智慧物流“仓运配”环节技术应用实践研究

自《物流技术与应用》编辑部、中国物流技术协会信息中心王继祥在 2009 年正式提出“智慧物流”后，应琳芝、俞海宏等( 2011) 阐释了“智慧物流”的概念及其功能; 党建民( 2013) 论述了发展智慧物流的重要性，并在战略定位、发展模式和推广步骤上给出了建议; 王之泰( 2014) 阐释和探讨了发“智慧物流”的意义、抓手与切入点等问题。邵广利( 2015)探讨了基于物联网技术的智慧物流发展模式; 乐烨( 2016) 分析了智慧物流特征、应用前景及对传统物流管理的影响; 谭华、林克等( 2016) 探索了智慧物流技术发展趋势; 郝书池( 2017) 探讨了发展智慧物流的动因与对策; 马彬( 2017) 探讨了现代物流技术在企业中的应用现状及趋势; 析了物流技术创新对物流业的影响。

综合分析发现，已有的研究成果大多数只是从理论上对“智慧物流”的特征、概念、发展模式、意义、实现的对策、建议等方面进行探讨，鲜有从实践上对智慧物流在“仓运配”环节的应用实践展开探讨的。

基于此，本文从技术的视角对智慧物流业态下“仓运配”各环节的技术及应用场景进行全面探析，并结合典型企业的商业应用实践进行实证探讨，以期为探究我国物流业的转型升级提供一些有益的参考和借鉴。

现代信息技术是智慧物流实现的核心和基础，物流企业借助于现代信息技术，通过资源共享、信息联通和企业间协同作业对物流仓储、运输、配送等环节进行改造升级，提升整个物流业的信息化、智能化和自动化水平，实现整合资源，降本增效的目标。

按照物流服务环节不同，我们将智慧物流“仓运配”环节所涉及到的技术分为智慧底盘技术和智慧作业技术两大类。智慧底盘技术包含物联网、大数据、物流云、人工智能和区块链等; 智慧作业技术包含智能运输、智能仓储及智能配送等相关技术。

一、物联网技术

物联网是在互联网基础上，利用扫描器、定位系统、射频识别、传感器、数据通信等技术，对物流运作过程中的载体、流程、流体、流向、流速、流量等基础要素做到智慧处理、智慧感知、智慧管控和智慧 传 输，实现智慧物流全程可控、可 视、可 追溯[5]。近年来，随着互联网的快速发展和传感器的大量应用，物联网在我国呈现快速增长趋势，为智慧物流的发展奠定了硬件基础。典型应用场景包括:

1． 产品溯源:通过 RFID 实现商品生产、运输和交付各环节信息的追踪、查询、识别、信息采集和可视化管理等功能。

2． 调度监控:使用 GPS、传感技术和 RFID 实现车辆定位、在线调度、安全运输、冷链控制、运输物品监控与配送管理。

3． 路径优化:通过车辆上安装的信息采集设备，可以采集运输车辆情况、路况、天气等信息，上传给信息中心，分析后对车辆进行路径调度优化。

二、大数据技术

物流的在线化会产生大量数据，利用大数据技术对这些物流大数据进行分析、处理与挖掘，发现对企业运营和管理有价值的信息，进而进行更科学、合理的管理决策，是物流相关企业的普遍诉求[6]。当前，国内已有多家物流企业成立了独立的大数据分析团队或部门，专门进行大数据技术的研究、分析和应用布局，以强化对物流各环节上的风险进行分析预测。典型应用场景包括:

1． 需求预测:利用先进算法对商家历史销售、用户消费特征等历史数据进行收集和分析，提前预测用户需求，前置仓储和运输环节。

2． 设备维护预测:在物联网设备上安装集成芯片，实时监控各设备运行状态，通过大数据分析做到对设备进行预先维护，增加其使用寿命。

3． 供应链风险预测:通过对供应链上异常数据的收集与分析，进行不可抗因素造成的货物损坏、贸易风险等情况的预测和规避。

4． 网络优化布局:利用历史数据的覆盖范围和时效性构建网络分析模型，对仓储、运输、配送环节的网络进行优化布局。如通过对消费者数据分析，提前在离消费者最近的仓库进行备货; 通过实时路线优化，指导运输车辆采用最佳线路进行同城配送和跨城运输等。

三、物流云技术

物流云技术分为云存储和云计算两部分，是物流大数据实施的基础和保障; 物流云能高效整合、调度和管理资源，为智慧物流各参与方按需提供算法应用和信息系统服务。近年来，以菜鸟和京东为代表的物流服务商都纷纷推出自己的物流云服务。典型应用场景包括:

