『运筹OR帷幄』原创

作者：运筹OR帷幄

编者按

近年来，供应链管理和运筹优化都有着蓬勃的发展。对于想要投入这方面研究或者刚投入这方面研究涉世未深的初学者们急需一些方向性的指引。本次采访我们邀请到了东北大学黄敏教授，黄老师在物流与供应链管理领域深耕数十年，对风险管理，计划调度，计算智能也有着很多的研究经验。小编衷心希望通过这次科普性质的采访能让供应链管理，运筹优化这个领域吸引无论是学界、业界，越来越多聪明、勤奋的年轻人投身其中，为人类的实际生活，和现代社会的发展做出有用的贡献！

嘉宾介绍

黄敏，博士，东北大学教授，博士生导师；教育部长江学者特聘教授、国家杰出青年科学基金获得者; 辽宁省智能科学与智能系统重点实验室主任；东北大学人工智能系主任、智能科学与系统工程研究所所长、教育部“互联网+”物流与供应链管理学科创新引智培育基地(111培育基地）负责人、东北大学未来制造与服务智能分析决策国际研究中心主任；流程工业综合自动化国家重点实验室骨干成员，美国密西根大学（安娜堡）高级访问学者。国务院政府津贴获得者、教育部新世纪优秀人才、国家自然科学基金委2个创新群体（信息学部和管理学部）骨干教授、霍英东高校青年教师奖获得者、辽宁省优秀专家、辽宁省“兴辽英才计划”科技创新领军人才、辽宁省百千万人才工程百人层次、辽宁省优秀科技工作者。主要从事物流与供应链管理、智能制造、制造与服务系统建模与优化、计划调度理论与应用、风险管理、行为运作管理、数据解析与机器学习、计算智能、数据孪生等方面的研究。

1

数学优化方法与智能优化方法

问：数学优化方法和智能优化方法，在组合优化和整数规划问题中都有广泛的应用您觉得这两种方法的各自优势都有哪些？

答：两种方法各有所长。

数学优化方法优势在于，基于严谨的数学推导证明可以提供有质量保证的解。缺陷在于，对问题的特点和结构有特殊要求，其次在大规模问题的求解上效率与智能优化方法相比通常略低。智能优化方法优势在于适用更广泛问题结构，对大规模问题也能较为快速求解，但它的缺点是通常仅能求得问题近优解，且很难准确衡量解的精度。

问：这两个方法分别适用的场景是什么？

答：我们需要从问题特点分析入手。当我们遇到一个实际问题，首先要去了解问题结构特点。如果这个问题的模型具有特殊结构（如凸性等），我们可以用数学优化方法来求解。但如果出现以下两种情况，一是问题复杂（问题模型不具有特殊结构或难以建模）；二是需要解决具有NP难特性的大规模问题，数学优化方法没办法求解或保证这些大规模问题求解的时间效率时，就需要用智能优化方法去解决。所以对于一些实际的非凸优化问题或者具有NP难特性的大规模问题，我们更多要考虑采用智能优化方法解决。

问：这两种方法呈现着一种互相补充，互相对应的关系，可能对于数学优化方法来讲是缺点，对于智能优化方法来讲，正好是它的优势所在。从模型上来讲，如果说数学优化方法不适用的某一类问题，可能用智能方法来解恰恰比较合适。

答：是的，数学优化方法虽然可以保证求解结果精确性，但却不能解决所有优化问题。我们可将现实问题作为一个大的集合来看，数学优化方法适用于具有一定数学结构的中小规模问题，而智能优化方法适用于结构复杂或中大规模问题。数学优化方法和智能方法是互相补充的。

问：这两种方法有没有交叉和结合？

答：两种方法可以交叉和结合。一方面，两种优化方法的求解思想可以相互融合。例如在处理问题时可以利用分解的思想，具体来说就是当我们遇到大规模问题时，非常自然的想法就是把问题拆成子问题，这样求解效率会有很大提升。问题的分解思想，对这两种优化方法都非常有效。另一方面，在对问题求解时，两种方法可以结合使用，如智能算法的初始解可以采用数学规划的方法获得。

