完整報告下載：2020人工智能在物流行業(yè)中的應用前瞻.pdf

近年來，各基礎(chǔ)物流服務(wù)商紛紛進行業(yè)務(wù)領(lǐng)域的拓展，物流企業(yè)以更加多元的業(yè)務(wù)結(jié)構(gòu)為目標，探索更大的生存空間。在此背景下，AI+物流得到了迅猛的發(fā)展，物流這一相對傳統(tǒng)的大眾服務(wù)行業(yè)，將在運輸、倉儲、配送和管理等各場景接受人工智能技術(shù)的全面改造。

本節(jié)介紹人工智能賦能下的新一代物流的優(yōu)秀案例，包括了圓通、京東、快倉、蘇寧、中通、海康威視等。同時也展示了在人工智能技術(shù)賦能下，這些物流科技將如何提升服務(wù)效率和服務(wù)質(zhì)量，從而推動整個物流行業(yè)從勞動密集型服務(wù)行業(yè)向科技密集型服務(wù)行業(yè)轉(zhuǎn)變。

圓通車載智能動態(tài)重量監(jiān)控系統(tǒng)

圓通速遞于2018年開始車載實時稱重系統(tǒng)項目，研究車載動態(tài)稱重技術(shù)應用于快遞物流整車稱重的可行性。該系統(tǒng)的工作原理是通過測量車輛的唯一支點、承擔貨車所有承載重量的橫橋因車輛載貨而產(chǎn)生的微變形，解算出貨車的載重量。該項目是圓通速遞與深圳漢德網(wǎng)絡(luò)科技開展的產(chǎn)研合作的代表，雙方成立了智能車載實時稱重聯(lián)合實驗室，智能車載實時稱重為實驗室產(chǎn)品之一。

目前，圓通速遞在進行批量應用示范，部分車輛已達到試點使用的要求，一定程度上提升了轉(zhuǎn)運中心場內(nèi)的調(diào)度效率，保障了車輛在途時效、準點率和快件時效。該項目獲得了2018年度郵政行業(yè)科學技術(shù)獎三等獎。

圓通的車載智能動態(tài)重量監(jiān)控系統(tǒng)項目利用車載實時稱重的基礎(chǔ)技術(shù)，結(jié)合快遞企業(yè)裝卸貨及運輸?shù)膽脠鼍?，建立針對快遞物流行業(yè)的算法模型，通過長期的車載數(shù)據(jù)收集使用大數(shù)據(jù)技術(shù)，對算法模型進行深度訓練，使該技術(shù)的測量誤差達到理想水平,實現(xiàn)了智能車載實時稱重技術(shù)的低成本、高精度的批量使用，打破了以往該技術(shù)只局限于粗略計量場景的現(xiàn)狀。該系統(tǒng)包括：信號采集模塊、信號傳輸模塊、載重信號收集及處理模塊、顯示模塊、GPS/GPRS信號傳輸模塊，云端服務(wù)器，以及用戶終端等 7 個部分組成，如圖3.8所示。

圖3.8 圓通HD-TLS01系統(tǒng)組成架構(gòu)

主要包含的創(chuàng)新點及人工智能技術(shù)有：

（1） 對“A點出發(fā)，B點裝卸，C點過磅”的模式進行突破性的創(chuàng)新

數(shù)據(jù)終端隨車而行，即在車輛載貨時進行實時稱重，在車輛駛離出發(fā)地，到達目的地的過程中車輛亦被實時監(jiān)測。監(jiān)測全程由計算機完成，不涉及任何人工操作。

（2） 數(shù)據(jù)實時傳輸

HD-TLS01可將載重數(shù)據(jù)無縫隙、無間斷的通過網(wǎng)絡(luò)發(fā)送到平臺，配合位置信息全天候監(jiān)測車輛載重量，并按小時、次數(shù)、天、周、月、季度、年等條件對已有數(shù)據(jù)進行統(tǒng)計。

（3） 獨特的解算算法

蠕變補償、零點跟蹤、分段標定等多種算法的結(jié)合構(gòu)成了系統(tǒng)獨特的軟件解算算法。在車輛行進中，爬坡、偏斜、拐彎車頭歪斜及路面不平都不會影響其特性。

