电商仓库自动化来临，仓库仓储将面临哪些技术革新？

电商仓库自动化来临，仓库仓储将面临哪些技术革新？

由于客户对产品多样性和服务水平的期望不断上升和变化，供给链团队和供给链网络正面临越来越大的压力。在过去，当供给链网络面临额外的满足客户需求和服务需求时，他们会通过增加招聘（也被称为“让更多人解决问题”）来作出回应。但是，从一线到高管不断紧缩的劳动力市场使这一战略变得不可持续。

因此，越来越多的供给链网络领导者已经达到临界点并转向技术解决方案和基于技术的业务实践以减轻压力，这一现象已经不足为奇。

投入供给链市场的新兴技术的数量无疑在激增。在新兴的技术名单中提到很多的包括区块链、人工智能（尤其是机器学习）、无人驾驶汽车和机器人（包括无人机）、增强实景技术、物联网、增材制造、大数据和猜测分析、移动设备、资产共享系统、基于云科技和指挥控制塔。

但是，哪些技术是真正预备好广泛推广使用的，哪些技术是处于发展阶段，其很好的选择是留给早期采用者？本文基于对行业专家的采访，找出了能够应对供给链挑战的新兴技术，以及其他一些虽然引起了巨大爱好但尚未预备好广泛应用的技术。

“新兴”是什么意思？

几乎每一家大型咨询公司、分析公司或跨国公司都根据各种标准制定了一份很新技术清单。但什么是“新兴”技术呢？新兴技术的很佳定义之一来自世界经济论坛（WEC）“2018年十大新兴技术”的报告中。该报告将新兴技术定义为处于发展早期，并正在产生刺激和增加投资的技术。虽然新兴技术尚未得到广泛应用，但在未来三到五年内，它们很可能会为社会和经济带来巨大利益。理想情况下，应该有多个公司在开发这些技术。很后，根据WEC的报告，新兴技术将颠覆或改变行业和“既定的做事方式”。

我们相信很少有技术在功能或概念方面是真正的新技术。许多新兴技术都是附加工具或替换工具，作为持续改进之前古老流程的一部分，为增量变化提供了途径。即使是新上市的股票，它们也经常在炒作曲线上上下波动(有时根本没有很终上涨，或者以不同的形式上涨)。但是，在未来的三到五年中，哪些新技术有可能安然度过炒作曲线，迎接供给链挑战呢？

工业物联网

很有希望的新兴技术是工业物联网（IIOT）和工业4.0的互补概念。IIOT的核心技术是使用过程通过传感器（温度、湿度、压力、振动、位置或其他）和自动识别交易系统（通过使用视觉或基于语音的系统，如条形码、RFID或其他），获取更大范围、更及时的数据，然后处理这些数据以支持更好、更快的供给链资源分配。

这些类型的数据采集技术并不都是新的。出现了一些新技术，例如指挥控制塔和边缘计算，用于引导、过滤和分析数据流，以提供需求和资产状态的可视化。

IIOT显示出巨大的潜力，它可以提供所需的实时信息，以便更好地决定您是否能够满足（或承诺满足）客户需求，以及如何快速分配资源以满足客户需求。它能够为数字化转型的很初承诺提供更好的分布式决策。然而，挑战在于使用与供给商、运营商、客户和合作伙伴之间的生产和分销交接所涉及的所有工具一致的数据模型来集成所有数据。

当涉及到实现IIOT时，在整个运营中投资几个优先的试点项目是合理的。在实施之前开发一套全面的、集中的基础设施和规则很可能是一个战略错误，因为这是一个太大的任务，并且需要花费太多时间来计划和完成。虽然快速原型设计将导致许多小规模的失败实验，但它也将产生集中计划无法预见或产生的看不见的巨大胜利。这是因为更接近问题的小团队可以更快地定义和实现原型解决方案，然后可以将这些解决方案集成到更集中的计划中并传播到整个组织的供给链中。

自主和协作机器人

在近期新兴技术位居第二的是机器人和其他自动化解决方案，它们可以增强人类行为和心理任务，而不是试图仅仅取代或模拟人。人们对机器人越来越感爱好的原因是劳动力变得越来越昂贵，越来越难得。许多制造商和分销商的总经理现在都在关注如何让人类更多地做他们很擅长的事情，同时减少他们花在做很不擅长事情上的时间。

