干货 | 自动化、智能化如何驱动驱动新物流发展？（附PPT）

作者 | 靳忠祥

来源 | 物流沙龙

编者按：

新零售与消费升级背景下，物流行业正在悄然发生变化，在此过程中，大数据与科技将发挥无与伦比的力量，在未来，物流行业将以新的模式、面貌发展演变，给物流运营带来丰富的想象空间。

Geek+自动化事业部总经理靳忠祥，围绕智能机器人助力新零售物流升级发表了演讲。主要从新零售物流难点和痛点、新零售物流应对策略、新零售物流案例介绍、价值与优势等几个方面进行阐释。

 演讲嘉宾：Geek+自动化事业部总经理靳忠祥

（本文根据11月17日由物流沙龙举办的“新物流新模式新技术研讨会深圳站””现场录音整理）

我今天想做一个简单的分享，把这一两年之内的案例，以及对行业的思考，包括行业中总结的痛点做挖掘。

整个行业的发展趋势

物流有一个概念是新零售、新物流。这个新零售和新物流，对整个物流行业里面有什么样的新要求？有什么样的新问题和痛点，需要我们去深入思考和挖掘？我们做一些梳理和总结。

1）发货量波动性

双十一的时候，全国有8个仓用了我们的设备。整个发展是非常快的，下面这张图中是一年中的数据，从开始到中间有很高的峰值，可以有7到10倍左右。不论是人员、设备和流程都需要考虑峰值和均值的关系，甚至是谷值的关系，如何适应这个变化，从而实现柔性的拓展。

其次是商品的品规上，以服装行业为例。有一个客户夏天发的是T恤，同样一个物流容器里面可以装20、30件，冬天发羽绒服可能只有6件、8件。由于品规的变化，仓储的物流容器，包括设备，还有人员里面的配置都需要应对这种变化和要求。

2）多仓联动，快进快出

我们认为现在的物流发展方向已经越来越强调仓的进和出的功能和能力，而不是强调存储业务。整个仓，不论任何一个企业，不论是零售还是电商，还是其他的公司，他们一定是有整个网络体系的，怎么实现跨区域的发货，怎么实现跨区的配置，仓间调拨？

菜鸟在做一个提前的预测，通过大数据来挖掘每个地方、每个仓的发货能力的水平，从而提前做好准备。武汉仓可能现在需要翻5倍，成都仓只需要3倍，就需要设备的柔性，在不同的仓之间调配。所以机器人也要适应这种预测上的要求，在仓与仓之间调拨，不仅是货物的调拨，还有设备的调拨，从而适应动态发展的需求。

3）多渠道多场景兼容

这么多的功能需要在一个仓里面完成，而且定单又有不同的特点，如果是门店，一个定单大概是18行、20行，甚至大的有50、70行，如果是小门店可能是十几行的规模。电商的是一个定单一点多行或者是两行，所以一个仓既要能够发小定单，也要能够发大定单。这样仓里就非常复杂，我们就要实现铺货、补货等等都要适配。甚至是季节上的变化，导致我的货柜需要释放和调整，都需要我们考虑。

4）新零售物流应对策略

新零售上就有以上的问题，包括了波动性、多仓联动和仓里面的多仓兼容。这几个点是需要我们应对和解决的问题。那么，有什么样的应对策略呢？

我们认为有几个方面：

首先是一定要能够快速的实施和部署。因为促销，包括时间要求非常高，我们能够实现快速把一个仓从空仓变成一个自动化的仓，就有时效上的要求。

第二要有柔性、灵活性和拓展性。不能说现在可以做10万件，10万件以上就不能做，那就不行。最后还要考虑整个仓的功能，不仅仅有打包，整存、拆零。

最后是动态变化，适时的切换，当需要大促的时候有大促的流程，大促完了之后有日均的流程来适应日常的情况。而且品类不断变化，可能今天做服装，明天做化妆品，后天做3C，产品变，整个货架和逻辑都要改变。来适应整个业务的形态变化。

所以我们认为今后的物流需要在以下4个方面着力发展，改善这些环节，我们分享一个解决方案。

很多的场景，很多公司都在关注减少人员的行走，但随着品规的不断增加，人员的行走会大大的影响效率，整个仓会铺海量的SKU，整个人员会用一半的时间行走和寻找商品，这是我们关注的点，也非常的顺理成章。

还有一个点是我们忽略的，就是波次的点。之前我们往往是做一个大的波次，希望能够通过一个逻辑或者是通过一个定单上的匹配策略，把整个任务分到不同的人，这个人根据任务单来选总量，再到一个地方核单。

这里有时间的浪费，一个是组合，第二个是人的捡货时间不同步，定单非常多的时候，每个分区单独作业，可能1号区里面的人已经做好了，2号区还没有过来，需要等待时间。第三个是波次的释放和核单时间。这里也是时间的损失，也是需要关注的。因为你的波次是一波波做，所以时间上就有一定的浪费。

我们就做一个总结，如果你的定单，SKU比较少，面积也小的话，你的行走路线可能没有那么长，就可以实现按定单进行拣货。当然现在的仓场面积越来越大，可以做到按波次，这个时候就有等等的因素影响时效。

