LO
Despliegue realAutomatización cognitiva2025-12-22
En un despliegue real en JD.com, un modelo de inventario redujo la rotación en 5,27 días, subió la tasa de disponibilidad un 2,29% y recortó los costes de almacenamiento un 29,95%, en artículos elegidos por su alta tasa de automatización
Planificador de la cadena de suministropágina de la ocupación →
Fecha del hecho / publicación
2025-12-22
Categoría de la evidencia
Despliegue realUna empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.
Tareas sobre las que incide
Reposición e inventario
Fijar el stock de seguridad y las cantidades de pedido, decidir qué reponer y dónde, y trasladar el exceso de existencias adonde hace falta.
Automatizándose✓ Con evidencia
Dónde aplica esto
China, JD.com. Un modelo de reposición validado mediante un despliegue real con un análisis de diferencias en diferencias, que informa de una reducción de 5,27 días en la rotación, un aumento del 2,29% en la tasa de disponibilidad y una disminución del 29,95% en los costes de almacenamiento frente a la práctica existente. El artículo define la tasa de automatización como el porcentaje de decisiones de reposición que salen de los modelos y se adoptan para su ejecución, y dice que los artículos tratados los eligieron los responsables de JD por su alta tasa de automatización. Varios de los autores trabajan para JD.com, que tiene interés en el resultado.
Qué significa esto
Un gran minorista mide cuántas decisiones de reposición salen sin que las toque una persona, y construye sus pruebas sobre los artículos en los que esa proporción es alta. En la reposición rutinaria, la propia decisión se está trasladando al modelo.
Qué no muestra todavía
Un estudio de un solo minorista escrito junto con la empresa; no informa de la plantilla de planificadores.
Qué puedes comprobar
Abre arXiv 2512.19001 y busca «a 5.27-day reduction in turnover» en el resumen.
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Este registro tampoco cambió de capa a nada: los 1 juicio enlazado de arriba ya se apoyaban en evidencia anterior. Este se suma a ella.
Fuente
Zhao, Yu, Qi et al. (Tsinghua University, JD.com Supply Chain Tech, University of Hong Kong) — ORPR: An OR-Guided Pretrain-then-Reinforce Learning Model for Inventory Management, arXiv 2512.19001 (submitted 22 Dec 2025; v2 6 Jan 2026) · verificado 2026-09-29 · Claude (VOLO agent) · interpretado 2026-09-29 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.
Este registro se cita en