AI人工智能如何改变仓储物流和供应链

曾志宏 物流技术与应用

几天前和一位做AI的老大聊天，他说全球做人工智能的企业基本都不赚钱，但这并不妨碍人工智能成为最热门的投资热点，为什么，我们从仓储，分销和物流这个行业来来了解一下。

一、人工智能在航运和物流中的应用

需求预测：需求预测依赖于历史数据，使用人工智能可以进一步加强对历史和实时数据的分析，提供准确的需求预测。有了更准确的需求预测，托运人可以优化库存管理、分派和劳动力计划，从而提高服务水平。麦肯锡在一份报告中表示，人工智能预测方法可以将供应链网络中的错误减少30-50%。

供应计划：应计划是物流的重要组成部分。人工智能可以帮助基于实时数据的需求分析。企业可以动态调整其供应计划参数，以优化供应链流程，提高效率，并增加盈利能力。

仓储自动化: 由于当前全球形势，供应链中对非接触式流程的需求不断增加，似乎推动了高级自动化业务流程的必要性。人工智能有可能彻底改变仓储领域的自动化。将机器人技术与人工智能相结合，机器人可以跟踪和定位库存，并执行通常需要额外劳动力来完成的挑选和包装功能。自动化带来了高效的资源分配，使劳动力能够做更多有价值的活动，而不是手工琐事。深度学习进一步促进了这些机器人的学习，使它们能够在部署它们的场景中自主地做出活动决定。

智能计算机视觉: 深度学习和人工智能使先进的扫描、监控和自动化技术能够通过图像和视频可视化许多物流场景，并进行相应的直接操作。这改变了装货时货物的尺寸或破损检查、标签和堆叠安排。计算机视觉与深度学习结合在自动驾驶汽车上实现自动和智能导航，现在已成为现实。

工作流程自动化:工作流自动化是利用人工智能来简化复杂和手工的后台操作。在货运代理中，文档处理是一项乏味的工作，并且具有使用机器人过程自动化(RPA)和光学字符识别(OCR)进行自动化的巨大潜力。运输文件并非都采用标准格式，而这正是此类技术能够自动阅读和理解打印或手写文件的地方。这种工作流程自动化可以解放物流人员的大量工作时间，并分配他们做更多的增值活动。

预测物流:供应链上的不同接触点产生广泛的数据。更好的机器学习算法可以提取对决策至关重要的物流预测洞察力。人工智能可以帮助做出与产能规划、预测和网络优化相关的决策，从而简化运营并提高整体供应链绩效。人工智能广泛应用于动态路线优化、管理交付时间窗口、优化燃油消耗和负载能力利用率等最后一英里交付活动，从而推动供应链的数字化。

增强的货运跟踪: 货运可见性数据对整个供应链的绩效至关重要。人工智能跟踪和跟踪功能有助于准确预测ETAs和ETDs。此外，对供应链中断、延误和航路风险发出警报的能力可以帮助企业提高灵活性，并采用备份措施，以避免重大损失。机器学习还可以帮助分析历史数据，以确定航运模式，考虑各种因素，如天气条件、季节性需求波动、贸易通道拥堵等。随着语音助手或聊天机器人的广泛使用，客户或客服人员可以在几秒钟内提取跟踪信息。

二、仓库里的人工智能(AI)和物联网(IoT)

很简单，是的，我们正处在仓库真正应用人工智能和物联网的时刻。两者都是强大的新工具，可以更好地使仓库和配送中心的活动跟上快速变化的供应链动态。

“不要被人工智能和物联网所迷惑，”  Nate Brown,CEO of EVS表示。“两者都被用来解决以前的问题。他们只是做得更好。物联网提供了以前无法获得的数据，这是更深层次的见解。人工智能分析微观决策，并优化到以前不可能达到的水平。”

HighJump首席技术官肖恩•埃利奥特(SeanElliott)表示:“如果仓库里没有人工智能，物联网就毫无意义。”“你需要结合新的数据来源，即物联网，以及更好的解决方案，即人工智能，来理解数据，发展见解并根据这些知识采取行动。这两项技术对于改善运营性能至关重要。”

此外，专家们认为，这两种技术对于适应目前从预测驱动型向需求驱动型DCs（分销中心）的转变至关重要。

尽管如此，Softeon的首席营销官Dan Gilmore表示，这两种技术都还处于早期阶段。

一些公司尚未推出商业产品。其他公司正在试运行中。还有一些公司在短时间内提供了一种产品。展望未来，JDA及其合作伙伴已承诺在未来三年内投入5亿美元用于研发，销售/全球合作伙伴和联盟高级总监史蒂夫·西默曼(Steve Simmerman)说。