目前該技術(shù)僅在圓通速遞網(wǎng)絡(luò)內(nèi)使用，后續(xù)目標是通過將該技術(shù)和快遞行業(yè)的深度結(jié)合，搭建快遞行業(yè)的智能車載實時稱重平臺，將該技術(shù)推廣到整個快遞行業(yè)甚至物流行業(yè)，實現(xiàn)快速應用。

京東智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)

2018年6月，京東智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)正式投入應用。該智能系統(tǒng)應用運籌學、機器學習算法共構(gòu)建了3個核心模塊，分別為智能選址、智能路由、商品布局，在內(nèi)部上承載了商城電商物流業(yè)務(wù)的內(nèi)部物流服務(wù)，實現(xiàn)了物流運營層面的精益化成本集約需求；外部上，開放的物流業(yè)務(wù)也為外部客戶提供了高品質(zhì)低成本的供應鏈/物流服務(wù)，科學平衡了京東復雜大規(guī)模網(wǎng)絡(luò)規(guī)劃場景下的成本和時效。京東智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)的三大核心模塊涉及的關(guān)鍵人工智能技術(shù)詳細介紹如下：

智能選址

在基于人工智能的智能物流體系下，智能選址包含倉儲環(huán)節(jié)的倉網(wǎng)規(guī)劃、運輸環(huán)節(jié)的分揀布局、配送環(huán)節(jié)的點網(wǎng)布局。京東物流基于自有場景進行分析，形成了一套可復制推廣的智能選址解決方案：

圖3.9 京東物流智能選址路線圖

面向多節(jié)點選址的機器學習技術(shù)：根據(jù)現(xiàn)實環(huán)節(jié)的各種資源限制條件采用機器學習方法(預測回歸、場地畫像等)進行充分優(yōu)化學習，從而給出接近最優(yōu)解決方案等選址模式。

面向多節(jié)點選址智能計算技術(shù)：利用大數(shù)據(jù)分析結(jié)果將供給與需求節(jié)點進行合理空間聚類，再結(jié)合智能算法對備選場地進行優(yōu)化求解。

智能路由

路由網(wǎng)絡(luò)規(guī)劃需同時完成大規(guī)模路由網(wǎng)絡(luò)中分揀中心生產(chǎn)波次的設(shè)計、全網(wǎng)運力的組開、分揀之間的經(jīng)轉(zhuǎn)關(guān)系等，網(wǎng)絡(luò)中任意一個波次、運力、經(jīng)轉(zhuǎn)關(guān)系的調(diào)整都會對整個路由網(wǎng)絡(luò)產(chǎn)生人工無法預測的全局性影響。為解決上述問題，京東創(chuàng)新性的將實際業(yè)務(wù)場景中的大規(guī)模路由網(wǎng)絡(luò)規(guī)劃抽象為混合軸輻式網(wǎng)絡(luò)設(shè)計問題，通過人工智能技術(shù)與場景融合，形成一套可復制推廣的智能路由網(wǎng)絡(luò)規(guī)劃解決方案:

圖3.10 京東物流智能路由技術(shù)路線圖

面向全網(wǎng)智能網(wǎng)絡(luò)路由規(guī)劃的機器學習技術(shù): 實現(xiàn)產(chǎn)能預測，流量預測，運力分析，單量聚類，挖掘多級樞紐定位。

面向全網(wǎng)智能網(wǎng)絡(luò)路由規(guī)劃的智能計算技術(shù): 實現(xiàn)1000ms級最優(yōu)網(wǎng)絡(luò)規(guī)劃，一次性完成分揀波次、點對點運力組織、分揀經(jīng)轉(zhuǎn)關(guān)系的設(shè)計，科學平衡了大規(guī)模路由網(wǎng)絡(luò)的時效和成本。

商品布局

商品布局是研究應用于實物商品在空間物流網(wǎng)絡(luò)上的庫存布局問題所需的關(guān)鍵技術(shù)，包括銷量預測技術(shù)、分倉布局技術(shù)。京東物流實現(xiàn)的關(guān)鍵技術(shù)有：

圖3.11京東物流商品布局技術(shù)路線

預測技術(shù)：包括機器學習預測技術(shù)及大數(shù)據(jù)預測工程化技術(shù)。前者基于傳統(tǒng)機器學預測算法(XGboost、SVM、RF等)基礎(chǔ)上自主研發(fā)級聯(lián)預測技術(shù)、新品預測技術(shù)、低頻預測技術(shù)，具體內(nèi)容如下所示：

