不抄美国作业，中国仓储物流如何靠机器人实现转型升级？-电子工程世界

来源：＠首席数智官

hello 大家好，我们是首席数智官，研究产业数字化已经10年。

在长期的工作中，我们一直试图寻找「新品牌是如何借助数字化技术实现快速崛起」的答案。

为此，我们走访了大量知名企业，与上千位技术专家、创业者、前辈同行等一线精英们交流学习，看他们是如何利用数字化技术来创造新的商业机会，打造新的爆款产品。

我们希望把这些技术影响商业创新的案例分享给你们。

关注我，每天给你讲一个商业案例。

今天我们来给你讲讲，中国的仓储物流如何实现数字化转型升级？

在我们最为熟悉的电商购物场景中，物流配送问题一直是牵动消费者购物体验的关键一环，在这一关键中，机器人正在其中发挥着至关重要的作用。

中国物流配送的第一环是仓储。近日，我们邀请了Syrius炬星创始人兼CEO蒋超进行了题为《新消费时代，中国仓储物流如何升级转型？》的线上分享，主要分析了当下全球仓储物流升级的核心矛盾以及中国仓储物流产业的真实痛点。

蒋超谈到，在中国仓储物流升级的历程中，不能照搬复制海外经验。今天的中国仓储物流需要一款新的生产工具，并且这一缺口巨大。

另外，中国物流和供应链最大需求是实现柔性。柔性要求仓储环节准确地捕捉前端变化，在当消费者的需求产生变化后对变化迅速做出响应。

以下：

01 中美仓储物流环境的差异

过去10年到15年期间，中国的传统电商发展飞速。目前，传统电商方面标准的服务模式讲究“次日达”，即前一天晚上11点之前下单，隔日上午11点送达。

但在四五年以前，新型零售形式被提出，中国的仓储物流产业迎来了服务升级。生活中的买菜网站、团购网站甚至是同城购物网站实现的半个小时送达让消费者对整个物流产生了新的需求。

为了做好用户体验和应对近年来频率不断增加的电商购物节等极端场景，仓储物流环节的参与者不得不在成本和效率上进行仓储物流升级。

但是用户体验、成本和效率一直是制约仓储物流的不可能三角。今天的仓储物流升级的本质是成本与效率的博弈。

过去Kiva System是主流的解决方案之一，目前在美国已有超40万台的部署量，该企业后来也被亚马逊收购。

在2018年前后，很多机器人厂商看到了这样的明星投资案例后也入局开发，一部分专注于仓储物流的自动化解决方案和数字化解决方案的明星机器人产品出现。

但是，类似于Kiva System的系统并不真正适应中国市场，“消费者对用户体验日益增长的美好期待”与“难以控制的物流成本和难以预期的时效”的矛盾仍未被解决。

为什么不能照抄美国人的作业？大背景上看，中美之间物流、电商领域的生态并不相同。

首先，美国处于产销分离状态。

大部分的消费品制造地在亚太地区，再通过海运输入到美国。美国旧金山港、长滩港两大港口承载了美国所有商品40％的运力。这些商品进入到美国之后通过仓储作为节点进行下一步分发。

以仓库为节点构成的销售体系导致美国的物流流向基本都是单向的。从某一个点到下一个点，最后直达消费者。

其次，中国的模式是产销一体。

客户仓库的特点是小面积、分散经营。

中国电商的主要履约形式是从厂门口到家门口。举个例子，过去服装大部分是从档口出来就直接送到消费者的家庭中，这中间是没有任何仓库体系的。

但随着时代的发展，中国的仓库体系也逐渐建立了起来，他们追求的是履约效率优先，即货物不是在仓库里面存储，仓库其实是用以辅助实现物流履约的作业场所，比如在仓库中实现贴标签、装车、物流分发等。

简单来说，这种输入性的仓库不追求存储效率，而是追求迅速出库。

因此，我们应该去建设一个能够服务于中国客户履约需求的新仓库体系，去服务新兴的消费场景需求，如解决SKU多且分散，数量、时间无法预测以及电商促销旺季产生波峰进而影响仓库整体调度等等难题。

