未来物流的新趋势是什么，DHL趋势报告告诉你（四）

作者 | 曾志宏

微信 | 1638881963

马云说到，我们几年后每天会有10亿个包裹要送到消费者手中，我们的物流人如何更快更经济地运送这些包裹？日新月异的新技术新应用，哪些会真正影响我们的服务，成本，速度？我们如何才能在残酷的瞬息万变的市场当中生存并发展，不会被淘汰？

--听听物流巨人DHL趋势雷达研究所的声音吧

此文为物流趋势雷达  (三)，欲看（一）（二）请点击：

3D打印

3D印刷（或添加剂制造）将通过为制造策略增加新的多样性来给物流重新洗牌，一些公司可能会停止传统制造，但大多数公司将3D打印与大批量生产技术相组合。利用这一转变，创新的物流供应商可以协调复杂的混合制造网络，以及利用3D打印机网络提供新的物流服务。

关键发展和影响

3D打印已经成为医疗行业可信赖的技术，用于印刷定制假肢和医疗设备，以及航空部门生产飞机部件。虽然常规制造技术不会被3D打印所取代，但在其应用的部分（如备件生产）中，它将显著影响一些物流服务。 3D打印是“单件批量”制作的关键推动者。

区域物流网络将会变得越来越复杂，因为越来越多的制造战略，以及从全球/洲际转向更多的区域/地方供应链和分销。不同程度的行业将应用3D打印（从完全取代传统制作到使用选定部件），都将有必要仔细评估对公司供应链战略，规划和执行的影响。

B2B 3D打印服务可以实现新的物流服务，特别是售后供应链（备件的仓储和分配）。物流供应商可以建立一个全球3D打印基础设施以及数字模型的软件数据库，而不是管理多个堆叠在备件上的仓库。然后可以在最近的3D打印设施（例如，枢纽或机场）按需要打印备件，并将其传送到正确的位置。这将减少交货时间并降低库存成本。

通过运营配备3D打印机的本地配送中心，物流供应商可以加快超级个性化。货物的最终配置可以通过3D打印来实现，从而为高度个性化的产品（例如，个性化设计或在产品上添加名称）缩短交货时间。

主要机会

物流供应商可以成为原材料和最终产品的复杂和零散供应链的协调人；

3D打印创造新的市场细分和创造价值的机会（例如数字仓库，可信赖的3D数据托管和交换服务）；

通过创建更接近使用点的产品降低运输成本和时间 。

主要挑战

材料和3D打印速度的限制可能会延迟全面采用此技术数字设计模板；

电子设计模板作者可能被黑客攻击并引起版权侵权；

需要解决3D打印产品发生故障时的责任问题。

案例：从亚马逊飞行3D打印

亚马逊已经为消费者提供更快产品的移动3D打印输送卡车的概念授予专利。

当购物者从亚马逊订购选定的产品时，将触发最近的卡车进行3D打印并将产品交付给消费者，有效地消除了任何仓储。

Source: Amazon

增强现实

数字和实际世界之间的差距，增强现实（AR）将为物流规划，流程执行和运输提供新的视角。 通过将上下文信息的虚拟层添加到平视显示器上，AR通过在正确的时间和正确的位置提供正确的信息来授权工作人员。

关键发展和影响

AR使用户能够通过智能眼镜将相关的信息集成到其视野内，从而智能地了解周围环境。“视觉挑选”（智能眼镜在仓库操作中的挑选）将成为AR的关键应用领域，因为第一次部署已经显示出巨大的潜力。随着语境计算（contextual computing）的最新发展，AR将继续成为能够提高过程效率和质量，降低风险，降低手动处理压力的重要物流工具。

供电AR的仓库操作使用智能眼镜来实现仓库内各种任务的免手工（Hand Free）操作，例如产品拾取，包装，分拣，甚至组装。目前，智能眼镜能够显示任务信息，扫描条形码和支持室内导航，并可以集成到仓库管理系统中进行实时操作。用户友好界面还可以包含游戏化的元素（例如，用于成功选择的虚拟分数），以加速过程并提高工作满意度。

通过利用AR作为下一代导航和驾驶员辅助系统，可以为车辆操作人员实现更安全和更智能的驾驶。挡风玻璃可以用作单机显示器来投影虚拟层的导航信息，就好像这些数据被覆盖在真实环境中一样。 AR也可用于为司机突出道路危险。