圖3.12京東物流商品布局預測技術(shù)

分倉布局技術(shù)：包括商品關(guān)聯(lián)挖掘技術(shù)及物流倉網(wǎng)決策技術(shù)，前者對關(guān)聯(lián)性進行基于時間序列的濾波與短期預測，繼而采用譜聚類SC，構(gòu)建商品間“相似品類”關(guān)聯(lián)關(guān)系；后者采用Monte Carlo仿真與區(qū)域訂單出庫密度，計算每個待選倉庫的適應值，并考慮時效滲透率約束、倉數(shù)量約束、拆單率約束，以整體倉儲、運輸成本最低為目標，采用遺傳GA算法及梯度下降法，迅速求出當前在拆單、成本、倉數(shù)量目標下的帕累托解集供業(yè)務(wù)進行決策。

目前，以上技術(shù)已經(jīng)在京東物流覆蓋中國大陸100%的行政區(qū)縣，99%的人口的網(wǎng)絡(luò)上投入運營。其中，智能選址使特定物流節(jié)點日均運營成本預計降低15%-20%；智能路由使網(wǎng)絡(luò)成本降低了10%，路由網(wǎng)絡(luò)時效縮短了12%；商品布局使拆單率降低約3%，總體倉儲降低10%，商品庫存周轉(zhuǎn)降低約10%。

京東X倉儲大腦

京東無人倉投入運營以來，智能化生產(chǎn)模式發(fā)展迅速。然而物流機器人數(shù)量多、設(shè)備模型、接口、技術(shù)特點駁雜繁多，設(shè)備巡檢和及時維護工作量大，要求無人倉做到“高效運維“。X倉儲大腦是為了實現(xiàn)無人倉“更有效率”這個目標的高度智能化產(chǎn)品，所屬技術(shù)為工業(yè)互聯(lián)網(wǎng)和人工智能兩個領(lǐng)域。

X倉儲大腦的主要功能包括：(1)訂單生產(chǎn)數(shù)據(jù)的監(jiān)控和預警，資源優(yōu)化配置建議，數(shù)據(jù)統(tǒng)計與分析；(2)機器人重要數(shù)據(jù)監(jiān)控和預警，診斷建議，數(shù)據(jù)統(tǒng)計與分析；(3)規(guī)劃算法建模參數(shù)輸入與自動化建模流程；(4)適配辦公室場景的PC版，以及適配移動辦公場景的移動版。X倉儲大腦系統(tǒng)架構(gòu)如下圖所示：

圖3.13 X倉儲大腦系統(tǒng)架構(gòu)

其主要涉及的人工智能創(chuàng)新點及核心技術(shù)有：

算法創(chuàng)新

電池健康度算法：傳統(tǒng)的下線檢測電池健康度是一項耗時且造成資源浪費的方式。項目通過實時采集線上機器人電池充電數(shù)據(jù)，結(jié)合深度學習與全新電池數(shù)據(jù)分析比對充電效率，實現(xiàn)在無需下線的情況下計算線上機器人的電池健康度。

資源調(diào)配算法：工作站和AGV是貨到人倉庫中重要的生產(chǎn)資源。項目綜合使用預測技術(shù)和運籌優(yōu)化技術(shù)預測未來若干天的生產(chǎn)情況，計算多天的資源配置計劃，給倉庫管理人員提供多天的排班建議，實現(xiàn)按需生產(chǎn)。

自適應生產(chǎn)頻率變化的訂單量預測算法：準確預測訂單量是倉庫安排生產(chǎn)資源的重要依據(jù)之一。項目通過對新舊業(yè)務(wù)模式的共性數(shù)據(jù)進行建模，模型可根據(jù)新業(yè)務(wù)模式不斷調(diào)整，順應業(yè)務(wù)的變化，解決了新業(yè)務(wù)缺少數(shù)據(jù)難以建模的問題。

技術(shù)創(chuàng)新

項目的技術(shù)核心為利用分布式消息隊列技術(shù)的高并發(fā)讀寫、高吞吐、高實時性等特點巧妙地應用到倉儲AGV設(shè)備數(shù)據(jù)采集的場景中，在解決了傳統(tǒng)采集方式存在若干問題的同時，保證了數(shù)據(jù)的時效性和可用性，其數(shù)據(jù)采集架構(gòu)及主要涉及到的人工智能技術(shù)有：