机器人和其他设备已经可以在特定的、明确定义的、可重复的任务中完成比任何人更正确的工作，例如读取条形码或数字串和字母串；进行高速目视检查；将大小差不多的箱子进行打包；将垃圾箱、箱子和托盘从A地运输到B地。另外，他们可以不知倦怠地进行这些工作。人类不擅长执行及其单调的任务。它们会感到无聊并失去注重力，尤其是在高速行驶很长一段时间时。此外，人类不擅长复制或记录信息。同样，假如您的员工花时间四处走动（例如，从配送中心的既定的一个位置移动到另一个选择位置），那么您就是在浪费宝贵的资源。

机器人再培训也更简单、更快。即使机器人们正在执行当前任务，可以通过大规模更新实现再培训。正如分析机构Gartner的副总裁德怀特克拉皮奇（DwightKlappich）所说，“教一个机器人，你就可以马上教所有机器人”。

尽管有这些优势，但在制造业和分销业，仍有一些工作是由人类更具成本效益地完成的。人们很佳的投资仍然是通过选择各种大小和外形的产品，然后将这些产品混合装在一个集装箱中，然后放在另一个集装箱中预备装运。他们也善于看到意料之外的模式，并在观察之间建立联系。

简而言之，公司应该为机器人和其他设备寻找机会，帮助人们完成移动、检查和数据记录任务，同时让人们继续进行选择和决策。

人工智能与机器学习

正如机器人和自动化材料处理设备可以增强人类行为一样，人工智能（AI）和机器学习也可以增强人类的决策能力。再一次，劳动力在机器和人类之间分配，每个人都执行他们很擅长的任务。通过各种模式匹配、神经网络练习或其他技术，机器可以不知倦怠地、正确地查看大量数据并报告它所发现的联系。然后，受过练习的人就可以决定观察是否有意义，是否需要采取行动，以及是否应该主动去学习新的知识。

目前，人工智能应该被视作是一个高性能的数据扫描仪，能够将各种情况引起人类的注重，而不是一个自主的决策者。那是因为人类还没有足够好地定义世界，以便人工智能理解情境背景，何时应该或不应该应用规则。人工智能目前没有聪明独立行动，除非是在定义很明确的情况下、很少存在可能导致大问题的例外情况。目前，关注人工智能作为增强器，而不是代替人。

成功部署人工智能和机器学习并不简单，而且需要具备重要的能力和技能。今天，你不能只买一个人工智能解决方案，像一个实用程序一样植入它，并期望它能够提供出色的解决方案。你需要熟练的人类“导航员”来指导和评估机器，并确定如何利用该技术产生的洞察信息和猜测情况。目前很难找到了解如何构造和筛选数据以及如何配置人工智能的技术人员。目前对拥有真正技能的人需求量很大。因此，大多数公司近期的很佳选择可能是以更高的成本与服务公司签订合同，直到它在财务上具有吸引力，并且能够现实地获得专用的内部资源为止。

密集、灵活的三维流动系统

货对人的物料装卸系统不仅仅是出现，它们正在成为大批量、多品种、响应时间短的设备的执行标准规章。存储和检索概念并不新鲜，但配置、工具和用途仍在不断发展，并正在寻找进入更靠近终端客户的小型城市设施的途径。对于货对人的物料装卸系统的应用，基于穿梭机或基于机器人的分拣系统可以在三维空间中灵活运行，而不仅仅是在过道内，是这一演变的重要组成部分。

这些系统使公司能够更灵活地使用其资源，同时仍然专注于在日益密集的存储系统中提供对各种产品的有效访问的核心原则。公司不再需要在过道、分隔间或者存储架的水平空间或搁架空间保证挑选资源的固定数量。货架之间的过道、隔间或水平面定数量的挑选资源。这种灵活性至关重要，因为客户需求的变化速度要求对劳动力增长的依靠性较小。人类仍然是未来非常能干、非常灵活的一部分。但现在它们可以与灵活的自动化系统相结合，这些系统可以将资源转移到一个区域，而不会相互影响。自动化和人力资源可以智能地部署到当前需求变化导致需要更多资源的地区——无论是未来几分钟还是未来几小时。

这些需求和资源的转移不能通过中心计划提前有效地规划。相反，必须使用预先计划好的规则和人工评估来感知和响应它们，并由信息系统提供的建议加以补充。

支持这种灵活性的新兴技术以感官和数据收集能力的形式开始，这些能力可以即时提供所需数据、资源状态和趋势。然后，像指挥控制塔这样的系统收集各种各样的数据，以确定如何在整个设施或网络中重新部署资源。RedPilot是一个用于仓储和配送的控制塔，该公司总裁齐格弗里德?兹温(SiegfriedZwing)将这些系统描述为类似于汽车导航系统。他说：“就像汽车导航系统一样，他们会建议你如何应对当前的情况，并为你现有的资源提出建议，除非你现在想让你的系统满足订单要求或成本限制。”

