導讀：大數據技術已成為智慧物流新的價值載體，物流業及制造業利用大數據技術，將在物流資源調配尤其是人效提升方面，獲取巨大收益。

圖片來自“Unsplash”

自2009年“智慧物流”這一概念被提出后，物流業發展日新月異，物聯網、大數據、人工智能等技術更是將物流這一傳統行業引入信息化、智能化的快車道。前幾年，AGV、無人機等物流科技產品引發智慧物流的應用潮流，而當下物流企業更加注重效率優化與服務升級，大數據、人工智能成為物流領域的新風口。

然而，如何利用好大數據是一個行業難題。首先，數據采集是一道門檻，采集倉儲物流過程中各類數據，需要場景建設具備信息化數據采集的基礎設施;其次，做好數據整合是大數據應用的關鍵—數據經過計算、歸納、分類和分析才能得以利用。

筆者在2019年4月為《物流時代周刊》撰寫的《AIoT驅動倉儲物流變革》一文中曾提到，在四面墻之內的倉儲物流領域，大數據可應用于掌握場內物流各個流程環節的具體執行情況，并運用大數據分析，對人、車、庫的利用率和效率等進行實時分析、監控，由此管理并優化倉庫資源。

AIoT即“AI(人工智能)+IoT(物聯網)”，通過物聯網技術進行業務交互，產生并收集物流業務數據和物流行為數據，并通過大數據及人工智能技術進行分析和提供場景優化建議。以揀選場景為例，運用物聯網技術，對傳統揀選貨架、小車進行智能升級，實現這些新的智慧倉儲設施的自動交互，指引揀選人員無需思考即可高效完成揀選任務。同時，智慧倉儲設施自動采集并上傳揀選業務數據和行為數據，通過大數據平臺整合并分析處理，得到設施利用率和人工效率，發現流程瓶頸，優化操作流程，提升人效和整體揀選效率。

在制造業的生產環節，有OEE(設備綜合效率)的概念，用來表征設備的實際產能與理論產能的比率。OEE可以掌握設備利用效率，優化設備排產，提高生產效率。借鑒OEE的概念，運用于倉儲物流環節，可以進一步提高人效。例如，由于各個物流區域作業對人的依賴性降低，可以將人作為靈活配置的資源，通過大數據的技術分析創新地實現跨區域調配員工，提升人員的綜合利用率。

在上述揀選應用中，揀選人員基于與設備更高效地交互，提高揀選效率，這意味著員工實際工作時間將減少，人力資源的需求其實是降低的。也正因為物聯網技術的使用，對人的依賴降低，揀選區域空閑的人，可以被系統調配到其他物流流程，也能很好地完成工作，這樣人的總體利用率就會增加，整個場內的物流區域就能實現人效進一步提高和人員數量的實質精簡。

TBL華清科盛正在打造智慧物流分析平臺Wisdom，進行物流場景的大數據實時分析，實現人員的跨區域智能調配，進而在多區域進行人效突破和人員精簡。與之相類似的是，曠視(Megvii)在2019年初發布的物流機器人操作系統“河圖”，統一管理倉儲場景中的機器人，協同各種機器人在不同物流區域完成業務。

由于機器人種類及功能限制，通常不同工種的機器人無法協調跨區域工作。而Wisdom基于人員的分析與優化，以減少對人的依賴為基礎，實現跨區域完成不同倉儲作業，突破了物流區域的壁壘，并在提高綜合人效率。

大數據技術已成為物流市場的新“藍海”，賦能倉儲物流，提高倉儲效率，只是大數據技術應用的第一步，融合物聯網、人工智能等技術在具體倉儲場景中解決問題，還將進一步激發大數據的價值，提高企業核心競爭力。