圖3.14 X倉儲大腦數(shù)據(jù)采集架構(gòu)圖

 多元化海量傳感器數(shù)據(jù)實時采集系統(tǒng)：倉儲物流的場景中，運營無人化是目前行業(yè)內(nèi)急需攻克的難點。實現(xiàn)倉儲運營無人化首先要解決的問題是如何能全方位的掌握無人運營倉儲的實時狀態(tài)用于決策。為應對挑戰(zhàn)，X倉儲大腦項目組利用已有技術(shù)自主設(shè)計研發(fā)了多元化海量傳感器數(shù)據(jù)實時采集系統(tǒng)，實現(xiàn)了無人倉儲場景下海量傳感器數(shù)據(jù)的實時采集功能。

基于中心化技術(shù)和大數(shù)據(jù)分布式相結(jié)合的數(shù)據(jù)存儲：傳統(tǒng)存儲方式具有數(shù)據(jù)處理鏈路短，分析、開發(fā)應用周期短的優(yōu)勢。但是在自動化倉儲的場景下多元數(shù)據(jù)結(jié)構(gòu)、海量數(shù)據(jù)讓傳統(tǒng)存儲架構(gòu)變得難以承受。本項目使用企業(yè)級的數(shù)據(jù)同步工具，數(shù)據(jù)中心（IDC）進行同步數(shù)據(jù)加工，實現(xiàn)數(shù)據(jù)中心化存儲；基于Hadoop集群的HDFS實現(xiàn)海量數(shù)據(jù)的存儲；MapReduce和Spark計算框架讓海量歷史數(shù)據(jù)的分析與計算成為可能；Strom、Flink等流式計算框架結(jié)合Kafka的數(shù)據(jù)中間件將數(shù)據(jù)處理與分析的時效性從T+1進一步提升到T+0，讓當日內(nèi)的數(shù)據(jù)分析、診斷和控制變得時效性更高更具有應用價值。

 多時態(tài)數(shù)據(jù)統(tǒng)一計算框架：在無人倉儲場景下要求計算框架滿足多時態(tài)數(shù)據(jù)的計算需要。本項目借鑒了Kappa架構(gòu)的思想，建立了以T+0流式處理系統(tǒng)結(jié)合消息隊列系統(tǒng)為主要計算、存儲框架，兼容歷史批處理任務(wù)的多時態(tài)數(shù)據(jù)存儲計算系統(tǒng)。將批處理任務(wù)轉(zhuǎn)化為具有狀態(tài)的流式時間窗數(shù)據(jù)，按照流式處理范式進行處理。突破性的解決了這一難題。

 基于大數(shù)據(jù)技術(shù)的機器學習算法平臺：算法平臺為X倉儲大腦提供基于業(yè)務(wù)需求的分類、預測等算法與數(shù)據(jù)處理支撐。創(chuàng)新性的實現(xiàn)了實時觸發(fā)式任務(wù)執(zhí)行功能，實時響應數(shù)據(jù)計算需求，調(diào)度資源完成計算任務(wù)并回傳結(jié)果，改變以往只將離線大數(shù)據(jù)計算用于離線數(shù)據(jù)分析、數(shù)據(jù)建模的應用方式。

X倉儲大腦自2018年8月投入應用，在智能物流機器人行業(yè)，提升規(guī)劃、運營監(jiān)控及維保效率高達80%，降低人力成本高達50%，預計每年能節(jié)省22000萬元。應用了X倉儲大腦的京東無人倉，在經(jīng)過近一年的快速發(fā)展后，無論是訂單處理能力，還是自動化設(shè)備的運維能力，都已經(jīng)處于行業(yè)領(lǐng)先水平。

快倉智能倉儲機器人

（1） 國內(nèi)首個醫(yī)藥智能倉儲機器人系統(tǒng)

