新闻提示:随着物联网、云计算、大数据、区块链等新一代技术走向成熟,物流中仓储、运输与配送的各个环节的转型升级,整个行业也迎来了新一轮的产业革命。


一般企业里“仓储+配送”统称为物流,也就是物品从供应地向接收地的实体流动过程。物流模式是由商品从工厂出来,整车运输到总仓库,再到各级代理,然后到门店,最终消费者上门店消费。

随着物联网、云计算、大数据、区块链等新一代技术走向成熟,物流中仓储、运输与配送的各个环节的转型升级,整个行业也迎来了新一轮的产业革命。

简单来讲,物流经历了四大阶段:

第一阶段是受经济、生产力、基础设施、市场化程度、信息化水平、需求等因素的影响,物流发展规模小、渠道不畅、成本不高,其作用未受到应用的重视,物流行业一般手工作业,早期组装好车和场地就开始工作;

第二阶段就是物流产业逐步形成和壮大,多品种、少批量的配送成为这一阶段主要的物流形式,物流开始标准化的作业,比如投入相应的设备,由于服务链条长、作业难度大,场景的标准化程度低,许多物流仓储配送企业的发展遇到瓶颈,无法再前进一步。

第三阶段就是WMS等软件系统被广泛应用于企业仓储物流管理环节,注重软件开发系统集成,在有效传递物流信息的同时,用以有效支撑人工决策方向,此阶段更加关注用户的操作体验,软件功能逐渐强大。

第四阶段是物流进入系统化智能化的时代,大数据、人工智能与物联网的相互融合,为企业运输的效率革命提供了契机,此阶段的企业物流更加关注用户体验,满足企业个性化物流需求。



智慧物流成为转型升级新动能

如今,全球新一轮科技革命的到来,智慧物流正在成为物流业转型升级的重要源泉。人工智能技术逐渐成熟,通过物流行业将现有的系统积累的下来的数据进行分析,机器要知道什么时候分配产品,分配多少,放到哪儿去。整个物流决策通过算法优化,仓配一体化将数据转化为生产力。

仓储

在仓储层面,仓储简单理解就是货架摆放是否合理、订单拣选是否合理,先捡哪些,后减哪些,仓的流动效率包括一些货物摆放的效率、集货的效率,这些其实可以通过人工智能优化算法做一些合并和处理,传统仓库里面可能就是做一些非常简单的快慢流,例如快的货放在前面,慢的货放在后面,使用非常朴素的拣选逻辑,但实际上在商品SKU纷繁爆炸的今天,单从一个商品的快慢流方面很难做到一个高效优化的,由于季节和场合的不同,有些商品很难界定为快流或者是漫流,过去没有太多的技术去处理这些技术,而现在人工智能技术发展可以让仓库的作业自动化的基础上更智能化。

配送

在配送层面,就是运输优化,包含干线运输、同城配送。目前大部分企业拥有一套TMS系统实现对承运商的管理,但前瞻性的企业会发现仅仅有一套系统是不够的,为压缩成本,开始寻求在系统上做一些优化。通过优化算法,可以把“人排车”变成全自动,取得了非常明显的效果。第一是节省人为干预造成的效率低下;第二就是速度快、效率高,把人从传统的调度解放出来,去做一些更有价值的工作;第三在面对新拓展区域的时候,对调度的依赖性会下降,通过算法能够得到更好的优化结果,以往让企业3-4个小时排车的结果,通过算法可以1-2分钟即可完成,让运输的链条更顺畅,缩短物流的时间。

人工智能的物流圈

目前一些龙头企业已经开始利用人工智能技术去计算、思考、决策,对供货量、仓储量、入仓位置等作出精准预测,从而指导企业经营以及仓储、运输等自动化作业。



1、AGV机器人

无人仓在高效率、省人力、降成本等方面都显示出优势,市场前景十分广阔。无人仓的目标是实现入库、存储、拣选、出库等仓库作业流程的无人化操作,各行各业对于无人仓的需求越来越强烈, AGV机器人仓正在逐渐上线。

