![](/uploads/allimg/20240722/1-240H2100S3327.jpg)
数字化下智慧供应链 “人机共舞”实践成果探讨
前言:随着信息与科技的高速发展,传统的物流正在向智慧物流方向转变,各种物流的新理念、新科技、新尝试正不断的涌现与发展。与传统的物流相比,智慧物流是一个新兴产业,是物流业发展的必然结果。
大数据与人工智能的出现,为物流发展提供了新动力与新方向。为顺应历史潮流,符合现代物流业发展的自动化、网络化、可视化、实时化跟踪和智能监控的发展新趋势,专注于供应链领域人工智能、大数据系统研发和为客户提供端到端一站式供应链服务的科捷物流“人机共舞方案”,是国内第一个“车到人”AGV拣选方案,实施了业界首例悬挂式AGV系统,极大的提高了拣选与存储效率,并率先将AGV应用到B2B/B2C混合业务场景中,很多应用案例都为行业内首创,为智慧物流的人工智能应用与大数据研究,提供了很好的探索和学习方向。
01. 物流概念的产生与发展
作为一种社会经济运动的形态,物流早在人类社会出现商品交换行为时就已经出现,其历史已有数千年之久。而中国是世界上最早建立有组织的传递信息系统的国家之一,最远可追溯至距今3000多年的商朝,从殷墟出土的甲骨文中便有与传递信息相关的记录。随着经济的发展,物流的重要性越来越多地被人们所认识。所谓物流是指物质实体从供给者向需求者的物理性移动,它既包含了空间的位移,又包含了时间的延续,可以是宏观的流动,也可以是同一地域、同一环境中的微观运动。
现代物流的核心在于有机整合了物流过程中的生产、销售、包装、装卸、运输、存储及配送等信息,以达到对各类资源的高效利用。并且在充分有效地组合各项物流活动的基础上,形成了以客户为本的服务宗旨,从源头上节约了企业成本,提高了流通效率,增加了效益。
而智慧物流与信息技术密不可分。随着移动互联网时代的到来,云计算、大数据、物联网、物流自动化及人工智能技术不断成熟,更加智能化、智慧化的物流正逐渐进入人们的视野,物流互联网时代即将到来,引发新一轮的产业变革。
从传统物流实现转型升级的角度来看,智慧物流已经成为一种不容忽视的趋势,探索未来我国智慧物流的发展趋势及具体的改进提升策略,尤为重要。
02. 物流管理的突破:大数据时代的来临
物流管理以系统论、信息论和控制论为基础,指在社会生产过程中,根据物质实体流动规律,运用管理的基本原则和方法,对物流活动进行规划、组织、指导、协调、控制和监督,以协调各种物流活动,降低物流成本,提高物流效率与经济效益。物流管理的发展经历了分销管理、物流管理和供应链管理三个阶段。第二次世界大战后,战时的军用物资装备储运方式和技术逐步应用于其他行业,形成了初步的物流管理。当时的物流管理主要指的是分销部分,包括如何维持尽可能低的库存量,如何将产品快速高效地送至客户手中等。在此阶段,物流管理的重点集中在产品生产完成后的分销过程中,主要是按客户的要求将产品运送至指定的地点,并对运输环节进行资源的优化。
如今,大数据正在与各行业融合发展,包括教育、医疗、制造业、零售行业等,影响着人们生活的方方面面。例如,可以利用大数据来记录学生表现的变化,进而有针对性地设计教学形式;大数据有助于临床事故检测、个性化治疗、远程医疗以及临床科研的实现;大数据可以帮助制造业更好地预测产品需求,更好地满足用户需求,以及实现供应链的优化;大数据可以帮助零售业提升客户洞察,开展精准营销和实现商品优化。同样,大数据对物流管理也有着极其重要的作用。