隨著智能物流時代到來，智能倉儲機器人已經(jīng)被廣泛應用在電商、3PL、零售、傳統(tǒng)制造等行業(yè)，國內(nèi)幾大電商巨頭也紛紛將倉儲自動化智能化推向新的階段?？靷}作為專注于提供具有世界級水平的智能倉儲解決方案的公司，在業(yè)界擁有良好的口碑，更注重在醫(yī)藥行業(yè)智能機器人倉儲系統(tǒng)這個空白領(lǐng)域進行深入研究、探索，此次與國內(nèi)知名系統(tǒng)集成商一起強強聯(lián)手，推出的某藥企智能機器人系統(tǒng)讓醫(yī)藥行業(yè)的智能化不再是“理想化”，加速推動了整個醫(yī)藥行業(yè)智能化發(fā)展進程。由快倉與國內(nèi)知名系統(tǒng)集成商一同攜手打造的某藥企智能倉儲機器人系統(tǒng)，將機器人引入傳統(tǒng)醫(yī)藥行業(yè)，這標志著國內(nèi)首個醫(yī)藥行業(yè)智能倉儲機器人項目正式揭開她神秘面紗。

該系統(tǒng)主要涉及了智能機器人箱揀區(qū)、輸送系統(tǒng)、自動分揀區(qū)，示意圖見圖3.13。機器人箱揀區(qū)的整箱貨物來自高位貨架區(qū)與零箱收貨入庫，主要負責整箱貨物通過輸送線至自動分揀區(qū)出庫與補貨至隔板貨架拆零區(qū)；自動分揀區(qū)主要負責機器人區(qū)與拆零區(qū)貨物進行自動分揀。

 圖3.15 項目示意圖

快倉打造的智能倉儲系統(tǒng)以移動機器人實現(xiàn)“貨到人”作業(yè)方式，在所有涉及到分揀庫區(qū)的業(yè)務(wù)流程中（包括上架，補貨，揀貨，盤點，退貨等），員工都無需進入分揀庫區(qū)內(nèi)部，只需要在工作站等待，系統(tǒng)會自動指派移動機器人將目標貨架運到工作站，待員工在系統(tǒng)指導下完成業(yè)務(wù)后，再將貨架送回到分揀庫區(qū)。這大幅提高了作業(yè)效率，有效降低了人工強度及成本。

快倉智能倉儲機器人不僅完成包括上架，揀選，補貨、退貨，盤點等流程的完整訂單智能履行，同時還與AS/RS，各式流水線+滑道、升降機等自動化設(shè)備完成了高效聯(lián)動，提高整體作業(yè)效率。

相比傳統(tǒng)人工倉，機器人運作效率提升2-3倍，快倉系統(tǒng)單臺工作站揀選效率可達250箱/小時。相比傳統(tǒng)貨架，空間利用率明顯提升。空間利用率提升15%，倉庫儲量提升1.5倍多。

（2） 某服裝企業(yè)智能倉儲機器人

對于服裝行業(yè)，在不斷高速擴張的同時，提高物流效率才能使企業(yè)具備行業(yè)領(lǐng)先的競爭力。2018年，快倉為某服裝企業(yè)部署全智能的“貨到人”機器人倉庫。以提高倉儲的作業(yè)效率，減少人工成本，并在短時間內(nèi)得到投資回報。

該智能機器人揀選系統(tǒng)由一系列移動機器人、可移動貨架、補貨、揀貨工作站、WCS和RCS系統(tǒng)構(gòu)成。以人工智能算法的軟件系統(tǒng)為核心，來完成上架、揀選、補貨、退貨、盤點等庫內(nèi)全部作業(yè)流程，員工只需要在工作站完成掃碼，裝箱的動作即可。系統(tǒng)具有很高的柔性和擴展性，分揀效率可達到14,000件/天。

快倉根據(jù)客戶特殊應用場景需求，針對AGV的使用進行了定制化研發(fā)設(shè)計。本次共部署了20臺AGV，項目從前期溝通到規(guī)劃、研發(fā)、實施，直至最終上線，歷時數(shù)月，實現(xiàn)從原來的純?nèi)斯ぷ鳂I(yè)模式到揀選出庫流程的智能化操作轉(zhuǎn)變。月平均出庫量由原先400萬件增加至600萬件，大幅提升了月出庫作業(yè)效率。

蘇寧物流智能決策系統(tǒng)

蘇寧物流智能決策系統(tǒng)運用運籌優(yōu)化、機器學習和深度學習算法，建立了3個方面的核心新應用，分別為智能網(wǎng)絡(luò)規(guī)劃、智能倉儲和智能調(diào)度，通過挖掘數(shù)據(jù)價值重塑物流運作流程，賦能蘇寧物流降本、增效、升體驗，實現(xiàn)智能物流轉(zhuǎn)型升級。蘇寧物流智能決策系統(tǒng)涉及的人工智能關(guān)鍵技術(shù)內(nèi)容如下：