机器人需要解决的问题就是高效连续的工作,在非常短的时间内,比如秒级之内响应到N个机器人的路径规划,让场地的机器人不停的搬运货物,这就需要运筹算法做强力的支撑,既需要快速去响应,又需要处理非常多的机器人,要找出最优解,为所有的机器人提供下一步不同的方向和目标点,传统情况下,企业做到支撑数量较少的机器人是可以的,很多机器人都自带算法,但随着仓库越来越大,少量的机器人是远远不够的,动辄上百个,这种大仓库对算法要求非常高。

例如:苏宁物流无人仓,曾经10个员工每天工作8小时,顶多能搬1.5万件整箱商品。而现在,无人仓的机器人两个小时就可完成普通员工一天的工作量。无人仓机器人的使用直接降低了运营、管理成本,同时提升了效率,在面对订单量的突增和骤减时,可以通过增减机器人来应对,真正实现了产能的柔性化。

2、有人仓-运筹优化

有人仓主要集中在拣货路径优化,涉及到货物摆放、货区划分、拣货路线等等。在传统的企业里通常用比较简单逻辑实施,比如遵循先进先出的原则,哪些商品放在前面,哪些商品放在后面,但是在信息化管理要求越来越高的情况下,通过实际的案例发现,静待摆放在企业内通常都是18%-20%的优化空间,节省的是拣选的效率时间及路程。

例如:杉数科技利用运筹学模型与机器学习将实际问题转化为数学模型求解,解决支干线运输、同城运输和仓储运营等一系列业务场景中的优化问题,完成从数据到决策的转化。

在支干线运输方面,众所周知,要实现干支线全链条业务流程、数据、决策连通不是一件容易的事情。如果企业想在竞争日益激烈的干支线领域继续保持领先或者力争上游,选择适合的干支线运输端到端解决方案(包括全局仓网布局选址、每日运作层面的分拨调度等)至关重要。

在同城运输方面,对于物流运输的末端配送环节,杉数基于丰富的行业经验推出了成熟的标准产品——小马驾驾(PonyPlus),该技术适用多种复杂业务场景,支持灵活配置,可视化展示配送链条,可增强体验和交互,助企业实现直接的用车、耗油成本下降。

在仓储运营层面,仓储行业正面临着向精细化、柔性化及自动化的管理方式的变革。我们将轻量级、模块化的AI智能算法注入企业管理系统,配合仓库模拟仿真,通过“仓储大脑”调度仓内资源高效协作,实现更低的仓储运作成本,更强大的仓储作业效率,以及更柔性的仓储管理手段。

经测算,使用该物流解决方案,至少可以节省5%的运输成本,节省11%的行驶时间,每日调度时间由3小时下降至15分钟,日均接单水平提高10%,路线中标率从10%提升至60%,无人仓相较有人仓出库效率提升3X-4X,无人仓AGV大规模调度问题求解速度达到1.8s,同时,还可以节省18%的挑选路径单均距离,还可以提供更佳的客户体验,促使整个接送货环节变得更加流畅、高效、省心。

3、快递-无人机

无人机物流是指以无人机为主要工具实现物品从供应地向接收地运输而进行的规划、实施和控制过程。无人机作为实现“智能物流”的重要一环,打破道路限制、缩短配送时间等优势已经得到了广泛的认可,无人机物流的成功案例越来越多,迸发出巨大的发展潜力和市场前景。

例如:京东无人机累计申请专利超过400项,京东无人机总配送已突破3.5万架次,总航程达18万公里,其基于实际物流需求在国内率先提出了干线-支线-末端三级无人机智能物流体系,成为物流无人机行业的引领者。