2

运筹优化与供应链管理

问：您觉得运筹学和优化理论在供应链管理中发挥的作用是什么？

答：运筹学和优化理论是供应链管理的一个关键工具。我们知道运筹学起源于二战期间，最初应用在军事领域，这套理论的核心思想就是优化。优化思想是指无论是在企业实践中，还是在日常生活中，当人们需要做决策的时候，不是随意的去找一个可行方案，而是寻求一个最优或者比较优的方案。而管理核心就是决策，在供应链管理中，特别是运作管理领域，许多问题都是优化问题，是在有限资源条件下，去寻求供应链整体或者是供应链成员利益或某些目标最优的一类优化问题，所以需要借鉴运筹学和优化理论加以解决。运筹学和优化理论是供应链管理重要决策工具之一，我们可以基于运筹学和优化理论进行问题建模和算法设计，并给出一个满意解决方案。

问：也就是说运筹学和优化理论给我们供应链管理提供了一个比较完整的理论框架，我们在这个体系内可以达到供应链管理的某些优化目标。

答：运筹学和优化理论为供应链管理提供的是一套优化工具。而供应链管理有它自己的一套理论框架，从宏观层面的机制设计、网络设计，到中观层面的路径规划、存储策略，再到微观层面的供需匹配等，实质都是优化问题，运筹学和优化理论为这些优化问题的解决提供了有效方法和工具。

问：还有人说运筹学目前最大的应用场景就是供应链，您对这个说法是怎么看？

答：我认为供应链是运筹学的重要应用领域之一。运筹学从产生到发展都是在解决生产和生活中各类决策问题过程中不断前进的，因此在各行各业都有广泛应用。随着智能化时代的到来与发展，运筹学在供应链管理领域进一步应用的潜力是非常巨大的。

3

鲁棒优化与供应链风险管理

问：想问一下黄老师供应链风险管理中的一些应用。鲁棒优化方法作为研究不确定性优化问题的新方法受到了越来越多研究人员的关注， 您觉得供应链风险管理和鲁棒优化方法之间有什么联系？

答：供应链风险管理即通过对风险要素的识别和评价达到对风险控制的管理过程。在这样的管理过程中，这些风险要素的最大特征就是不确定。其中供应链风险控制就是一个不确定性优化问题。而鲁棒优化的实质就是对不确定性问题的优化。鲁棒优化与传统不确定性问题优化的一个根本不同在于人们决策时能够获取的信息非常有限。在处理不确定优化问题时，我们首先要明确有哪些不确定性要素，通常我们用随机变量来刻画不确定性要素。在随机规划框架下，当我们处理不确定性优化问题时，通常假设这些随机变量的概率分布是已知的，并可以用随机规划理论与方法进行处理。但现实问题中我们常常没有那么幸运，我们可能只了解随机变量的均值，偏差大概在多大范围之内。甚至有些时候只是知道这些信息在某个区间范围内，即我们只能获取有限信息。在这种情况下，我们仍然需要对不确定性问题进行决策，这时通常采用鲁棒优化。

鲁棒优化的核心思想在于，即使最差的情况出现，也有“最好”的决策方案。当定义了可接受的最差情况尺度后，鲁棒优化的方案保证不论哪种不确定性情景发生，所得到的决策方案都不会特别糟糕。这种思想最初来自于控制理论领域，我们知道控制理论领域很早便有鲁棒控制的概念，鲁棒优化实际上与其是一脉相承的。

所以鲁棒优化与供应链风险管理的联系就在于，供应链风险管理中的决策问题通常是具有少量随机变量信息不确定的优化问题，而鲁棒优化是解决具有有限不确定要素信息量的不确定性优化工具，因此它不仅可用于处理供应链风险管理问题，还可处理相关领域中具有同样无分布特征的不确定性优化问题。

问：鲁棒优化的应用场景之一是决策者不能承担小概率事件发生后所带来的巨大风险，此时鲁棒优化寻找在最劣情景发生时依然不太差的解。在这样的情形下，鲁棒优化方法是否会使决策结果过于保守，在应用鲁棒优化方法的过程中，效益优化和风险规避之间怎样去平衡？

答：实际上人们在决策时，通常是在效益优化和风险规避之间不断地权衡。如果不能承担风险，决策必然趋于保守。那么，很多人担忧鲁棒优化方法是否会使决策结果过于保守呢？这个答案是否定的。实际上，鲁棒优化只是一个决策工具，决策结果是否趋于保守要取决于决策者的决策偏好，也就是决策者定义的可接受最大风险尺度，鲁棒优化只是在决策者定义可接受的最大风险尺度后，为其确定最优决策方案及最优收益。所以，效益优化和风险规避之间的平衡也是由决策者态度决定的。