（1） 智能網(wǎng)絡(luò)規(guī)劃

蘇寧物流智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)，運用運籌學、機器學習算法，搭建4個核心模塊：路由網(wǎng)絡(luò)規(guī)劃和網(wǎng)絡(luò)布局。先對現(xiàn)有的運輸網(wǎng)絡(luò)、倉庫網(wǎng)絡(luò)、分撥網(wǎng)絡(luò)和站點網(wǎng)絡(luò)進行診斷，發(fā)現(xiàn)可以優(yōu)化的網(wǎng)絡(luò)規(guī)劃，實現(xiàn)物流運營層面上的精細化經(jīng)營；再基于運營和時效等數(shù)據(jù)，對新增加的網(wǎng)絡(luò)規(guī)劃進行評估，調(diào)整布局方案，在經(jīng)營效率不降低的前提下，降低整體的運營成本。蘇寧物流智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)的兩大核心模塊設(shè)計到的關(guān)鍵技術(shù)詳細介紹如下：

1、網(wǎng)絡(luò)布局

基于大數(shù)據(jù)和人工智能的智能物流場景下，網(wǎng)絡(luò)布局對物流全流程進行分析。其中，倉網(wǎng)布局包含現(xiàn)狀的經(jīng)營分析和庫存分析、規(guī)劃的新開倉評估模型、選品的鋪貨建議。從現(xiàn)狀到規(guī)劃，對倉網(wǎng)的健康程度進行診斷，輔助倉網(wǎng)的經(jīng)營作業(yè)，為新開倉提供分析模型。

圖3.16 蘇寧物流智能網(wǎng)絡(luò)規(guī)劃示意圖

面向多節(jié)點倉網(wǎng)智能計算技術(shù)：運用大數(shù)據(jù)技術(shù)和運籌優(yōu)化算法，結(jié)合倉網(wǎng)的銷售數(shù)據(jù)、經(jīng)營數(shù)據(jù)和實效，進行優(yōu)化求解，給出分析結(jié)果。

2、運輸網(wǎng)絡(luò)規(guī)劃

在物流和快遞運營中，運輸成本和中轉(zhuǎn)成本是總運營成本的主要組成部分，而網(wǎng)絡(luò)和路由的設(shè)計決定了運輸成本和主要中轉(zhuǎn)成本的高低，也決定了服務(wù)時效的快慢。過去車輛線路、路由的規(guī)劃基本依靠人工經(jīng)驗，但因為分撥中心數(shù)量較多，貨量結(jié)構(gòu)較復雜，可規(guī)劃的各種線路和路由組合可能性非常多，所以單純依靠人工經(jīng)驗判斷很難實現(xiàn)全局最優(yōu)。另外，考慮市場環(huán)境的變化，貨量是在不停波動的，所規(guī)劃的車輛線路和路由需要及時調(diào)整才能保證和提升服務(wù)質(zhì)量，減少成本的浪費。而僅依靠人工很難及時且精確地捕捉到貨量變化而所需要優(yōu)化的點，進行相應的規(guī)劃優(yōu)化和調(diào)整，因此，蘇寧開發(fā)了運輸網(wǎng)絡(luò)規(guī)劃系統(tǒng)：

 

圖3.17 蘇寧物流智能網(wǎng)絡(luò)規(guī)劃系統(tǒng)示意圖

運用啟發(fā)式算法完成路由推薦功能：基于現(xiàn)有線路和班期規(guī)劃，推薦多種路由，可根據(jù)實際業(yè)務(wù)需要選擇最合適的路由發(fā)運。

運用精確求解算法實現(xiàn)全網(wǎng)路由規(guī)劃：通過調(diào)整輸入未來貨量、以及未來備選中轉(zhuǎn)場，可測算未來貨量和分撥中心下的分撥中轉(zhuǎn)貨量，為分撥中心的新建、擴建提供支持。

（2） 智能倉儲

倉儲管理存在商品種類多、庫存量大、作業(yè)量大、決策環(huán)節(jié)多等特點，任何一個環(huán)節(jié)的決策結(jié)果都將影響到最終的作業(yè)效果。針對倉儲管理的這一特點，蘇寧通過人工智能技術(shù)與作業(yè)場景的深度結(jié)合，建立了倉庫管理的一體化解決方案。該方案覆蓋庫內(nèi)布局-上架-補貨-調(diào)倉-理貨-揀選-包裝7大作業(yè)環(huán)節(jié)的算法體系，提供評估-診斷-建議再評估的閉環(huán)反饋服務(wù)，對倉庫利用率和作業(yè)效率的提升效果明顯。