显然，人工智能和物联网正在敲仓库的门，您应该喜欢这个敲门声。

建立物联网

让我们面对现实吧，仓库和分销中心同事正面临前所未有的压力。

“订单一整天都在源源不断地涌来，挑战在于找出如何最好地及时处理这些订单，”曼哈顿联合公司(Manhattan Associates)产品管理高级总监亚当•克莱恩(Adam Kline)说道。

他接着说，即使仓库管理系统(WMS)已经就位，这些决策也是根据既定规则、既定能力和既定资源做出的。然而，这些订单并不是静态的。“系统需要智能地平衡能力和资源，才能最大化利益，”Klin说

Gilmore说:“只有人工智能和物联网合作，才能根据当前情况临时做出决定。”

那么，这些物联网数据到底从何而来?很多已经在你的设施里了。

 从传送带到自动引导车辆和自动存储系统等物料处理设备都接收和发送有关其活动的数据。从扫描仪到语音系统的手持设备也做同样的事情。

Epicor产品管理高级总监Mark Jensen表示:“大多数设施都在引入越来越多的数据设备，这些设备正在发展成为一个新兴的物联网网络。”很多时候，简单的传感器提供了以前无法用于决策的信息。智能手机是这个新网络的一部分。

关于人的数据也很重要。卢卡斯系统公司(Lucas Systems)的项目工程总监贾斯汀•里特(Justin Ritter)解释说:“人们在特定时刻在什么位置、他们在做什么，以及如何最好地利用数据，这些都很重要。”

 正如曼哈顿的克莱恩所指出的，实时定位系统正在到位，以跟踪人们以及他们对特定任务的可用性。事实上，有几种类型的实时定位系统可用，包括智能手机、无源无线电信标和RFID。

“根据皮特最近的扫描结果，很多机构都知道他在哪里。但当你使用实时定位系统时，你就能随时知道皮特在哪里。

 Gilmore补充说，还有人和机器人的问题。他称其为配对能力，可以让合适的人和合适的机器人使用物联网数据完成订单。吉尔摩补充道:“这是一个将地点，人和任务一起协同的问题。”“这里需要新的思维。

构建人工智能

LeanDNA首席执行官理查德•莱博维茨(RichardLebovitz)表示:“尽管获取数据变得越来越简单，但大多数机构缺乏决定如何使用这些数据以及采取何种行动的能力。这一切都是要弥合预测和制造业实际情况之间的差距。”这就是人工智能的切入点。

EVS的Brown给出了仓库人工智能的基本定义。“它学习并对当前状态做出反应，而不仅仅是一套预先设定的规则，”他说。

 HighJump公司的埃利奥特解释说，人工智能和物联网并不是一枚硬币的两面。“但它们确实存在共生关系。人工智能接收到的有关动作和互动的数据越多，它就越能了解如何适应当前条件，”他补充道。

 虽然很多物联网数据来自四面围墙内，但以晚入站加载为例。JDA的Simmerman说:“DC会收到由控制塔管理的物联网信号的警报，负载将会延迟到达。”“人工智能获取这些信息，并确定最佳时间，释放和部署特定数量的劳动力来卸载卡车。人工智能还可以决定哪些货物应该直接用于订单或存储。这时，你对如何使分销中心最有效地运行有了一个新的可见性和智慧水平，” Simmerman说。

 要做到这一点，确实需要物联网提供的数据粒度。卢卡斯的数据科学家Graham Yennie解释道:“数据粒度是让AI在新情况出现时进行学习的关键因素。”这种特殊形式的人工智能被称为机器学习

 将物联网和人工智能结合在一起

物联网和人工智能在分销中心(Distribution Center)还有更大的用途。这两种技术使得DC从预测驱动转变为需求驱动成为可能。也就是说，当它们与WMS、仓库执行系统甚至工作执行系统相结合时。LeanDNA的Lebovitz说，从预测到需求驱动的运营是DCs向前发展的一个巨大但绝对必要的支点。

这一切都是为了应对当前从制造和分销主导供应链的转变。越来越多的客户已经超越了低成本，供应链效率成为主要驱动因素。

因此，一系列公司正在研究、试点并全面整合人工智能和物联网在仓库运营中的应用。

 卢卡斯系统(Lucas Systems)和EVS等公司正在进行尽职调查，以决定如何将这两项技术与他们现有的软件包集成。卢卡斯系统公司预计将在明年春天深入进行beta测试。与此同时，EVS正在用其WMS包测试客户数据。