智能最后一英里的操作可以在整个交付过程中使用智能眼镜。配备智能眼镜的工人可以使用对象识别技术对每个货物进行完整的检查。 AR也可以用于虚拟地突出车辆内的每个货物的最佳加载顺序（考虑路线，重量，脆弱性等）。交付时，AR可用于最后一米导航，以正确定位入口。

主要机会

免手工操作（例如条形码识别）可提高效率和无差错

处理更短的仓库处理时间；

降低成本同时提高质量和性能；

由于用户友好的界面和语言灵活性，可以实现更快的培训。

主要挑战

整合现有仓库管理系统集成需要新的标准和界面；

客户定义的标准和披露要求难以满足；

当前AR设备和系统解决方案的结实性和可靠性必须进一步探索。

案例：创建DHL采购订单的新标准

与客户合作，DHL的第一个视力挑选部署与理光完成，在物流中使用智能眼镜时，性能提升了25％。优势来自于设备到WMS的实时连接，创新的用户界面和免手工操作

资料来源：DHL

大数据

物流正在通过数据驱动的视野来转化。由于数字化程度的高涨，可以从供应链的各种来源获取前所未有的数据量。利用大数据的价值，提供巨大的潜力优化产能利用率，改善客户体验，降低风险，并在物流中创造新的业务模式。

主要发展和影响

大数据已经开始引起物流行业的转型，将大量数据量转化为有价值的资产，以提高容量规划和车辆路线优化等领域的效率。展望未来，物流供应商将需要从多个数据流中掌握结构化和非结构化数据（社会，图像，视频等）的整合，以充分发挥大数据的潜力。随着分析技术的进一步发展，将进一步令人振奋的方式解析新的数据，以数据驱动的经营模式和商业模式（例如预期物流和物流超级网格）获利。

通过使用大数据优化资源利用率，流程质量和绩效，提高决策的速度和透明度，可以提高运营效率。例如，在运输中，数据流（出货信息，天气，交通等）的智能相关性可以实现分配的实时调度，负载序列的优化和估计的“分解到”分钟的预测到达时间（ETA）。

通过利用大数据创建所有客户互动和运营绩效指标的综合视图，可以增强客户体验。这样可以实现精确的客户细分，以及服务水平的定位和定制。进一步情绪分析（sentimental analytics）可以应用于主动维护客户忠诚度和保留率。

基于预测分析的端到端供应链风险管理可以提高全球供应链的弹性。大数据可用于通过检测，评估和警告关键贸易路线的所有潜在风险（例如，越来越多的港口拥堵或洪灾风险）来降低风险。

物流出现新的商业模式，扩大了收入来源并提供新的基于数据的产品。例如包括物流车队提供的道路质量或网络覆盖的环境情报，以及基于人口特征的特定城市地区交通偏好的地方情报。

主要机会

提高运营效率，可视性和对供应链，资产和人员配置的控制；

改进对需求和容量波动的预测并实时调整；

数据驱动的物流服务提高客户忠诚度和客户保留概率

基于数据情报的服务实现新的商业机会。

关键挑战

业务和IT一致性需要案例作为基础；

数据收集可能涉及隐私；

数据透明度和可获得性；

数据质量和适当的数据科学性。

案例：“有机物流世界” – LogiNext

一家创业公司开发的大型数据分析平台，帮助快递公司提高路线优化并实现其资源的实时跟踪产品特点：基于动态容量的交付位置集群，每个订单优先时间窗口的交付计划，预测延迟警报和实时ETA更新--资料来源：LogiNext

增强仿生

仿生增强技术，如可穿戴和外骨骼，扩大了当前的物理障碍的边界。 聪明的衣服，仿生武器甚至隐形眼镜都有潜力支持物流人员在通信，流程执行，优化等领域，最重要的是尽量减少供应链中的健康和安全风险。

关键发展和影响

传感器和纳米技术的突破使先前难以想象的仿生解决方案成为可能。前瞻性（forward thinking）公司正在探索在企业中采用健康跟踪器和外骨骼等可穿戴材料的方法。物流企业将着重于改善健康和安全，特别是在减少人工处理活动中重复运动引起的压力。这是运输和仓储行业的一个关键问题，在2014年美国私营部门的职业伤害和疾病发生率最高，智能穿戴式设备和人体工程学设计的仿生学可以解决工伤事故。