圖3.18 蘇寧物流智能倉儲體系示意圖

（3） 智能調(diào)度

智能調(diào)度包含干線運輸?shù)能囆屯扑]，支線運輸?shù)能囕v路徑規(guī)劃和末端的攬配訂單分派，借助人工智能技術(shù)，實現(xiàn)物流運配環(huán)節(jié)車輛、人員、設(shè)備等作業(yè)資源的協(xié)調(diào)統(tǒng)一，使作業(yè)效率最大化。

針對訂單分配的智能算法：通過歷史訂單信息，運用機器學習算法，對配送區(qū)域、快遞員和客戶進行畫像分析，將訂單分配給最合適的快遞員，優(yōu)化快遞員和客戶的體驗。

針對車輛調(diào)度的智能算法：結(jié)合現(xiàn)實場景下的各種限制條件和管理決策需求，運用運籌優(yōu)化算法，對運輸線路的車型和車輛路徑進行優(yōu)化求解。

 

圖3.19 蘇寧物流智能調(diào)度體系示意圖

中通智能寄件桶-小藍桶

隨著AI技術(shù)的發(fā)展，無人自助智能設(shè)備將是未來公共服務(wù)基礎(chǔ)性設(shè)施，當下快遞服務(wù)已成為人們?nèi)粘Ｉ畋夭豢缮俚牟糠?，而貼近人們服務(wù)的收、派兩端無人自助智能設(shè)備的植入已成為必然趨勢。中通快遞順勢推出無人自助智能設(shè)備寄件桶小藍，可以很好的解決目前寄遞服務(wù)中三端存在的一些問題，用戶端：不可控的等待，等待快遞人員上門取件時間長，等待成本高；無法滿足夜間寄件需求；快遞員上門攬件，隱私和人身財產(chǎn)安全存在風險。快遞網(wǎng)點端：隨機取件成本高，人難招，員工流失率高?？爝f員端：上樓服務(wù)時間成本高，效率低。

中通智能寄件桶小藍采用物聯(lián)網(wǎng)、互聯(lián)網(wǎng)相結(jié)合的基礎(chǔ)技術(shù)，結(jié)合快遞用戶寄件的應用場景，用戶通過手機APP注冊操作控制設(shè)備自助完成寄件。并采用超低功耗藍牙通信技術(shù)，最大程度的節(jié)能降低落地推廣的成本。該系統(tǒng)主要包括：智能控制系統(tǒng)、智能電池管理系統(tǒng)、手機APP、云端后臺管理系統(tǒng)。

圖3.20 中通智能寄件小藍桶系統(tǒng)示意圖

其主要包含的創(chuàng)新點及人工智能技術(shù)有：

寄件模式的創(chuàng)新

從下單、結(jié)算、投遞整個寄件過程用戶只需一部手機并在1分鐘內(nèi)全部搞定，無需等待。并可實現(xiàn)7x24小時隨時隨地寄件。

去電去網(wǎng)

現(xiàn)有的快遞柜采用接場電供電、4G通信控制的模式。存在落地成本高、場地限制影響大、后期運維成本高等問題。小藍桶采用太陽能電池供電技術(shù)和超低功耗藍牙通信技術(shù)。太陽能供電可以讓“小藍桶”無需接場電，安裝不受場地限制，落地推廣成本低，且節(jié)能環(huán)保；超低功耗的藍牙通信可最大程度的節(jié)能確保設(shè)備使用的持久性，用戶手機APP與“小藍桶”通過藍牙建立通信后并通過用戶手機的GPRS傳輸數(shù)據(jù)，“小藍桶”自身無需接網(wǎng)。

智能派單

系統(tǒng)結(jié)合大數(shù)據(jù)分析、智能定位、快遞員其它的任務(wù)單計算合單處理智能分配業(yè)務(wù)員，實現(xiàn)業(yè)務(wù)員定時、順道等取件，最大程度的提高工作效率，降低運營成本。

