人形机器人在快消物流的应用杂谈

最近人形机器人成为最热门的话题，技术进步超出想象。而机器人说到底，也在自动化替代人工的范畴内。人形机器人的出现和进步，逐步渗透到供应链里头的物流领域，尤其是仓内作业领域。

自动化取代人工的时薪门槛下降

作为行业人士，从快消物流角度，我有如下思考关于过去行业内讨论的两个话题。

一是判断仓库自动化程度的标准是什么。过去有不同说法，但是无非在高度，中度，或者部分环节等无法量化的措辞。我是倾向用工时对比，或者费率构成两个指标来看。

自动化程度：自动化设备工作工时可以取代的人工工时（不是设备工时，是设备可以替代的人工工时）/全人工环境下的总工时。总工时中，需要包括设备维修维保人员工时。

用费率看，是上述工时更换为财务指标。因为不同环节人工工资不同，所以两者公式一样，但是结果不同。工费用中，需要包括设备年度维保维修费用。

简单粗暴划分的话，如果上述指标如果大于60%，可以认为是进入自动化的仓库，60%-80%是高度自动化。实践中估计很难出现超过95%的全无人仓库，或者说达成这种程度的仓库，往往会以牺牲上游的成本和下游的利益来配合本环节的自动化程度指标。

二是之前和同行在讨论自动化取代人工的时候，我一直有个观点，就是人工到了50元时薪的时候，物流行业（特指仓内）才可能出现大规模自动化替代人工。现在看来可能用不了50了。技术进步和用工环境的变化改变了这个数字。

制造端，销售端，供应链端的机器人应用

现在看各类广义定义下机器人的应用，从全产业链看，可以分成制造端，销售端，供应链端三个板块。

机器或者机器人替代人，制造端已经受益很多了，应用最大。

1.人工工资在三端之间处于中等。

2.目前制造端模式少部分是工作岛装配模式，大部分还是流水线模式，工人不用走动，只用考虑上肢的动作。

3.因为流水线制造端的作业对象，往往是标准的半成品，处理的批量很大，不会随时进行更换，所以处理的对象相对是固定的。

4.对应的，人工需要完成的动作，已经被过去多年的实践，严格分解成了标准动作SOP，所以一个低成本的机械臂/手，就完全可以完成人工的替换。

销售端，或者从事销售业务机器人，因为如下情况、注定了大规模应用场景有限。目前更多是无人服务等轻度，少接触，标准化的场景，也可以理解是客户有目标的购买行为，类似一个执行客户的采购行为。

1.销售端人工工资成本最高。

2.场景变化非常大，商业模式变化也非常大。尤其电商网购开始后，销售模式变化对随机应变的能力要求非常高。

3.安全性要求高。需要在不同空间内频繁和客户互动，包括避让其他人。

4.恐怖谷反应：人类对机器人天生的一些排斥。至少在完全类人化之前，需要技术努力爬出恐怖谷。

5.家庭用机器人，因为工作场景有限，其实更加像供应链端的人形机器人。还不能算销售端。

供应链端（包括制造端的辅助工种），或者部分狭窄领域的作业，需要四肢协调工作的。

1.劳动力价格相对两端来说最低----增加了机器替代人的难度。

2.过去的各类工具场景，都是基于人类使用的前提；和流水线的前提不同。

3.作业场景变化介于上述两者之间，更多是在四面墙以内的环境，面对货架，叉车，商品，各种工具等等，处理的动作任务包括收发存退等等。上述作业环境、作业工具和作业任务三个维度交叉起来，就是多种组合了。因此需要人工移动，上下肢协同。

4.因为小单快反模式，所以作业对象又是多种多样并且随时变化的，需要人眼不停进行识别、互动，以及团队之间进行必要的配合。

5.这种场景下，单一机械手/臂，或者只有上肢的，比较难以应付。

如下以用工比较多的鞋服行业为例：

(1)即使部分仓库实现货到人场景，也同样需要人工在料箱内进行识别和分拣。

(2)鞋服行业女装退货60%，男装高于20%。在退货场景下处理的是单件服装，兼有质检功能。消耗的工时占据了物流内部工时的一半以上。同时质检功能有一定的专业性，知识的及时传达，分享非常重要；面对不同货主不同的质检要求，需要快速切换质检标准。

