基于强化学习的自主仓库编排：重新定义 SAP 物流执行中的供应链敏捷性
人工智能
2025-06-10 v1
摘要
在供应链需求日益升级的时代，SAP 物流执行 (SAP Logistics Execution, LE) 对于管理仓库运营、运输和交付至关重要。本研究引入了一个开创性框架，利用强化学习 (reinforcement learning, RL) 实现对 SAP LE 中仓库任务的自主编排，以提升运营的敏捷性和效率。该框架将仓库进程建模为动态环境，实时优化任务分配、库存移动和订单拣货。该研究构建了由 30 万笔 LE 交易构成的合成数据集，模拟了包括多语言数据和运营性中断在内的真实世界仓库情形。分析结果实现了 95% 的任务优化精度，将处理时间缩短了 60%。我们提供效率热力图和绩效图等可视化结果，以指导敏捷仓库策略。该方法解决了数据隐私、可扩展性和 SAP 集成等挑战，为现代供应链提供了一项变革性解决方案。
引用
@article{arxiv.2506.06523,
title = {Reinforcement Learning for Autonomous Warehouse Orchestration in SAP Logistics Execution: Redefining Supply Chain Agility},
author = {Sumanth Pillella},
journal= {arXiv preprint arXiv:2506.06523},
year = {2025}
}
备注
6 pages