4

人工智能与供应链管理

问：现在人工智能研究的比较热门，人工智能与供应链的交叉研究有哪些？比如说用机器学习的方法来做供应链预测，解决库存比较高，运营成本上升和现金流紧张的这些问题，当客户的需求信息在经销商和生产商，供应商之间逐级传递过程中出现了放大，到最后导致需求信息不真实，出现了一些所谓的牛鞭效应（bullwhip effect），用人工智能的方法是否能很好的解决。

答：这是一个非常好的问题。在AI热起来前，我们在做决策的时候，需要有一定信息量。但关于企业的信息通常是不完整的，所以基于不完整信息做出的决策有时不能完全切合企业需求。而随着AI和数据科学技术的发展，我们可获得关于企业的更多且更具体的信息，例如关于客户需求和偏好等的更精准信息，在这种情况下，就可以借助AI改善供应链决策状态，帮助我们提升决策效率和质量。

总体上来说，AI技术与供应链管理研究的交叉，可分成四个层面：第一个层面是数据的获取，即如何利用云、大、物、移、社技术进行信息的获取；第二个层面是预测，即如何利用获取的数据，揭示一些规律，比如说客户的需求的规律；第三个层面是决策，传统上我们对于供应链的管理常通过建模去决策，这一过程需要对问题进行描述、分析和建模来完成。而当问题有所变化时需重新建模，所以当AI出现后，是不是能够利用深度学习方法直接去做决策呢？比如说在供应链中配送路径规划中，根据路况状态信息等能实时地进行配送路径规划决策；第四个层面是系统层优化，供应链是一套系统，使得这个系统效率达到最高，就需要利用一些先进的AI技术，如大家现在常常提到的数字孪生技术等等。无论是信息获取、预测、决策，还是系统层的优化，实际上核心思想就是能够获取和利用更多的数据，利用AI相关技术，使得决策能够得到实时地优化，我认为这是两者最重要的一个交叉点。AI和供应链管理的交叉，可以在各个层面上进行，但无论是哪个层面，供应链管理都将受益于实时优化。

问：所以说实时的数据或者说现在的大数据，是人工智能和供应链可能产生一些交叉的应用场景的最终驱动力。

答：我个人同意这一说法。从学术研究角度人们常常提到的就是动态决策，即动态优化，这是从运筹学角度来定义的。而从企业实战角度，对应概念就是实时决策，且更加强调响应时间及不同的时间尺度。

问：近年来人工智能相关的研究话题非常地热，大家对人工智能和深度学习非常了解和关注，但是对运筹学和供应链的关注度相对较低，您觉得主要的原因有什么？

答：原因可能主要有两个方面。一个方面，可能是媒体宣传。毕竟人工智能的出现，是令人兴奋的事情，因为机器可以帮我们做很多事情，有些事可能我们曾经期待着，但一直没做到，但是现在可以做到，所以说媒体会做大量的宣传，可能出发点是让大家对这个问题有更多的关注；另一方面，还是大家对这背后原理并不是很清楚，因为大家只是看到这样的一个现象，而对这背后的一些关联性并没有看到。实际上我们知道无论是深度学习，还是一些其它的机器学习方法，实质上都是优化方法。比如说现在出现的基于图的一些学习方法，考虑信息关联的一些学习方法，它们最终都是转化为一个优化问题来求解，而运筹学就是一门关于优化的学问。所以优化贯穿于整个机器学习和AI的核心部位，它们两者是紧密关联的。

5

第四方物流与区块链技术

问：美国艾森哲提出的第四方物流概念，将第四方物流界定为专门为第一方，第二方和第三方提供物流规划咨询和物流信息的系统和平台，亦可作为一个物流供应链集成商，为各方提供一个综合的供应链解决方案。也就是说第四方物流是现代物流的一个发展趋势，也是现代物流和供应链管理高度融合发展的一个产物，所以想问黄老师您觉得第四方物流和第三方物流相比的优势在哪里？