4、智能信息系统

高效的仓储管理和快速准确的发货都离不开规范化和标准化的作业管理,如今越来越多的企业使用智能化的WMS仓库管理系统,对仓库的每个作业环节、人员操作情况进行信息化和可视化管理,所有的作业流程和人员操作均在信息系统的规划指导下进行,将每一个作业环节分解、计算,合理规划以提高人员操作的效率和可执行性。同时,仓库管理系统能无缝对接ERP、TMS、OMS等信息系统,也能集成仓储内部的智能设备,提升仓储自动化程度的同时,也能让管理者实时获取想要的数据,提高决策的可行性。

例如:某知名互联网公司与麦肯锡合作,凭借世界级的战略才能,以智能化、信息化、科技化手段,着力发展重点智慧物流科技,建立技术壁垒,加强业务匹配,实现显著、持久的经营业绩改善。



物流行业转型发展的思考

如今最火爆的话题里,无疑应该有“人工智能”的一席之地,各领域都在尝试用人工智能的思维去提升改造传统模式,它不仅为企业带来了很多新的机遇,同时也为传统行业带来了不得不转型的压力。

1、运输、仓储和配送环节均需要大量人力物力成本

就企业物流领域来讲,随着消费市场的蓬勃发展,尤其是在电子商务的推动下,物流配送逐渐成为各消费行业的核心环节,是很多中小卖家、产品生产商供应商必须关注的重要问题。由于物流配送的许多环节都可能造成巨大的金额、人力及时间成本浪费,如何引入以及构建系统化、自动化、信息化的解决方案就成了降低物流成本的关键突破口。

当然,运输、仓储和配送环节均需要大量人力物力成本,改变企业物流模块,就是升级智能化程度。企业物流想要完成效率提升就必须有技术的支撑。幸运的是,大数据、人工智能与物联网的相互融合,为企业运输的效率革命提供了契机。

2、如何用最小的成本,安排最优的路线

车辆是否能够准时到达提货点?车辆装载的效率是否最高?车辆是否准时到达目的地?客户签收数量是否与提货重量一致?车辆的运输是否最节省成本?

据统计,目前90%以上物流企业的接送货还处在人工调度的阶段,主要靠调度人员与城配司机通过电话或微信了解车辆剩余净空以及所在位置,并根据订单和经验推算客户货物的实际体积,来选择合适的车辆前往客户地点进行收货。在这个过程中,司机常常由于各种原因错报或谎报剩余净空,导致约车效率低,有的企业约车失败率甚至高达15%。

因此,在物流配送体系中,需要考虑如何用最小的成本,安排最优的路线,将由订单产生的货品需求按计划从仓库运输到各客户手中,是重中之重。

3、实现智能调度运输的临门一脚

智慧物流系统可以清晰的看到所有运输车辆的行驶路线、状态、位置等信息。同时,对车辆内部运行管理系统可以实现对车辆的实时跟踪。有了精确的数据,无论是对供货方、收货方还是司机,都能够提供更加精准的服务。通过数据沉淀、数据分析、数据预测等功能,实现更加高效的智能化管理、自动化派单。

而数据与算法驱动下的物流行业,以建立在干线运输网络中以物流成本最小为目标函数,以车辆装载为约束条件的中途点停靠模式模型,通过对模型具体分析,采用启发式算法,同时在保证一定的物流服务水平下,得出使总成本最小的一个可行解,以达到提高运输车辆装载率,降低运输成本的目标。

4、数据与算法驱动下的物流行业

在竞争剧烈的行业中如何构建合理的运输网络,尤其是合理规划干线运输车辆的运输路径来降低物流成本成为了各物流公司急需解决的问题。

在业内人士看来,当“人工智能赋能行业”的列车呼啸而来,企业的物流运输调度必将迎来颠覆与重构,这种变化将是革命性的。企业要做的就是彻底拥抱,在各个业务环节用新的思维来重构,比如企业的物流运输调度智能化管理,不止体现在车辆行驶过程中的可视化,而是贯穿整个物流运输体系从车辆调度、管理、排班的全流程,以更合理的方案有效地节省物流成本,提高运营效率。