(3)揽收完成后（完成消费端和平台要求），退货在仓内处理的时效性对比新品发货，时间充裕，更加有利于发挥机器人长时间恒定工作的特点---毕竟正向发货有时效要求，必须在特定时间内，投入大量资源完成。高峰过后则是资源浪费。退货无疑是相对恒定的工作量。

(4)按照鞋服行业退货人工，熟练带质检能力的工人年薪10万测算，年度有效工时是12月*26天*9小时=2808小时，折算全时薪是35.6元。人形机器人按照两年回本，那么是20万一台，年度工时按照12月*30天*20小时（假设4小时维保及更换电池）=28元/工时。

因此，人形机器人如果要在供应链领域进行应用，从人工消耗比例最大的行业和环节入手，鞋服等快消行业应用的话，那么鞋服退货行业是完全可以进行试水的行业。

例如以常规的鞋服退货标准来推测作业场景：

前提是产品设计或者质检部门，将新品服装各个视角的3D视觉资料，导入数据库中，作为后期判断的一个参考。

一，退货通过流水线传送过来，不用下肢移动，退货整理动作可以在一个工作台上完成。因为只是考虑上肢，那么供电系统都可以在工作台附近部署，降低成本。有4个上肢，AB是承担简单的任务，CD是灵巧手，承担更加灵活的工作。

二，机器人用AB双手提起一件衣服，先抖一抖，确认有什么零碎或者附件。

三，通过3D视觉系统采集，完成正反两面的视觉扫描检查，判断出污渍或者破损的位置、大小、深度，对照事先植入的新品服装标准，通用质检标准，以及对照本公司其他的案例库（包括质检员工人工制造的案例），来判断是否可以让步，还是需要进一步处理---这步非常重要。因为传统模式下完全依靠质检员个人的素质来评估。在数量效率的绩效压力下，实际质检标准因人而异，因考核而异。也是后期造成二次客诉的主要原因。

四，掏兜。通过3D视觉采集判断、结合之前输入的资料库，判断出口袋的位置。因为之前有口袋的角度和深度数据，第三、四只更加灵敏的、带有触觉系统的灵巧手CD可以完成这个动作，确认口袋内没有异物。

五，AB手放平展开衣服后，CD灵巧手完成摸的动作---这步难度比较大，尤其是判断哪些是异物，哪些只是扣子，绳结，附件等等造成的凸起。不过从实操角度看，如果上述执行了抖一抖的动作后，这个摸的动作也可以优化。或者最低限度，也可以通过人机配合来完成；毕竟后续的叠衣服、小心打开塑料袋、装衣服进塑料袋、封口这些动作，还很难用机器人熟练高速完成，或者说性价比比较低，机器人的时薪会高于人工。

上述各项任务的核心，一是机器人的视觉系统，尤其是具备了3D视觉系统的机器人。过去平面视觉机器人无法判断一个阴影是褶皱，还是污渍，还是被光线遮住的一个点，通过3D视觉可以很好的完成这个任务；同时其他任务也多是建立在3D视觉的基础上完成的。

二是海量的数据库和案例收集，这点和各行各业的核心都是一样的，用作投喂机器人的学习资料。

鉴于人类90%对外界的感知是通过视觉完成的，并且从上述分析也可以看出，3D视觉，不是传统的平面视觉，可以说是各类互动动作的基础。

专业人才是实现ROI最佳的关键

人形机器人应用场景很多，如何才能从ROI最佳的应用环节入手？

简单来说，在实际替代中如果进行匹配的话，那么左边一列A是，按照SOP和业务场景等多种因素分析组合，对各个组合内的价值或者成本，进行从高到低依次排列；右边一列B是技术难度或者投入。最后按照A/B的大小依次进行排列，决定顺序或者取舍。可以看出，能完整分析完A列各类要素组合并排序的管理专家人才，是这个对比的关键因素。