涨姿势|什么是“智慧物流”?

原创2016-06-14亚马逊物流家亚马逊物流家

本文转载自亚马逊物流+官方微信,微信号:Amazonlogistics

近年来,随着网络通信技术的发展,社会分工也发生了巨大的变化,信息世界变得越来越扁平,功能相对变得越来越集中,传统的物流作业已无法适应企业运作高效率、低成本的需求。此时,“智慧物流”的概念应运而生,并反复被提起,成为物流行业的“高频热门词”。

可是,很多人会简单地认为物流带上“智慧”的帽子就只是将高科技的机器人代替人工操作,例如一直很火的“无人机”、“仓储机器人”等概念。其实,真正的“智慧物流”又怎么可能如此简单地只用一两个具象的概念来完全概括?今天,亚马逊物流家会和大家一起走进智慧物流的世界,初探关于智慧物流的奥秘。

何为“智慧”

“智慧”顾名思义,它是生物独有的一种高级综合能力,包含有:感知、知识、记忆、理解、逻辑、计算等多种能力。随着科技的不断发展,这种“智慧”已经不局限在人或动物身上,只要有感知功能、传递系统和决策能力的“东西”,我们都可以称它是拥有智慧的。下面,我们就从这三方面解读一下“智慧”。

感知系统

感知系统就是通过传感器、手机、RFID(无线射频技术)等设备实现的,它们如同人的感官,是获取数据的工具,建立起物理世界数据采集基础。这跟一个人的智慧形成过程是相似的——类似于人可以通过眼睛来判断事物大小、鼻子来感知气味、皮肤来感知温度。

传导系统

有了感知系统,还需要传递信息才能将数据整合而用。这也好比人的神经系统,通过神经系统才能将感知的信息传递到大脑,这些遍布人全身的神经在人体内构成一张无处不在的大网,互联互通。在物理世界中,互联网和物联网如同人的神经系统,建立了信息交互的机制和基础设施。

决策系统

通过物联网和互联网将信息传递到“大脑”之后,“大脑”就要对信息进行复杂的计算、分析,最终得以决策。我们知道,人的大脑就是人本身的决策系统,但是再厉害的人脑,计算处理能力也是有限的,特别是面对数以亿万级别计的数据,很难在计算方面有所突破,而云计算和大数据分析技术弥补了这个缺憾。云计算能利用分布式计算方式来完成对大数据的处理和计算,大大提升了处理海量数据的能力。而大数据分析技术为我们提供直接的决策,并指导我们将决策转化为行动。

智慧物流

简单的说来,智慧物流中的“智慧”就是通过自动读写信息的设施设备获得信息,然后由物联网和互联网来完成传导的过程,最后利用云计算、大数据分析实现决策。

那么“智慧”在物流系统中的人、车、货、线路、节点上是怎样体现的呢?

在传统意义上,物流五要素的人一般指仓库中的拣货员、仓管人员、运输路上的司机等,在过去利用GPS进行定位数据采集,如今则可利用手机APP获得人行为数据多维刻画。

随着人工智能逐渐走向成熟,物流五要素中的人也包含“智慧”机器人——如亚马逊的Kiva。走进亚马逊的运营中心,我们会看到Kiva机器人在接到订单信息后,会直接找到订单上的商品并送到拣货员的面前。由于近年来人工智能和工程学取得了突破性进展,甚至我们可以预见,将来机器人会胜任更多更复杂的岗位职能:机器人能通过激光器,镜头等传感器实现“看”,“听”和“感觉”。机器中可以嵌入数据和模拟,以比人类更快地“学习”,机器还可以通过进化算法“思考”,在越来越多的推理与决策领域,机器将比人类的表现更出色。

商品从储存、销售再到客户手上的全过程均在亚马逊的系统里一览无余。在亚马逊运营中心,利用物联网与互联网相互结合的管理,在感知系统采集信息后,物联网就可通过条码识别、RFID、红外感应、传感装置、音视频搜索、全球定位系统等信息采集设备,实现物品互联互通的网络连接,进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理的智能网络系统。另外,现在使用RFID技术,还能通过反复读写数据发现商业机会。比如,可通过收集用户的购买习惯相关的大数据,计算、预测存货变动率来提醒商家对某类销售情况较好的商品进行提前备货。

现在大部分物流提供商的载运货车都已安装传感器,来追踪货物出库后的实时情况。对于亚马逊物流+来讲,运输全程中实现的可视化,其中也需要仰赖于传感器的数据传输和相关管理工具的实时反馈和呈现。

线路

科学的线路规划不仅仅局限在出库后的运输线路及路由,在仓库里拣货的线路同样影响着整个物流过程的效率。在大数据分析的帮助下,亚马逊的运营中心拣货系统就能为拣货员提供最优拣货线路,让拣货员每天节省至少60%的路径

再比如,在车队管理方面,传感器可以监测某个卡车、集装箱、ULD(航空载具)的使用及闲置频率,然后它们将采集这些数据用于最优化利用分析,通过测量负载能力可以了解特定路线上交通工具的闲置运力,从中提出巩固和优化路线的建议。这有利于创造车队效益、节约燃料,并减少空车返回的里程。

节点

节点的衔接功能、信息功能、管理功能将各个互补相干的线路和信息结合在一起,通过对信息的管理,对货物进行及时调度,降低时间成本,为企业经营活动提供更大的利润空间。亚马逊物流+在全国建立的13个全球统一标准的运营中心,借助于强大的物流网络和大数据分析和指导,商品可以在各个运营中心进行科学合理的分布和快速的调拨,保证客户的下单体验的同时,也保证了时间效率和成本控制的最佳平衡。

当智慧遇上物流,就会变成一种集成智能化的技术,使物流系统能模仿人的智能,具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。即在流通过程中获取信息从而分析信息做出决策,使商品从源头开始被实施跟踪与管理,实现信息流快于实物流。

其实,看起来“智慧物流”是刚刚火起来的一个概念,但是,除了无人机,机器人,在亚马逊,这些“智慧”早已被广泛地应用并贯穿在物流的每一个环节,从大数据分析到云计算,从互联网信息指导自动化操作到全程可视化管理,亚马逊的科技导向的物流管理和运营体系无一不呈现出智慧的光芒。

尽管如此,我们依然期待随着科技不断创新和发展,在物流领域还会继续延伸出各种“黑科技”,为整个物流行业的智能化、自动化和网络化提供强而有力的坚实后盾。

本文转载自亚马逊物流+官方微信,微信号:Amazonlogistics
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容

  • 文/阿狸不再 如果你是一颗糖 便可以带给我甜蜜 如果你是一阵风 便可以带给我凉爽 如果你是雨水 便可以滋润我干枯的...
    阿狸不再阅读 621评论 4 11
  • 吴三桂是我国历史上著名的大汉奸,因引清军入关与绞杀南明政权而恶名昭著。在其晚年,又因清廷撤藩而起兵反清,最终却兵败...
    有知社阅读 1,593评论 1 3
  • 感恩父母抚养我长大! 感恩种子法则,让我明白了世界很多过去无法明白的道理! 感恩祺予昨天给我分享的业力管理总结,解...
    我不叫许仲斌阅读 168评论 0 1
  • 你看 每一束光都那么强 强得想要刺破尘埃 强得想要侵扰人心 你听 窗外的梧桐叶在喧闹 光束如流苏样徜徉 它在我五指...
    谢小颜阅读 306评论 1 4