第三个是连续拣选，可以实现实时处理，不论定单怎么增长，不论SKU怎么变化，我这边永远是连续的作业，没有等待，适时优化。

那么，怎么做这个工作呢？

这边是分配逻辑，系统里面有一个大的任务池，这边是定单任务池，下边是不同的工位，不同的人员拣货，根据不同的任务规则，把每个格子里面做定单集合，一旦一个定单完成，就再找一个定单马上分配过来，实现连续作业。这边有不同的规则。

如果我去分配的时候，会在剩余定单里面寻找相同的订单往这边匹配。如果SKU都没有重合的情况下，我会到这边往这边匹配，通过这个逻辑实现整个负载均衡和连续作业。

下边是一个实例，如果已经分配好了这些定单，并入这些货架，就会把这些货架和工位建立联系，同时这些货架和这些工位联系。联系完了之后，随着货架的搬运，你会往下流，这个时候就一边货架还没有到这个工位上来，但是我已经分配好了。我就把这个任务直接分配过来，这样就实现了一边作业，一边分配，没有任何的等待，没有任何阻隔的时间，做到了实时流入，实时拣货，实时匹配，从而优化了搬运的效率。

我们认为仓里面最复杂的是这个环节，这里面有很多解决方案：包括人工仓里面加人员行走进行作业，可能还需要人员的行走，但是会有一个波次的时间，投入相对少，但是柔性上也碰到一定的问题。也可以做全自动化的方案，加非常密集的存储，这样可以实现优化存储，但是还是主波的逻辑，还是有一些问题。第三个是方案和投资额比较大的，很难拓展。最后我们认为机器人方式可以实现优化行走路线，没有波次概念，连续作业，最后投资和柔性可以灵活应对场景的变化。

这里有一个典型的解决方案，通过梳理发现这个方案是比较好的点。

第一是模块化的场景，整个这个区域里面是一个无人区，全部是机器人和货架的穿行。这个货架里面有两种，一种是可以直接对整箱进行拣选，适用于门店业务。这边是拆零货架，这一侧做电商业务，这边做门店业务，而且可以切换。如果是定单量比较多的时候可以全部做电商业务。这边是无人区，机器人把货架进行批量的搬运，如果需要打包，人员拣完之后上生产线打包，打包之后到楼下进行核单或者是分波，通过这个场景实现了门店发货和电商发货的兼容性。

这边是不同的效果图，这边是门店作业区，这边是电商作业区，这边是串联。

看一下这个方案的价值和优势

第一，峰值无忧

一个方案好还是不好，就看峰值期行不行。平常2万件，需要配制7个工位，30个机器人。到4万件的时候，工位9个，机器人40个。大促的时候7万件，机器人90台，工位14个，大促过了时候到谷值。通过增加机器人，通过调配工位的数量来实现全年各种场景的兼容性，从而实现了峰值、谷值的兼容。

第二，快速实施

一个方案从开始进场到给客户交付需要多长时间。第一周，强弱电二维码。第二周机器人到场，货架安装，两到三周之间完成货架的组装。第四周是现场培训加系统调试，第五周开始系统上线做爬坡运行。从开始入场到给客户交付，35天完成整个部署。这是我们一个6千平标准仓的客户，在武汉的鄂州。直接过来之后就上双十一的大促。

可以体现多渠道零售，门店业务和电商业务在一起兼容。整个方案中的布局是非常模块化的，没有什么差别。但是算法和逻辑是很复杂的，通过改这些算法和逻辑来适配不同的业务形态，但是解决方案中的硬件是完全标准化的。软件是复杂的，但是硬件是标准的。

方案中的优势，我们做过对比：

存储能力提升。因为机器人的货架是2.4米的高度，隔板货架一般是1.8到2米，同时可以做分散存储，所以可以提高整个存储密度，也不需要主通道。一般情况下可以提升35%到40%的存储密度。

节省人员。整个方案中比平常的拣货能力一般是3倍左右，以前可能需要100号人，现在可能只需要30号人就可以完成这个拣选任务，所以定单量越大，对人员的节省是越明显。通过这种方式减少人工，从而提高效率。

柔性切换，这个方案中的各个点都要随需而变，不要因为某个场景限制了发展。可以通过对货架的调整，比如说这边是做化妆品的，只要把层板拉掉就可以了。SKU不断变化，货架可以任意组合适应。工位上的人，多功能工位，可能早上是入库上架，重物、下午检货，晚上盘点，一个人可以干多工种。根据这个作业要求匹配不同的功能，从而实现整个效果。

第三，柔性拓展

把整个方案中通过增加工位，通过增加机器人数量来应对波峰和波谷的需求。而且这个图里面是热力图，越是热销的商品会自动的移到前端，以减少整个搬运的距离和减少货架搬运的次数。如果越呆滞的就会移到后面去，通过促销的节拍自动调整，不需要人工介入。同时也可以通过增加机器人的数量来应对峰波谷的要求。

我们公司是专注于机器人在物流中的应用，为客户和甲方带来价值。我们在国内外实施了很多个项目，看一下联华的案例，他们做的新零售的场景，这边有B2B的，也有B2C的。电商区是今年刚刚做的一个项目，这样就实现了多渠道零售的全仓业务。

这边是日本的项目，这个项目是叫做多分区联动，可能这边是防火墙，一方面是实现了消防分区和机器人联动，一旦消防发生，会全场急停。机器人可以穿过防火墙在里面搬运，这是跨区的联动方案，在国内和国外非常典型的应用，而且是一个创新的点。

我的分享就到这里，谢谢大家。

此文系作者个人观点，不代表物流沙龙立场。

 END