物流大数据是指运输、仓储、搬运装卸、包装,以及流通加工等物流环节中涉及的数据、信息等。利用大数据分析得到的结果可以优化运输与配送效率、降低物流成本,最终更好地服务于客户。物流大数据将所有货物流通的数据、物流快递公司、供求双方有机结合,形成了一个巨大的即时信息平台,最终实现物流的快速化、高效化、经济化。
基于大数据的物流管理平台KingKooData
KingKooData是科捷依托十余年服务诸多行业的管理经验,结合大数据与智能算法的应用,基于神州金库云信息系统自主研发的供应链大数据应用平台。KingKooData通过对数据的整合、分析及挖掘,实现了用户画像分析、商品管理分析、仓储管理分析、运输管理分析、财务管理分析、指挥监控等,极大地提升了供应链管理能力。相比于传统的物流管理,KingKooData具有极大的优势:
1.KingKooData能够进行全链条数据分析,对订单的接单、仓储、运输、核算等各环节进行全链条监控,实时掌握货物的具体流向,并在产生问题时能够快速追溯问题节点,大大提升了客户体验。
2.KingKooData具有丰富的物流报表库,涵盖供应链各节点下不同维度的业务分析报表,合计100余个,满足业务各类报表需求,大大提升了报表制作效率。
3.KingKooData能够对重点数据进行模拟预测,运用人工智能算法模拟预测重点业务下各SKU销量,指导分仓、选址及库存分布,使仓库分布更加合理,提升配送效率,间接降低物流成本,提高企业经济效益。
4.KingKooData包含数据微信助手,能够通过微信端实时互动查询关键数据信息,具有异常信息预警推送功能,可以辅助决策,即使出门在外也能够轻松查询重要信息。
在未来,科捷物流将实现数据应用平台化,全力打造共享型供应链价值网络,实现智能定价的模拟、智能采购的建议、智能仓储的布局、智能仓位的规划、智能运配的调度、智能在途的监控、智能供应商的管理、智能承运商的考核,随时随地进行终端人机对话,关键信息主动推送,为用户提供供应链管理和决策支持。
03. 物流自动化的变革:人机共舞打造智慧物流
人工智能作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式,引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。
对于物流业来说,人工智能技术的应用主要包括智能搜索、推理规划、机器视觉、智能仓储机器人等。
科捷的AGV研发
在工业4.0时代,智能化最重要的一个主题就是加大对智能机器人的使用,以机器代替人。作为物流机器人的AGV渐渐变得越来越重要。目前科捷也追随时代的脚步,紧锣密鼓地加入AGV的研发大军中。
AGV的研发是一个复杂的过程。首先,要以实现其功能为重点,即达到AGV按路线导引、准确定位、智能自动输送;AGV自动调度系统将AGV系统与MES、WMS紧密连接,实现物料的自动追踪;具备完善的智能故障诊断能力,出现问题能准确及时地反馈;不同子系统之间无缝对接。其次,设备要有足够的可靠性,如电池寿命达标,多次循环后机械磨损达标,按键不失灵,线路无老化无松动,避障性能良好等。最后也是最重要的,即设备成本问题。如今,AGV技术已经趋于成熟,AGV制造商多如繁星,在具有同样功能的前提下,只有降低成本,抓住价格优势,才能抓住市场。
科捷的多模式合并研究与应用
对于AGV的“货到人”与“车到人”两种模式,科捷在拥有了较为成熟的使用经验后,尝试将这两者合并,各模式完全共用一批AGV,采用智能调度算法,保证所有业务都能够拥有足够数量的AGV维持业务的正常运转,以应对越来越多样化的业务场景,在智能物流的道路上不断探索。而科捷广州迅裕仓为新模式的研究与应用提供了一个优良的平台。