圓通速遞智能語音客服

目前企業(yè)所用的智能客服系統(tǒng)普遍用于業(yè)務(wù)解答，系統(tǒng)的開發(fā)模式主要基于企業(yè)的知識庫，采用關(guān)鍵字匹配來推薦答案，這種方式雖然直接，但其實沒有很好地考慮到客戶的提問習慣。基于語音識別、自然語言理解等AI技術(shù)派生出了智能文本客服系統(tǒng)、智能語音客服系統(tǒng)，如全天候客服機器人、智能語音質(zhì)檢、智能外呼機器人等產(chǎn)品。圓通速遞的智能語音客服系統(tǒng)能以結(jié)構(gòu)化的語言讀取信息，在客戶自然語言和計算機結(jié)構(gòu)化語言建立了一定的機制做好翻譯工作，從而全面提升了客服的工作效率。圓通速遞的智能語音客服系統(tǒng)主要的應用場景有：

（1） 智能在線機器人客服

圓通速遞在2017年開始相繼在官網(wǎng)、微信等渠道上線國內(nèi)版智能在線機器人客服，代替或協(xié)助人工在線客服完成客戶服務(wù)工作，一定程度上解決了客服用工成本高、服務(wù)時間難以滿足客戶需求的問題，從而節(jié)省人力、降本增效。

2019年國際版等智能在線機器人客服上線投入使用，該項目是圓通速遞與上海大學人工智能團隊開展的產(chǎn)學研合作的代表，雙方組建了技術(shù)研發(fā)團隊，目前已在機器人識別及語義理解等核心算法方面取得顯著成績。綜上，智能在線機器人客服累計總接單量近5000萬單，平均應答率超過90%，智能在線機器人采用基于規(guī)則統(tǒng)計和深度學習相結(jié)合的先進技術(shù)，實現(xiàn)精準的意圖捕捉、情緒識別、情感分析后的多輪交互，給客戶帶來親和又新奇的服務(wù)體驗。該項目獲得了2018年度郵政行業(yè)科學技術(shù)獎三等獎。    

在線機器人客服處理流程：

圖3.21 在線機器人客服處理流程

（2） 智能客服語音呼入

2018年圓通速遞上線智能下單業(yè)務(wù)和智能查詢業(yè)務(wù)。通過呼叫中心平臺將客戶電話轉(zhuǎn)接給語音機器人，機器人通過ASR、NLP、TTS等語音技術(shù)實現(xiàn)與用戶的語音交互，從而減輕了話務(wù)員的用人成本和業(yè)務(wù)壓力，并能夠?qū)崿F(xiàn)全天無休的服務(wù)，極大提升了客戶體驗，2019年又上線語音門戶，實現(xiàn)從客戶電話進來，全部智能客服語音機器人接待，智能語音機器人上線一年多來服務(wù)總量近千萬，日均服務(wù)量超30萬。該項目獲得了2019中物聯(lián)科技進步獎二等獎。

智能客服語音呼入機器人基于科大訊飛與物流信息國家工程實驗室成立的聯(lián)合實驗室，以語音智能服務(wù)領(lǐng)域為切入點，雙方已共同發(fā)布了智能語音機器人，考慮到快遞物流客服管理往往面臨“三高兩低”的經(jīng)營態(tài)勢，即運營成本高、培訓成本高、員工流失率高和客服效率低、客戶滿意度低。該應用深入挖掘快遞物流客服需求點，針對查件、催件、下單等29個業(yè)務(wù)場景，構(gòu)建智能化知識圖譜體系，實現(xiàn)了上下文關(guān)聯(lián)，意圖推理，文本糾錯效果的大幅提升，通過此項目的施行，合作方物流信息國家工程實驗室提前完成了智能客服平臺示范建設(shè)。

圖3.22體現(xiàn)呼入機器人下單流程

（3） 智能客服語音外呼

2017年圓通速遞與南京郵電大學開展了關(guān)于物流行業(yè)的人工智能產(chǎn)學研合作，基于ASR、TTS、NLP等AI技術(shù)，雙方就智能語音外呼方向的應用展開了深入研究。經(jīng)調(diào)研分析，首先從催收和號碼驗證場景開始。

自上線使用起智能語音機器人累計呼出近50萬次，2019年中期推出了智能小秘機器人項目，覆蓋了15個業(yè)務(wù)場景，解決了大量重復工作，有效提升了服務(wù)質(zhì)量及工作效率。