资产共享系统

共享经济通常被视为一种增长趋势，而不是一种新兴技术，但这些新的资源共享系统在很大程度上依靠于许多新兴技术和技术。工业物联网、大数据分析、移动设备和基于云的系统都是资产共享系统可扩展性的组成部分。因此，我们将资产共享系统作为一种新兴技术纳入其中。

尽管优步(Uber)和Lyft等面向消费者的系统受到广泛的关注，但资产共享也在工业领域得到应用。许多初创公司和长期存在的运输公司都在尝试将资产共享模式应用于货物和包裹的运输。同样，制造能力、分销能力甚至服务能力的共享使用也是可能的，但需要大量的需求数据，以及大量的资源使用和可用性数据。

在供给链中，目前更多的是关于车队和空间，但是每一个产品和服务都在桌子上，你需要关注雷达上“资产共享”字样的变化。您的重点应该是评估您是否应该拥有在使用上差异很大的供给链资产，或者您是否应该租赁或共享这些资产。评估其中一些资产的空闲时间，寻找机会利用共享资源来满足需求的高峰和低谷。假如已经进行了投资，你还可以与其他人共享您自己的资源。

现实检验

与之前的新兴技术不同，本文采访的消息人士认为，还有其他一些技术还没有预备好迎接黄金时间。虽然这些技术中的许多确实具有很大的前景，但人们普遍认为它们过早地被大肆宣传为可以广泛采用。其中很主要的是区块链、增材制造和增强现实。

区块链。区块链在供给链合作伙伴之间实现快速、安全和可视化交易方面具有巨大潜力。其承诺的一部分是受信任系统可以根据预先定义的条件自动共享和触发交易、支付功能。正如熟悉电子数据交换（EDI）产生与发展历程的人所理解的那样，自动触发合同行为或支付功能的电子化交易可以产生巨大效率。

尽管区块链具有良好的发展潜力，但其发展仍处于较低水平，因为在众多贸易伙伴之间尚无明确的可有效扩展的路径。相反，目前往往依靠于一个或两个有影响力的贸易伙伴，这些贸易伙伴在有限的、预先定义的合作伙伴链中使用区块链。然而，它的目标是将一个比以前更复杂的系统（由多个业务、角色和行业组成）连接在一起。注册加入这样一个系统需要对一组以前没有联系的贸易伙伴高度信任。建立这样的信任需要付出巨大努力。有时很难让同一公司的两个部门共享信息，或者让两个公司就数据传输和共享政策达成一致。区块链正试图在更多的参与者中扩大这种信任和合作水平。

鉴于这种复杂程度，大多数公司应该让区块链的早期采用者在他们试用该技术之前将系统中的漏洞（尤其是交易的可扩展性）解决，更不用说尝试追求更大的关键项目了。目前，很好依靠传统的方法，使用经过验证的企业功能与供给链网络合作伙伴共享信息。

增材制造。

技术清单中另一个尚未预备好扩展的技术是增材制造。增材制造在重要替换零件的按需生产或产品定制方面有巨大潜力。虽然增材制造目前适用于原型设计和概念验证，但尚未预备好用于大批量生产。

但是，这并不意味着不应该使用该技术进行试点项目。仍应研究增材制造如何以新的方式为客户（内部和外部）提供服务。但是，在预备扩大使用范围之前，可能不需要购买自己的系统，因为所涉及的工具及其专业化程度正在迅速发展。而应与专注于增材制造的公司或具有增材制造能力的公司密切合作，这些公司补充了他们在合同制造方面的能力。

增强现实。虽然其他增强人类能力的技术，如机器人技术和人工智能，已被证实能够在当今社会创造价值，但增强现实（AR）技术的应用还没有获得很大的吸引力。尽管在娱乐、旅游和游戏领域有很好的实施范例，但AR尚未在工业环境中得到广泛采用。除了维护和制造领域，在这两个领域中AR正在帮助工人学习并更好的执行各种任务。AR可以在任务期间实现更好的评估和指导，而不是在错误发生后依靠于事后的质量控制检查。