在合理的布局规划、业务模式及强有力的技术支持下,本方案创新地将多种拣选模式融合,使得多业务自动化成为可能,也为未来的智能物流提供了新的方向,能够更好地适应规模愈加巨大化的各种业务与挑战。
人机共舞1.0落地科捷武清旗舰仓
随着人工智能技术的发展,物流仓储行业也在发生翻天覆地的变化,正在从劳动密集型向高科技型转变。机器人智能仓储系统不仅可以高效率地完成高强度的拣选工作,而且让原本枯燥的工作平添了许多乐趣。
位于天津武清的科捷智慧旗舰仓通过使用基于仓储机器人的智能仓储系统,实现了收货入库、货物上架、补货下架、补货上架、制单合单、订单分拣、复核、质检包装、交接出货一体化运作,大幅节约了人力,提高了仓储管理效率,为智能仓储系统的升级做出了榜样,并且先试先行取得了创新成果。
宽敞的机器人分拣操作区域人车分流,工作流程类似于田野中的播种操作。发车区工作人员将工作任务分配至机器人,机器人搬出货架按照科学规划的路线行进至货物储存点。货物储存点分拣工人通过电子显示屏显示的商品明细将货物分拣后放在机器人的货架上,机器人再将货物转移到“播种墙”,工作人员从机器人的货架上取货进行商品标签扫描确认后,将货物放在“播种墙”的货篮里。每个货篮便是一个买家。下一步,将打包好的货物分配到快递环节,通过快递公司送到货物主人的手中。整个过程,机器人自动做到了路线优化,通过传感器避免了交通拥堵或者碰撞。
人机共舞方案在短短几个月内投入运营,并且运营效果非常显著:节省了40%的人力、50%的仓储占地面积,日发货效率提升了一倍以上。从双十一开始,机器人运行的稳定及成效都非常好。所以在双十二前夕,原来的单区拣选调整为跨区拣选,增加了25%的商品品类,并增加了三分之一的拣选区域。合理布局,调度进一步优化,实现了效率的进一步提升,使流程更加顺畅,这也更进一步验证了方案的先进性和与业务的完美融合。
人机共舞方案的设计,完成了多种人机交互配合的方案:实现了高效能和高弹性的功能设计,推进了仓储自动化领域内应用智能仓储机器人进行散件分拣创新模式的信息化和自动化的发展。
与传统的仓储自动化系统相比,机器人智能仓储系统更加灵活,更具柔性和灵活性。该系统可以针对客户的仓储特性及商品特性进行定制化设计,并且可以多种方案相结合定制灵活的拣选策略,并不只是单一的“货到人”方案或是“车到人”方案。如此一来,物流作业效率得到大大提升。特别是在促销日等订单高峰期,这种灵活的拣选策略可以非常好地缓解拣货压力,真正解决物流仓储的痛点。
面向电商仓储的机器人智能仓储系统可与仓储运营商的WMS系统无缝对接,实现订单的高效准确拣选和快速响应。相比传统人工仓储,可减少60%-70%的拣货人力,人均拣货效率提高2-3倍。
人机共舞2.0:悬挂式机器人系统的研发与应用
在当前物流自动化的大潮中,类Kiva机器人模式大行其道,成为最受欢迎的自动化设备之一。但是,使用类Kiva机器人,无论是采用“货到人”还是“车到人”模式,设备基本仅能在地面行走,整套系统只能利用一层的空间。而当前新建库房高度往往都在10m及以上,因此类Kiva机器人模式下的库房空间利用率较为低下。在此背景下,科捷根据自身经验,考虑到未来长期的电商物流业务需求,经过仔细思考与研究,尝试使用BotHive新一代集群机器人“货到人”多层自动化拣选技术,作为人机共舞2.0应用方案予以探索研发。
人机共舞3.0:“货到人”高密度存储的设计与应用
