Rethinking Supply Chain Planning: A Generative Paradigm

Содержание и границы

Вывод работы: Авторы (JD.com и Университет Цинхуа/HKU/Berkeley) переопределяют планирование цепочки поставок не как вычислительную задачу, а как интерактивный, интегрированный и автоматизированный когнитивный процесс, и реализуют это в виде генеративного агентного фреймворка, встроенного в реальную операционную среду JD.com с декабря 2023 года. По детальному описанию раздела 4, ручной еженедельный цикл планировщика занимал 120 минут (20 мин сбор данных + 40 мин обработка + 60 мин анализ); с системой сбор данных сводится к 5-минутному описанию запроса, обработка становится полностью автоматической, а час анализа сохраняется, но проходит в виде интерактивной сессии с агентом (сколько именно времени занимает эта сессия, источник не приводит) — то есть некорректно говорить, что весь 120-минутный цикл сократился до 5 минут. При этом в разделе 1.1 («Contributions») та же статья утверждает иную, не согласующуюся с этим описанием цифру: «сокращение времени обработки данных примерно на 40%» (CONFLICT между разделами одной статьи). По данным годового сравнения май-июнь 2024 против мая-июня 2023 на выборке 70 000+ SKU в трёх бизнес-юнитах, доля планов с отклонением запасов менее 5% выросла на 22% (источник не уточняет — в процентных пунктах или относительно). Уровень выполнения заказов (stock fulfillment rate) в пик распродажи «618» указан в разделе 4 как «на 2% выше исторической ручной базовой линии», тогда как в разделе 1.1 та же статья говорит о росте «на 2–3%» — второе внутреннее расхождение (CONFLICT). Авторы также оценивают (их собственная формулировка «we estimate») дополнительный прирост GMV в период фестиваля примерно в 2 млн юаней.

Объём чтения: full_text

transfer_limits: Все количественные эффекты — самооценка компании-разработчика: шестеро из восьми соавторов аффилированы с JD.com (включая контактного автора Yongzhi Qi), двое — только с академическими институтами (Tsinghua; HKU/Berkeley), независимой верификации цифр нет. Сравнение год-к-году (май-июнь 2024 vs май-июнь 2023) не является контролируемым A/B-экспериментом и подвержено смешению с другими изменениями платформы за год (сезонность, прочие ИТ-улучшения, рыночная конъюнктура). Оценка охватывает не всю сеть JD.com, а выборку из 70 000+ SKU в трёх бизнес-юнитах — перенос на всю компанию или на другие ритейл-платформы с иной структурой ассортимента и логистики не гарантирован. В самой статье присутствуют два внутренних расхождения в числах (раздел 1.1 «Contributions» против раздела 4 «From Design to Deployment»): (1) сокращение времени обработки данных — «примерно 40%» против детального описания, где сокращается лишь часть 120-минутного цикла (60 мин собранных+обработки -> ~5 мин, час анализа сохраняется); (2) рост выполнения заказов — «2-3%» против «2% выше базовой линии». Обе метрики отмечены как CONFLICT и не должны цитироваться как единственное число без оговорки о расхождении. Единицы измерения роста точности (22%) и роста выполнения заказов не уточнены источником (проценты или процентные пункты) — переводить их в «процентные пункты» без основания из текста нельзя. Оценка прироста GMV (~2 млн юаней) — расчётная (авторская «estimate»), а не измеренная напрямую величина.

Продолжение: Сверить с известной карточкой JD.com в known-e4-cases.json (30-дневный полевой эксперимент с ORPR RL-агентом пополнения запасов «закуски») — это другой процесс (планирование vs. пополнение запасов), дублирования нет. Следить за независимыми подтверждениями цифр (пресс, аналитики) и за тем, снимут ли авторы внутреннее противоречие 40% vs описание в разделе 4, 2% vs 2-3% в будущей версии статьи.