假如开发应用程序以增强人类感知任务状态或所需行动的能力，并且能够以有助于而不是分散注重力的方式将信息反馈给工人，AR的采用速率会加快。

尚未这样做的公司应该探索AR在维护和制造领域中的使用案例，包括更换或增强手册的使用。还应该看看在AR或虚拟现实环境（类似于飞行模拟器）中，是否可以通过先学习如何完成任务来提高员工培训的效果。值得注重的是，当AR和VR不再需要昂贵的自定义程序开发时，未来可能会带来更广泛的应用。

关注新兴需求，而非技术

新兴技术及其对增强供给链能力的承诺很简单让人兴奋。在赶超之前，会害怕这些新兴技术会增强与自己竞争的供给链的能力。或者担心假如不以正确的方式实施新兴技术，就有可能削弱自己的供给链网络。

但重要的是要记住，这绝不是技术优先的问题。追求技术令人赞叹的方面的愿望是诱人的，但这可能对你的职业生涯带来潜在的危险，因为它可能导致“学习”成本高昂。首先要明确供给链合作伙伴在竞争方向和客户满足度方面的需求，然后尝试找到满足这些需求的解决方案或新兴技术。正如提供高度自动化供给链解决方案的供给商KnappAG的首席执行官GeraldHofer所说，“从很终客户的优先需求开始，然后在整个供给链中后向延伸，评估所需的流程和灵活性。只有这样，才能讨论如何通过技术实现这些过程。”

如Hofer所建议的，在可能的情况下，首先关注很终客户（或者至少是您客户的客户）。什么让他们兴奋？他们希望他们能做得更好吗？然后，通过供给链后向延伸，深入研究这些新技术如何应用到业务中。

例如杂货行业。食品杂货连锁店Kroger的高级工程和供给链战略治理总监KevinCondon说：“我们行业中不断增长的客户需求是希望增加购买食品杂货的客户数量。”

杂货行业不是首先从新兴技术开始的，而是从客户需求或愿望开始的。该行业一直在尝试以低技术的方式来满足许多代人的这种愿望，并经历了许多成功和失败的周期，尤其是在21世纪初的互联网泡沫时期。业界现在正在寻求通过使用本文前面提到的诸多新兴技术来满足这些需求。

其中一种支持技术是高密度存储系统，它根据机器学习系统识别的需求模式，使用三维网格中的机器人或穿梭车来存储和拣选货物，并由分配人员指导。虽然自动存储和拣选系统已存在多年，但机器学习理论使这些系统更加灵活。机器人或穿梭车现在可以被发送到相同的通道，以满足不断变化的货物量水平，同时智能的选择路径以避免彼此交叉。然后将货物运送给操作人员，用他们的眼睛和手做他们很擅长的事情而不是浪费时间。

这些更先进的存储和拣选系统也正在以新的方式应用。初创公司TakeoffTechnologies认为，将这些系统放在离客户更近的地方，甚至放在商店内，而不是只放在区域分销中心，这是有价值的。公司联合创始人VicenteAguerrevere和MaxPedro说：“将店内空间留给使用密集、灵活存储的人—物系统，比让许多人在传统商店中进行挑选有10倍的成本优势。”

无论存储系统是在商店中、四周区域还是在区域分拨中心，公司都需要它们与订单和供给状态的可视化相匹配。Condon说：“无论你如何有效的治理设施来满足客户的需求，一个关键的因素就是供给商是否能够及时的提供合适数量的产品。”他认为，无论是杂货行业还是其他行业，都对新兴的可视系统（如前面提到的控制中心）有着强烈的爱好，即根据需求模式，高效的将资源在分销网络中进行分配。然而，他指出，要使这些系统发挥作用，需具有良好、清楚、有意义和及时的数据。

实现方法

需要对供给链网络做些什么才能为新兴技术做好预备？首先，更好的了解整个供给链网络的需求、功能和指标，其中应包括供给商、客户和合作伙伴。其次，更好的了解新兴技术的功能，并将这些功能与供给链网络的需求相匹配。第三，快速的开发、首创、证实和分配资源到一系列试点项目，这些试点项目将新兴技术作为创新研究和开发的一种形式。小型试点项目可以探索并建立对新兴技术的功能和安全性的信任。在此基础上，可以更好的面对供给链网络所面临的机遇和挑战。在2020年及以后，即使不能基于技术提出一系列解决方案，也能够更加擅长从市场中获取专业知识。

很后，更为重要的是，仅仅为了使内部操作系统更快、成本更低而开发和实施技术的日子已经一去不复返了。未来，技术解决方案需要在合作伙伴之间提供共享价值，比如基于云空间提供强大的数据收集、过滤、分析、建议、评估、通信、资源分配和测量功能。