传感器跟踪器，数字平视显示器，手势控制和智能布料形式的智能可穿戴设备可以支持工作程序，并增加供应链各个部分的健康和安全。特别地，将任务信息数字化到用户视野（增强现实趋势的一部分）和整合新形式的手势控制（例如通过肌肉运动的控制）装置的智能眼镜或隐形眼镜正在为未来铺平道路,物流中的免手工操作，智能服装概念（如连接头盔和背心）的创新可用于定位大型物流运营中的员工，并用于各种各样的安全应用（例如，提高温度或附近的移动车辆的警报）。

外骨骼可以理解为提升佩戴者的力量和耐力的机器人服装，大大降低了人工处理活动的身体压力。在物流中越来越适用，外骨骼减少了工人对庞大工具（如真空技术）的依赖，以提升重物，使人们能够更长时间地重复手动处理任务，减少物理应变。这提高了物流中的生产率和安全性。创新的解决方案已经投入市场，例如Panasonic的Power Loader套装，该公司已经在其分销仓库中测试了两年。

Robo-Mate外骨骼 - 赋予劳动力

Robo-Mate外骨骼可以手工处理过重的物品，通过提高加载工作人员的工作能力并保持一致的工作绩效，Robo-Mate可以提高生产力，支持减少与工作有关的伤害和疾病，使物流成为更安全的工作场所。

资料来源：Robo-Mate

云物流

对于复杂，易变的环境，云计算可以实现多种新的“物流一服务”（LaaS）的商业模式。 物流供应商可以使用按需付费的方式按需激活和停用可定制的模块化云服务。 这使得高度可扩展的服务和管理功能成为可能，而不需要自己的IT基础设施的传统开发，设置和维护成本。

关键发展和影响

近年来，物流供应商已经开始采用云物流，因为它是可以快速，高效，灵活地访问创新供应链解决方案的IT服务。今天，有公司已经使用云计算来获得对当地物流IT专家的特别访问，而这些IT专家在云平台上运行时，可以更容易地进入全球市场。未来，重点将是“云准备”，特别是在实时，大规模运行中的云安全性和技术性能方面。

模块化云物流平台提供开放的，基于网络的灵活的，可配置的按需求的相关IT服务的选择，可轻松集成到供应链流程（例如订单，计费和跟踪服务）中。按使用付费模式，中小型物流供应商和大型公司能够更灵活地对市场波动做出反应，只对其实际需要和使用的服务付费，而不必投资于固定容量的IT基础架构。使用基于云的解决方案的公司可以预算为运营支出。

云端全球供应链将所有供应链流程转移到云中，从而实现信息和物流的虚拟化。复杂，零散的全球供应链的运营部分，物流供应商经常处理使用不同仓库和运输管理系统的多方之间进行的各种交易。云的协调能力将这一信息整合到一个综合视图中，这是“控制塔”的关键推动力，它协调和指挥供应链，并提供360度的管理仪表板。此外，云计算公司可以更加精确地控制其全球库存水平以及出货和资产的位置。最终，这为复杂的超级物流网络铺平了道路。

主要机会

灵活和弹性的业务模式，通过IT服务的高可升级性实现定制化；

物流服务成为可负担得起的，特别是对于中小型企业；

通过数字化流程控制供应链流程并轻松共享的可能性；

实时数据通过按需付费或租用模式；

为LaaS软件用户提供更高的价格透明度。

关键挑战

数据迁移和安全问题仍然需要被证明（例如，维护敏感数据的控制）；

模块化云服务与供应链管理系统的兼容性和集成仍然是一个挑战；

性能表现问题，如由增加的数据量和实时要求导致的延迟。

案例：来自云的物流服务 – Transporeon

基于云的物流平台招标，分配订单，预订时段，跟踪等更简化各方之间的透明度和沟通，减少等待时间和空车行程，简化整体供应链。1000多个托运人，5.5万个运营商的100多个国家的15万个用户目前连接到平台。

来自：Transporeon

数字识别器

新一代的数字标识符，如数字水印（DW），一次性智能标签和低成本生物识别技术扩大了供应链转向（ Steering），资产，库存和库存管理以及端到端安全性的预测控制选项。 随着不同技术在数字识别中的使用日益增长，成熟度越来越高，市场对于具有完整透明性和可追溯性的连接供应链的愿景越来越明显。