那么到了2018年再去做仓储物流机器人还来得及吗？其实我们面临着三大方面的现实阻碍：

仓库基础设施建设的热潮已经消退，客户大笔投入的热情减小，希望改造仓库的人越来越少了。

其次，市场教育基础薄弱，当下大部分的仓库工作场景还是以人力为主，客户在面对机器人的解决方案时是有所怀疑的。

最后，我国人力资源成本长期处在低水平，对于客户来说一次性投入很大、回本周期长的机器人是算不过来账的。但是机器人是新科技，不得不保持高毛利的发展。

02 为什么中国仓储物流机器人不能照抄美国作业

那么有没有可能改造一下Kiva System，让它去适应中国的市场呢？

答案是否定的。Kiva System有四大方面局限性

一、要求持续地高投入，扩展性低。

首先，Kiva机器人进入仓库的时候，需要对基础设施进行大规模的改造，部署昂贵且每次升级或扩展都耗时耗力。

其次，单个项目复制性差，因为大多数仓库从布局结构到人力资源状况和作业流程都是不一样的，难以实现移植复制。

最后，完成部署后才能实现产能固定，无法随时响应供应链末端需求变化。当消费端发生变化时，Kiva方案难以快速对消费者的需求做出响应，进而就无法提供好的用户体验。

二、仓储环境大幅制约实际使用。

Kiva方案的机器人对周围事物的感知能力非常有限，只能在没有人的独立环境中进行作业。另外对环境要求很高，需要仓库环境保持高度清洁、整齐、有序的环境。

三、难以高效利用垂直空间。

Kiva的机器人是紧贴地面操作的，无法覆盖阁楼货架的工作。当面对高层管理的时候，高载需要稳固的夹层支持，提高成本。另外在各层之间移动的时候需要昂贵的垂直电梯，进一步提高了成本。

四、信息流不透明，形成“黑盒子综合症”

各家厂商在做机器人系统时，其实是多个机器人在一起工作的。

为了避免每两个机器人之间的碰撞等，各家厂商会自行设计机器人控制系统（RCS，robot control system）去控制和调度自己的机器。但是机器人的控制系统是每个机型厂商自己制作，实际上就是一个黑盒子，无法与仓储管理系统WMS无缝整合。

结合不好的结果就是数据上的差异，不仅无法实现好的仓库管理，也做不好机器人的运动的排期。另外，当储存遭到破坏后，信息无法从他处获得，会极大影响仓库的管理。

在看到了这么多问题之后，我们得到的结论是，今天中国仓储物流行业一直存在一个需求——中国仓储物流行业需要新的生产工具，并且这一缺口巨大。

市场的确需要一款全新的机器人。因此，我们在2018年经历了数月调研后，我们几个创始人选择在这样全新的机会下，去尝试创造一款新的工具——一款全新的仓储物流机器人，来解决中国当下面临的这些问题。

03 中国仓库需要怎样的仓储物流机器人

中国物流和供应链最大的需求是什么？

柔性。

我们怎么定义柔性？在我们看来，柔性指的就是对消费者的需求变化，做出积极调整所需要的时间的倒数。

当消费者的需求产生变化之后，供给端对变化做出响应的时间长短，代表了柔性的高低。

所需要的时间越短，供应链的柔性就越高，如果所需要的时间越长，供应链的柔性就越低。

实际上，我们很难在短时间之内讲清楚消费者到底需要什么样的消费商品。基于市场风向的变化，消费者的决策变化是非常快速的。

当我们无法对这样的变化做出预测时，我们能想出来的办法是什么？

其实是准确地去捕捉前端的变化。也就是当消费者端出现变化时，我们迅速地对变化作出响应。

总结一下，我们在尝试从感知和适应环境能力，决策和多机协作能力，节约基础设施投入，全流程覆盖，高环境适应性，高可扩展性，信息透明，0学习成本等方面去打造一款全新的产品，以实现产能之柔、流程之柔和数智之柔。

结果上看，我们的机器人在电商履约场景、跨境电商场景和医药场景能够提高2～5倍的效率，减少50％的人工的行走，实现99．99％的工作准确率，1天内不改仓部署。

下面具体分析一下我们是如何实现三大柔性需求的。

·产能之柔

主要是利用AMR即开即用，可随业务波动灵活增减，动态调度AMR群组，以确保产能分布均衡。另外RaaS的模式也是按需订阅，弹性扩容。

·流程之柔

主要应用开发便捷，AMR快速涨技能。目前我们正在将SDK与SPI开放出来，提供给第三方的开发者来给进行开发应用程序。一机多用，可以混合编排、切换作业流程这个点非常重要。比如说上架和出库要同时进行的话，虽然需要两个不同应用程序，但两个应用程序可以混合编排或切换作业流程。最后是无缝对接管理系统和IoT设备，实现高效协同。

·数智之柔

工业4.0强调的是用数字化、数据优化的方式让整个生产制造流程变得可控、可预测，以提高整体作业效率。

我们在供应链领域也有同样的思考。我们希望通过更多的数字化形式把效率提升上去，比如迪奥的口红突然火了，那仓库需要马上出库迪奥口红，但如果过程中有人为介入和人工确认环节，那供应链后端的速度就会降下来。

但如果用比特的方式直接跑到机器人上去，履约的过程就会变得非常快。

因此，我们要通过几个点能让这个过程加速转动起来。

第一是实时数据和分析，让决策有数据可依。第二是AI算法自主学习能力，让系统越用越聪明。第三是打通全链信息流， IoT联动实现数智化运营，尽量的减少人的介入，这样的话就会提高准仓的履约效率。

总的来说，我们其实就是把AMR造出来，然后将AMR与AIOT结合，以提高整仓业务效率。