答：我们可以从第三方物流出现开始说起，实际上我们说的第一方通常指卖方，第二方是买方，这两方任何一方提供的物流为自营物流。随着企业竞争的加剧，到了20世纪80年代，卖方和买方要集中在自己的主营领域，提高自身竞争力，这样就把物流外包给专业的运输车队，形成了第三方物流。由于第三方物流可提供更专业化的物流服务，它的出现可为企业节省一定的成本。而到了20世纪90年代，随着网络技术的发展，经济发展出现全球化趋势。那么在这样的趋势下，我们再谈提高供应链效率的问题时，就绝对不仅仅是某两个供应商它们与三方物流之间的关系，而是涉及到更多的供应节点和物流效率提升问题。在这种情景下，客户需求也越来越繁杂，物流和供应链交织在一起的业务逻辑也更为复杂，仅仅依靠第三方物流就难以起到整体效率提升的作用。为此，第四方物流（4PL）运作模式应运而生了。

20世纪90年代初埃森哲率先提出第四方物流的概念，将它定义为对整体的供应链上无论是供应商，客户，还是物流资源进行有效整合。从这样的定位，我们容易观察到它的优势，首先， 从定位上，4PL是把供应链和物流系统融合在一起了，优化的范畴更大了，可为客户提供更多的价值，从而可以更好的服务客户。其次，从模式上，它具有平台优势，4PL模式的市场覆盖面广泛，可为市场形成一个供应链物流生态系统，更大程度地降低物流成本。同时，从范围上， 4PL不仅把两类系统集成起来，还把整个社会资源集成起来，如电子商务服务商、信息技术服务商以及管理咨询服务商，从而为物流供应链各方提供更好的增值服务。最后，决策模式上，由于4PL不是物流的利益主体，它可利用其专业的供应链物流管理运作模式，制定以客户为导向的物流服务方案，从而大幅度降低企业物流成本，改善物流服务质量。

问：黄老师，我想问您一个问题，就是我自己想到的最近政府在大力推广区块链技术，如果这个技术能够在国内推广起来的话，对第四方物流公司信息整合，包括信息流通效率以及透明化程度等应该是有推动作用的。那么区块链技术会不会对物流行业产生蝴蝶效应？

答：从理论上讲，它会是一个很好帮助4PL平台达到最终目标的工具。但据我个人了解，这项技术在大规模问题处理上，目前还有一些理论瓶颈，短期内想让它在实践层面上落地，可能还是有一定挑战的。为解决这一挑战，一方面需要做区块链理论研究的科学家对相关理论和技术进行进一步的完善和提高，另一个方面就是从第四方物流平台角度，更多的去挖掘供应链对区块链技术需求的特别之处，找到技术与应用的结合点。区块链技术最终会对物流行业的规范化、数字化和透明化提供保障，并优化资源利用率，解决物流行业亟待解决的隐私侵害、系统安全以及行业整体协作效率低等问题。

6

科研工作的开展与深入

问：您很早就开始做物流和供应链管理方面的研究工作，那个时候是物流和供应链管理学科还不是特别流行的时候，您最早是怎么选定这个研究方向的？

答：这个问题的实质是如何去选研究方向。我的一个准则是，一定要选有需求驱动的问题。需求驱动可能是前沿的引领，可能是国家的需要，也可能是企业所面临的一个痛点。通常这三个方面是合三为一的。我最初在做研究的时候是从制造系统开始的，20世纪90年代初人们提出了计算机集成制造系统（CIMS-Computer Manufacturing Systems）的概念，即希望以计算机为基础，通过人、技术和管理的集成提升企业效率，当时我正在读研究生，有幸参加了国家863计划CIMS主题的研究，做了关于生产计划，生产调度和存储控制方面的研究。此后，随着计算机集成制造系统研究的不断成熟，以及经济全球化的出现，企业联盟成为了企业生存的主要模式。企业联盟的出现在给企业带来机遇的同时也提出很多严峻的挑战，这些挑战吸引了我的注意力。

企业联盟是一个理念性的概念，它实际上落地的模式就是供应链，所以我就开始做供应链协调与管理相关的研究工作。如合作伙伴选择、渠道选择与协调以及风险等等一些问题。在进行这些研究的过程中，我这一阶段研究主要关注的是供应链点和点之间关系，如新供应节点的加入和供应节点对供应链风险的影响等。随着全球经济的进一步发展，就会发现在供应链上仅仅考虑点是不够的，还要考虑连接点的线，也就是物流的作用。而第四方物流概念刚好与现实需求有很好的关联，这样我就把研究拓展到4PL方向上了。总结下来就是，从点到线再到面的研究思路。我觉得在整个研究过程中，核心还是集成的思想，以及优化系统从小系统到大系统优化的拓展。所以从制造到供应链再到物流，是一脉相承的，而且每一步都受到领域发展需求的驱动。