关键发展和影响：

近年来，像隐形条形码，NFC和QR码这样的新技术已经实现了智能打印/标签，生物识别设备正被各行业应用，从而更精确地识别对象甚至人群。通过对每个批次，装运和资产进行身份认证，可以确定具体项目的位置，提供额外的安全信息，并在全球供应链中安装新一代跟踪功能。

数字产品标识符将使所有产品能够从生产到销售点都可识别，可追溯和定位。这些智能标签包含可以数字捕获和检索的信息（例如，一瓶水不仅被分配到特定的批次;智能标签可以包含更多的细节，例如日期，时间和装载地点以及到期日期）。因此，例如，超市和批发商可以自动生成在销售结束日期附近的货物的交货请求。

货物的诚信管理将通过追踪病毒的原产地来减少欺诈风险，并支持例如健康管理，从而容易，快速地发现和识别根本原因。另一个健康应用是制药公司打击产品盗版。患者的风险（以及生产商的声誉）是巨大的，因此公司有可能投资于确保品牌完整性的新方法（例如基于数字标识符的序列化）作为跟踪和追踪解决方案的一部分。

通过生物识别技术（例如静脉，指纹和虹膜扫描）的新突破，可以确保通过对仓库和机场枢纽等受控物流环境中的工人进行身份识别和认证来实现自动进入管理。这大大增强了访问管理的有效性，并有助于提高安全性和成本效率。

Digimarc供应链解决方案 - 一切归功于条形码

Digimarc Corp.为从ID卡到日常消费产品的所有内容创建了隐形的数字标识符；

多个条形码形式的数字水印可以打印在产品上，但眼睛不可见；

加速了产品扫描以及供应链的安全性 。

资料来源：Barcode.com

物联网

物联网（The Internet of Things, IoT）有可能将几乎任何东西与互联网连接起来，并加速数据驱动的物流。日常物品现在可以发送，接收，处理和存储信息，从而积极参与自我转向（self-steering），事件驱动（event-driving）的物流过程。 物联网承诺为物流供应商带来深远的回报，物流供应商可以使用连接对象的数据来产生可操作的感知力，从而推动变革和新的解决方案。

主要发展和影响据估计，到2020年，互联网将连接500多亿个物件，呈现了1.9万亿美元的巨大的物流机会.到目前为止，只有少数物流方面的应用产生了巨大的业务影响，因为安全问题，还有零售物流行业缺乏标准，以及近期物联网创新的消费者市场焦点。展望未来，大规模的物联网部署将需要新的“物流准备”解决方案，确保安全性和通用连接标准。

连接的仓库可以通过标记个别物品，托盘和操作硬件来增加所有资产的透明度和本地化。这些智能对象被分配，并且可以传送有关订单内容和位置的信息，实现库存水平和项目条件的实时可见性的自动库存管理。 IoT还可以通过连接的员工观念，提高员工的健康和安全水平，并可以额外用于优化设施内的照明，供暖和冷却。

智能交通解决方案可以通过创新的智能卡车概念提高供应链的透明度和完整性。例如，车载远程信息处理可以收集关于移动和空闲时间的数据，以最大化车队资产利用率。 IoT还可用于通过资产故障预测和自动维护调度来减少车辆停机时间。

相关的消费者以及智能产品和家用电器（例如智能锁）的扩散将使新的基于物联网的交付概念，例如自动补货服务（例如，杂货订单可由智能冰箱触发）或固定 送货服务。这可以为消费者提供更多的可见性，并有助于避免不必要的劳动。

关键机会

物流业务提高物流运营的透明度，可追溯性和可靠性；

由于复杂环境中的决策自动化，实现运营效率的提高和成本降低；

实时监控可以提高服务质量，优化资产利用率，防止货物被盗，损坏 ；

为客户创造更多动态和定制的送货服务。

关键挑战

物流行业内部高度的分散性需要开发；

配置了物联网的供应链的数据和安全问题；

物联网硬件需要进一步加固，以实现大型物流部署，特别是在结实性和 电池寿命。

案例：物流方面的平台 - 阿格埃拉（Agheera）

一个开放的IoT平台，可以组合来自各种IoT硬件设备的远程信息处理数据，以实现供应链的端到端完整性控制；

该平台将多个资产（如连接的交换体或卡车）合并为一个易于使用的门户，具有全球可及性；

允许物流供应商客户实时跟踪各种设备的所有资产。

资料来源：Agheera

低成本传感器技术

最初为消费电子开发的传感器技术，如智能手机，平板电脑，甚至游戏机，都可以在物流行业内实现令人兴奋的新应用。 物流供应商可以利用这些低成本的传感器来代替昂贵的工业传感器解决方案，并创建新的智能基础设施来监控，检查和控制物流流程。