LeanDNA已经将人工智能与制造业务的库存分析结合起来。它的软件被一系列公司使用，通过连接到他们的企业资源规划(ERP)系统来简化操作。

 机器人轨道和机器人技术是HighJump努力将技术与WMS整合的关键。试点项目正在两个地区进行。

Softeon的重点是跟踪工人及其活动和设备，比如使用无源无线电信标的移动机器人。机器人轨道也是一个重点。这两款软件都与Softeon的WMS集成，应该可以更快更好地做出决策。

物联网和人工智能都与曼哈顿（Manhattan）的仓库执行包集成在WMS中。订单流、机器人技术和分销控制都受益于近18个月前引入的功能。

 Epicor的分销管理软件刚刚完成物联网的beta测试。同时，在ERP系统的虚拟代理中完全集成了AI。

一年多前，JDA收购了Blue Yonder公司及其人工智能功能。这已经成为了JDA数字化预测分析策略的支柱，该策略旨在创建该公司正在开发的东西——一种自学习供应链的状态。物联网是其长期战略的一部分。控制塔、云计算和仓库任务处理尤为重要。

物联网和人工智能在仓库运营中的应用可能还处于早期阶段。但是发展的速度可能超乎您的预期。

 机器人过程自动化(RPA，Robotic Process Automation))和智能过程自动化(IPA,Intelligent Process Automation)

四分之一的《财富》500强企业将人工智能投资转向更普通的短期或战术IPA项目，“效率明显提高”，大约一半的人工智能平台提供商、全球系统集成商和管理服务提供商将在其投资组合中强调IPA。

基于这些IPA用例的成功，IDC预测，到2022年，75%的企业将把智能自动化嵌入到技术和流程开发中，使用基于人工智能的软件发现运营和体验洞察力，以指导创新。

到2024年，人工智能将成为参与很多业务，导致25%的人工智能解决方案作为“结果即服务（outcome as a service）”，推动大规模创新和卓越的商业价值。人工智能将通过重新定义用户体验成为新的用户界面，其中超过50%的用户触摸将由计算机视觉、语音、自然语言和AR/VR增强。在未来几年内，我们将看到人工智能和计算机视觉、自然语言处理和手势等新兴用户界面嵌入到每一种产品和设备中。

新兴技术是高风险技术。Forrester公司警告说，2020年，三场高调的”灾难”将“破坏了声誉”，因为人工智能故障和伤害可能性将有所增加: 面部识别的错误使用和过度个性化等等。

尽管如此，Forrester还是强调了积极的方面，他相信“这些纠纷案不会减缓明年人工智能的应用计划。”相反，他们将强调设计、测试和部署负责任的人工智能系统的重要性，以及考虑偏见、公平性、透明度、可解释性和问责性的健全人工智能治理。”

IDC预测，到2022年，可能由于一些的“公关灾难”，超过70%的G2000公司将有正式的项目来监控他们的“数字可信度”，因为数字信任成为了一种关键的企业资产。

Forrester表示，领导力很重要，拥有首席数据官(CDOs)的公司在其洞察计划中使用人工智能、ML和/或深度学习的可能性，已经是没有CDOs的公司的1.5倍。

 到2020年，首席数据和分析官(chief data and analytics officers，cdao)和首席信息官(CIO)等对人工智能持认真态度的高管将确保数据科学团队拥有他们所需的数据。Forrester表示，真正的问题是“从复杂的应用程序组合中寻找数据，并说服各种数据看护人同意。”

IDC指出，“智能自动化的有效使用需要IT部门在数据清理、整合和管理方面付出巨大努力。”在遗留系统中解决过去的数据问题可能是一个巨大的进入障碍，特别是对于大型企业。”

Forrester表示，2020年，“科技精英（Tech Elite）”将提高人工智能和设计技能的融合，将以人为本的设计技能与人工智能开发能力相结合将是关键。IDC预测，到2024年，75%的企业将投资于员工再培训和发展，包括第三方服务，以解决采用人工智能带来的新技能需求和工作方式。

构成“劳动力”的要素将继续扩大，IDC预测，随着智能自动化在整个企业的扩展，IT组织将管理和支持越来越多的人工智能RPA机器人劳动力。劳动力的另一个补充将是聊天机器人，在企业中协助完成各种任务。但Forrester预测，每5个人工智能会话交互中就有4个无法通过图灵测试。

已经完成的工作也将继续扩大。IDC表示，随着计算能力从数据中心向边缘计算移动，IT将面临管理和控制边缘处理设备的挑战。到2023年，近20%使用人工智能优化处理器和协同处理器处理人工智能工作负载的服务器将部署在边缘。到2025年，50%的计算机视觉和语音识别模型将在边缘(包括端点)上运行。

人工智能将无处不在，IDC估计，到2025年，至少90%的新企业应用程序将包含嵌入式人工智能功能。然而，IDC补充说，真正具有颠覆性的人工智能主导的应用将只占总数的10%左右。

所以我们只要再等5年，就能看到人工智能的“真正颠覆性”潜力最终实现，到2020年，“随着预期回归现实，人工智能的繁荣将会加剧。”Forrester预测2020年人工智能融资将达到另一个新的高峰，但它断言这将是最后一个高峰——“全球有2600多家公司，人工智能创业生态系统即将是一个饱和的市场。”

三、人工智能将如何提升供应链管理?