问：下面两个问题，可能就跟在校的学生相关，可能在我们做科研的过程中，无论博士生还是硕士生都会面临没有时间来系统学一门知识的问题，可能在做某个项目或者说研究某个课题的时候，需要哪一块的知识我就去现补，现学现用，这可以体现我们的学习能力。但是这样的话有一个缺点，就是我们对基础知识掌握的可能会不全面，不成体系，虽解决了当前的问题，但在以后做科研或工作过程中会出现知其然不知其所以然的问题，没法走的特别远，您对这种情况有什么看法吗？

答：学知识过程中缺什么补什么，一定是有问题的，即使短期内可以出一定成果，但很难出高质量成果，所以必须踏实的去学习基础知识。基于这个规律，我对大家的建议是要扎实系统地学习专业知识。怎样去做到这一点呢？我认为关键就在于时间管理。我们开始读博士的时候，几乎所有学校都会给你们安排一段时间来学习基础知识。在这段时间内，作为博士生你要有很好的自我规划，把这些知识学扎实。特别要注意对知识的正确认识，要认识到没有没用的知识，只有还没被用到的知识。知识学扎实了，解决问题的时候，多一份知识就会多一个角度，多一份思考，多一份灵感。所以一定要规划好，在这个期间要坚持走把基础知识打牢的道路。此外，尽管一年级不太了解你未来的研究工作，但老师一般会给研究方向。这时候就要将这个方向跟你的知识学习相结合，要注意阅读和实战并重的积累，建立一个完整的认知体系，让这些知识活起来。如果仅仅是浮于书本上，没有建立关联，学到的知识是很容易遗忘的，用起来也不能得心应手。

问：黄老师，您如果招博士生的话，您对博士生的一些基本素质有哪些要求或者说期待吗？

答：首先，他要有兴趣，因为我们做研究的过程中，如果有兴趣，你就会在取得对应研究成绩中获得激励；第二，要有自信，因为任何一项研究工作我们肯定会遇到困境，如果你没自信就很难坚持下去；第三，我觉得还需要有一定的韧性，因为即使说你有信心，那也不能停留在口头上，要真的咬紧牙关去坚持去拼搏，这样才能在学术研究中攻坚克难，很多时候真的是需要这样的；第四，要认真，因为我们最终希望做到的研究是无瑕疵的，只有特别认真的学生才能真有耐心达到这样的水准；最后一个就是要有合作和交流的能力，因为我觉得作为一个研究生，不能闭门造车，需要出去跟企业界和学术界进行交流，你还要跟身边的老师、同行和同学来进行交流和学习，这是打开思维非常重要的环节。

问：黄老师，您对博士生的科研天赋这方面有没有要求，您认为天赋是不是读博必须具备的因素？

答：天赋不是唯一因素。其实人们对一些做出成绩的人做过调查，这些人通常不是最聪明的那一类人，而是有好的习惯和素质的人，其中最重要的就是坚持力，毅力，韧性。如果一个人特别有天赋，他也许一年就能完成某项研究，但是他可能连半年都坚持不住。另一个人天赋可能稍逊一筹，但有毅力能坚持将一项工作一直进行下去，也许需要两年甚至更多的时间。但一旦有了突破，后面的研究是加速的。无法坚持下来的聪明学生始终站在他的起跑线上，但是能够坚持的学生已经加速了，就像龟兔赛跑一样，最后做出好成绩的人，很多时候不一定是最聪明、最有天赋的人，而是具备一些良好习惯的人，所以人们常说“优秀是一种习惯”。

致谢

本次采访到此结束，非常感谢黄老师能参与这次采访并给我们作出了精彩的回答。一篇采访稿需要耗费大量的人力物力去完成，在此我们感谢负责采访工作的尹琪东同学，感谢参与前期问题策划，后期录音稿整理和文字校对工作的杨贤艳，王慧慧和王源同学。若对于专访版块有任何建议欢迎在文章末留言，小编会认真地考虑每条意见。最后附上黄老师指导学生的工作照一张作为纪念。

相