中国电商的发展给物流行业带来了广阔的市场和巨大的挑战,2012年,亚马逊收购Kiva Systems公司的机器人项目,在仓库中利用机器人“货到人”拣选完成海量订单的拣选工作,人工只需在工作站处等待,由机器人完成智能搬运。随后国际上也掀起一股电商仓储搬运机器人应用的热潮。新科技的应用为传统物流行业带来了新的春天,且在新物流生态下,新科技的应用,也成为物流企业从传统物流转型为智慧物流的关键评判标准之一。
1.项目背景。一般的仓储机器人方案采用两排货架一条通道,机器人通道过多,占据了宝贵的仓储面积,致使仓储效率降低,且同一机器人区域为一种业务模式。为了进一步改进仓储机器人为仓储物流的服务效能,科捷对自己运营的重庆某项目进行了规划设计。之前,科捷重庆仓是集B2B和B2C两种业务模式共存的仓库,是传统模式的人工仓,分为两个团队分别进行操作。原来人工操作模式存在B2C业务拣选复杂、效率低和仓容不足易爆仓等问题。因此,为了改善仓库运营状态,提高仓库存储率,减少人力成本,提高企业竞争力,项目组在科捷武清仓人机共舞1.0及平谷仓人机共舞2.0自动化方案的基础上进行优化改进,提出适用于B2B和B2C共用场景的人机共舞3.0定制化智能自动化方案。
2.方案布局。经过前期项目调研,该仓为B2B终端业务及B2C手机业务并存,分为两拨人员分别进行处理,且目前均为托盘地堆模式,处于爆仓状态。改为高密度存储机器人方案后,两个业务流程统一,并将其分为两个物理分区,但均为“货到人”模式,两区AGV复用完成该区域的货架搬运。其中,B2B业务使用单层货架,B2C业务使用五层货架。人员管理规范化,人只需在工作台区域(收货的叉车司机在月台)即可。
AGV通常用在B2C业务中,处理客单件中等、SKU多、拣选难度大的业务。且通常的“货到人”是采用“2+1”模式(两排货架一条通道),为了提高仓储效率,此次方案采用“4+1”模式,其存储效率提高了近12%。
04. 结语
过往,物流业往往是应用高新技术和装备最晚的行业,如今,由于电商物流的市场竞争激烈,加上资本助力,最新的科技成果开始密集在物流业落地。人工智能、大数据、云计算和区块链等纷纷在物流业找到了应用切入点。
场景和技术能力将是未来物流企业竞争力的两大核心要素。场景,就是必须要有真实服务客户的供应链场景,否则一切技术的优化和提升就只能是空中楼阁,只有通过服务才会更了解客户的行业特性和大数据产生的价值。技术能力,传统物流服务商大多只有场景,没有技术,WMS软件都是购买第三方软件公司提供的系统,这样对流程的改造、理解、应用不可能很深入。而很多技术性公司有系统,但是缺乏服务客户的场景,让数据成为无本之源,也谈不上优化和提升,所以,既有场景又有技术的智慧物流公司未来最有价值。
未来的物流服务将会适应多元化场景,不仅实现生活场景的覆盖,还要为消费者提供更好的服务体验,原来讲求固定批次、数量大的物流模式将会彻底改变。未来供应链上的物流频次将会增加,每批次数量将会减少,这需要物流行业建立起一套灵活的系统应对。实现这样“随处随享”“所见即得”的物流体验并不是幻想,这需要技术升级的驱动,人工智能、大数据、云计算、机器人等技术的突破性发展和规模化应用,将会带来物流布局和运营的跨越式发展。
基于遍布全国延伸海外的供应链仓配网络,未来将依托自主知识产权的物流管理系统和供应链大数据应用平台KingKooData,以及融合人工智能和物联网(AIOT)等智能科技的物流系统综合解决方案,神州控股科捷集团能够建立中国最大社会化仓储服务生态网,为客户提供供应链全链条一体化服务;依托供应链服务场景,通过与集团数据中台实现数据和算法共享,能够打造供应链全链条软件产品;同时,通过深化人工智能和物联网(AIoT)等智能科技应用,作为数据采集来源,能够结合系统提升客户体验和服务粘性,形成良性循环。
文章来源:《数字经济》杂志