1． 软件即服务( SAAS) :实现订单管理、仓库管理和运输管理等信息系统的 SAAS 化，为相关企业的信息管理系统提供更加多样化、快捷的服务迭代升级。

2． 统筹资源:整合社会上闲散的配送人员、仓库和车辆等资源，通过对设备使用状态、人力资源和仓库租赁等要素进行需求分析、合理配置，实现资源利用效益的最大化。

3． 算法组件化服务:将车辆调度、装箱、路线优化和耗材推荐等进行算法组件化，为物流企业提供组合式或单个算法应用服务。

四、人工智能技术

人工智能技术在物流行业的影响主要聚集在智能搜索、推理规划、智能机器人等领域，能为物流各流通环节进行智慧赋能，实现物流资源的智能化配置和物流作业的高效率。典型应用场景包括:

1． 智能运营规则管理:通过机器深度学习，物流运营规则引擎具备自适应和自学习的能力，能够在感知物流业务条件后进行自主管理和决策。例如应用人工智能对高峰期(电商“双十一”)与常态下的订单进行对比分析，自主设置交付时效、订单生产方式、异常订单处理、运费等运营规则。

2． 智能仓库选址:对现实环境中的劳动力可获得性、税收制度、顾客、供应商和生产商的地理位置、建筑成本、运输经济性等各类约束条件进行充分的自主学习优化，从决策上给出物流仓库的最优选址方案。

3． 智能决策辅助:利用机器学习技术去自动识别院场内外的物、人、车、设备的状态，学习实际作业中优秀的管理和操作人员指挥决策和调度经验，实现货场智能决策辅助。

4． 图像识别:利用卷积神经网和计算机图像识别技术提升手写运单的识别率和准确率，从而大幅降低人工输单的出错率和工作量。

5． 智能调度:通过对商品体积、数量、品类等数据进行分析和学习，包装、仓储、运输、配送等环节进行智能调度。如利用深度学习算法对百万SKU 商品的包装尺寸和体积数据进行测算，智能推荐商品所需耗材和打包排序，进而合理安排商品摆放和包装箱型方案。

五、区块链技术

区块链是加密算法、分布式数据存储、共识机制、点对点传输等计算机技术相结合的新型应用模式，本质是应用分布式数据库去记载、传播和识别信息的智能型对等网络，显著特征是去中心化、开放、自治且共识、信息不可篡改且可追溯、交易透明且匿名。近年来随着区块链技术在全球迅速兴起，很多业内人士认为，区块链技术的应用将会对智慧物流的发展产生深远影响。典型应用场景包括:

1． 保证货物安全:通过区块链技术真实、可靠地记录货物流通全过程，确保信息可追溯，避免快递投递环节爆仓丢包、伪造签名、错领冒领等事件的发生。

2． 促进物流实名制落实:区块链技术掌握货物流通方向和物流数据的不可篡改性防止了调包和窜货，利于打假和物流实名制的落实。

3． 改善物流业营商环境:区块链技术可以实现物流商品的价值化、资产化，继而使资金快速、有效地接入物流行业，进而解决中小物流企业融资难问题，改善营商环境。

六、智慧作业技术

智慧作业技术是基于物联网、大数据、物流云、人工智能和区块链等智慧底盘技术的基础上对传统物流“仓运配”环节的技术实践应用，体现在软、硬件两方面。仓储环节主要包含货物自动识别、自动化分拣设备与机器人、无人驾驶叉车、可穿戴设备、自动货架等; 运输环节主要包括新能源车、车货匹配平台、无人驾驶技术等; 配送环节主要包括智能快递柜、送货机器人、无人机等。

结束语

当前，我国正处于新一轮产业变革关键时期，利用新技术革命发展智慧物流是物流业转变经济发展方式、产业结构转型升级的重要举措。对于物流企业而言，面对新的时代趋势，能否在未来的市场竞争中占据优势地位，需要把握以下几个成功要素:

1． 拥抱智慧:物流企业需要结合自身特性、所在领域的客户特征变化，以开放的心态拥抱科技，拥抱智慧物流，实现转型升级。

2． 提前布局:智慧物流早已不是一道选择题，在智慧风口下，谁能把握先机，谁就能占据主动，物流企业需提前布局，抓住智慧物流先机。

3． 重视数据:数据化是物流业向下一代升级，真正实现智慧物流的关键，虽然传统物流企业在数据获取方面存在天然劣势，但可尝试与第三方物流服务企业合作，及早在人工智能、大数据、物联网等方面积累技术，积极对现有的物流信息系统进行换代升级。

资料来源/物流桃园(ID：wltaoyuanhui)