,作者總結Deepseek的優勢為:

  思維鏈的白盒化:每個規劃方案都附帶詳細推導過程,有助于專業人員理解和優化方案。

  系統性思維:盡管解決方案不完美,但展示了多維度思考能力,對物流專家也有參考價值。

  持續學習和適應潛力:如果輸入更多行業細分場景的實際案例,Deepseek有望做出更專業、更有針對性的方案。

  最后,作者認為AI與人類專家的協作模式可能是未來物流規劃的最佳實踐,建議重新定位AI規劃的角色,將其定位為增強人類專業能力的得力助手。AI能夠快速處理數據、提供系統化思維框架,而人類專家可以基于經驗優化方案。

  三、Deepseek+物流專家知識:從混沌到秩序、從質疑到突破

  在探討Deepseek在倉儲規劃的局限性后,公眾號“聞道-供應鏈思維”緊接著又發布《Deepseek+物流專家知識:從混沌到秩序、從質疑到突破》一文,進一步探討了Deepseek與專家知識相結合的潛力和價值。當引入物流專家的方法論后,Deepseek的表現是否會有所改善呢?

  作者邀請了零售物流規劃專家董劉先生,基于前文中的案例(零售企業的配送中心規劃)提供了一套詳細的專家方法論,包括基礎數據計算、各功能區域面積的計算方法等。

  那么,AI與專家知識結合后的表現如何?

  從混沌到秩序:引入專家方法論后,Deepseek的規劃結果高度收斂,連續兩次方案的面積均在8,100平方米左右(第一次8163平方米,第二次8177平方米),差異主要源于大模型對數字的驗算不夠精準。不僅倉庫面積計算趨于一致,設備推薦也形成了統一性,顯示出Deepseek在專家知識引導下對專業概念的準確把握和對計算邏輯的深入理解。

  從質疑到突破:Deepseek并未止步于簡單執行專家方法論,而是展現出獨立思考的能力。例如,它對專家方法論中“64個滑道一組”的拆零區計算方式提出質疑,并提出基于每個SKU需要獨立滑道的新計算方法。在第三次規劃中,Deepseek突破了專家方法論的限制,將拆零區面積從806平方米調整到3168平方米,體現出AI在專業框架下的創新思維。

  針對Deepseek的創新,董劉先生指出,其提出的“拆零區是閣樓,投影面積含上下左右四組”的概念被Deepseek誤解,說明在專業領域中仍存在大量“隱形知識”,這些知識需要逐步顯性化并納入AI的學習范圍。

  與deepseek的對話過程,請滑動查看下圖:

  附錄:題目:規劃一個零售企業的配送中心,具體參數包括:

  日均訂單量:200個門店

  平均訂貨量:75箱/店

  庫存周轉:15天

  SKU數量:2500個

  拆零比例:70%的SKU需要拆零作業

  總結

  以上三篇文章共同構成了一個有意義的探索過程,揭示了AI與物流專業領域結合的局限、挑戰及潛力,也為物流行業如何運用AI,需要、培養怎樣的人才提供了思路。

  正如公眾號“聞道-供應鏈思維”的作者指出,AI在專業領域中的角色不應僅僅是規則執行者,而應成為能夠在專業框架下實現創新的思考者,未來專業決策可能采用新模式,即將AI視為專家的智能伙伴,而非單純工具。這意味著未來物流行業需要既懂物流又懂AI的復合型人才,他們能夠將專業知識與AI技術相結合,推動物流行業的發展。

  這種觀點與理想汽車CEO李想提出的“AI的教練”不謀而合。“AI的教練”負責后訓練,將“最佳實踐”轉化為AI能力。這類人才需要具備強大的業務(BT)、技術(IT)和數據(DT)能力,了解業務需求,掌握高質量數據的收集和訓練方法。其角色包括原代碼開發者、產品經理和業務專家,他們需要通過學習轉型為AI教練。

  李想指出,除了“AI的教練”,“AI的教授”、計算支持者也是人工智能時代的全新工種。“AI的教授”負責預訓練,將各種人類知識匯集起來,使其具備廣泛的專業知識,類似于擁有多個學位的專家;計算支持者負責為AI提供計算支持,這是AI研發的核心。例如,自動駕駛需要駕駛數據(DT),To C產品需要人類對話記憶數據(DT)。

  “今天從事各種專業的人,需要在這三個方向中尋找自己的未來之路。”

  作者 | logclub,感謝公眾號“環球物流咨詢規劃”、“聞道-供應鏈思維”的觀點

  本文來源于物流沙龍,不代表九州物流網(http://www.ruyi818.com)觀點,如有侵權可聯系刪除,文章所用圖片來源于網絡,文章圖片如有侵權可聯系刪除。

關鍵詞: 倉儲,行業,發展