物流已经成为供应链和商业模式不可分割的一部分。与过去不同的是，企业现在开始关注于他们所期待的新时代技术的发展。人工智能(AI)就是这样一种技术，它有潜力利用物流来克服目前的挑战。零售物流面临的挑战最大，因为它直接迎合消费者，并使其更加复杂。物流目前需要预测消费者需求，商品需求，一个更简单的过程，和流线型的工作流程，以保持不受阻碍和盈利。

人工智能处理文档（AI+RPA）

过去，世界各地的组织都在努力管理物流文书工作，因为这些文书工作容易出错，成本高，耗时长。如果采用人工智能，无需人工干预，就可以自行输入数据和人工智能接口，从而实现过程自动化和节约资金。此外，从这些数据中获得的见解使公司能够提高他们的支付和文档方法，并保持对它们的跟踪。

预测分析

人工智能的主要优点是对客户需求的预测分析。将人工智能整合到物流中可以让制造商和零售商了解消费者的需求。零售商将能够了解特定时间或地区对特定商品的需求，并据此进行采购。来自零售商的数据将帮助供应链中的所有其他实体重新定义它们的库存。

 加强管理

除了客户需求，人工智能还可以帮助组织改善物流管理系统，因为这将使他们能够实时跟踪自己的资产。从运输到库存，一切都可以根据市场需求进行分类。适当的资产评估将使资源和投资最优化。

筹划物流

繁琐和平凡的任务可以转移到AI界面，每次都能以同样的效率完成。由于人工智能可以解读更大的数据集，企业可以获得更多的投标，并根据它选择最可靠和最有利可图的物流合作伙伴。

三、人工智能如何推动物流行业下一阶段的增长?

为什么物流公司正面临一个前所未有的变化的时代，因为新技术使更高的效率和更多的合作运营模式成为可能。这是物流行业拥抱人工智能的最佳时机，因为数字化已经形成，客户期望也在不断发展。

人工智能可以帮助物流行业重新定义今天的行为和实践，从预测到预测的规划，从标准化到个性化的服务。它还为物流公司提供了优化网络协调的能力，这是仅靠人类思维无法达到的效率

人工智能(AI)越来越多地出现在我们的个人生活中，并迅速被企业用于提高效率和创造新价值。世界各地的许多物流公司都拥抱数字化转型，从传统的企业资源规划系统过渡到高级分析、增加自动化、硬件和软件机器人以及移动计算。

在人工智能的帮助下，物流行业可以将其运营从反应性行动转变为前瞻性和预测性范式，这可以在后台办公室、运营和面向客户的活动中以有利的成本产生更高的洞察力。例如，人工智能技术将使用先进的图像识别技术来跟踪货物和资产的状况，为运输带来端到端自动化，或在世界货运量出现波动之前预测它们。

随着职业世界的数字化，越来越多的公司将人工智能(AI)添加到他们的供应链中，以最大限度地利用他们的资源，减少时间和金钱花在决定和何时发送一个包裹到某个地方。

优化库存

库存优化是指维持一个特定的库存水平，可以消除缺货的情况，同时持有库存的成本不损害底线。物流在不降低材料成本或过程成本的情况下缩小产品价值方面起着重要作用。该技术还可以确保和管理供应商库存和可用的卡车数量，并优化物流模式。如果它满足需求和供给方程，它就成功了。

简化经纪流程（AI+RPA）

海关申报严重依赖手工流程，涉及法规、行业和客户的知识。交叉引用和验证是一个费力的过程。自然语言处理将修改并使人工智能软件从各种格式的文件中提取相关信息，并提交一份声明。

应对不可预见风险

通过训练，人工智能可以从应急计划中学习，这可以保证未来的纠正行动。使用人工智能搜索互联网，观察趋势，可以预测某一类产品的需求增长，或提前识别任何风险。

当涉及到物流业务时，要预料到意外情况，因为一系列的情况可能会影响产品的预期交付日期。飓风和洪水、航空公司破产和员工罢工等自然灾害都会影响公司物流工作流程的自然进程。