主要发展和影响

今天，日常消费类电子产品（加速度计，陀螺仪，温度，湿度等）中已有的振奋人心的低成本传感器将在未来大幅扩大，从而实现新的消费者对工业应用的转移。用于深度感测和成像的传感器（例如，Microsoft Kinect，Google Tango）已经被测试用于室内导航和基于成卷的自动定价应用。展望未来，可以在未来5 - 15年内提供可以检测空气和食品质量甚至气味的传感器，从而进一步开拓创新领域。

使用智能手机和平板电脑进行物流流程是目前的行业趋势。第一个成功的用例（例如条形码扫描，货运图像文档和交付中的签名捕获）利用移动设备的多种技术功能，并利用基于云的软件即服务模型。随着NFC兼容智能手机的普及，将出现新的物流用途（例如，使用RFID收发器无线识别物品，并使用智能相机进行电子扫描，消除昂贵的常规扫描仪系统）。

来自游戏应用（例如Microsoft Kinect）的低成本3D深度传感器可以用于各种应用中，用于快速和高效的物流操作。成功的现场测试游戏控制台的深度传感器，进行基于批量的定价，室内导航和动态负载容量优化以及装载前的损坏检查时执行的准确的实时尺寸。消费者自己也可以在自己的下一代智能手机中使用类似的技术来进行物流处理（例如，测量家中的包裹尺寸）。

使用自己的设备方法（BYOD）随着IT的消费化而增长。仅用于专业使用的移动设备的开发正在减少，这意味着将创建新的私有/商业硬件概念，以节省成本并提高效率。

主要机会

传感器配备的移动设备是理想的物流流程无缝和实时监控和控制装备；

与常规扫描仪系统相比，使用智能手机和BYOD方法可节省成本；

低成本传感器增加了开发新服务（例如，基于量的定价）并提高运营效率的潜力。

主要挑战

为消费者开发的设备很少提供日常物流世界所需的物理坚固性和耐久性；

基于云的应用程序的安全性和可靠性可能无法满足业务需求；

BYOD引发IT安全和隐私问题。

案例：低成本经济实惠 – ParcelCube

此识别捕获系统成本比同类系统低70％，即使对于小公司也可承受；

数据在不到1秒钟内被捕获并转移到PC来源：ParcelCube

机器人与自动化

物流正处于新的自动化潮流的边缘，在迅速的技术进步的推动下，下一代机器人和自动化解决方案正在进入物流人力队伍，支持零缺陷流程并提高生产率。 特别是机器人将在供应链中采取协同作用，协助工人进行仓库，运输，甚至是最后一公里的交货活动。

主要发展和影响

电子商务的兴起取代了传统的推动式分销与消费者直接从仓库拉货，要求物流供应商运作更快更有效地快速处理小型订单。这种新的动态可以由机器人和自动化技术的支持，近年来由于抓握和传感器技术的迅速发展，它们变得更快，更准确，更灵活和可负担。随着性价比的提高，机器人解决方案的采用在未来三年内可能会加剧。

仓储和实现灵活的自动化将利用感知和移动片拾取机器人，智能地感测周围环境的导航和安全。配备高分辨率相机，压力传感器和自学习功能的协同机器人轻松编程，以帮助工作人员进行挑选，打包和排序等任务。他们也可以从仓库搬到仓库，以覆盖不断变化的高峰季节，并用于一夜之间进行补充和清洁活动。这些解决方案的升级和缩减性能将有助于物流供应商更有效地实现电子商务订单，同时也允许灵活的自动化方法。

拖车和集装箱卸载机器人将协助工作人员进行艰巨的任务。低成本的图像识别技术和计算能力的进步已经使第一种使用装有强大传感器和夹具的机器人手臂定位单个包裹，分析其尺寸和形状以及确定最佳卸载顺序。

用于本地交付的辅助机器人将有助于满足日益增长的便利物流需求。他们可以跟踪运送人员运送重物，运送车辆内的包裹，并自动将信件和包裹送到专门的收集点。

主要机会

灵活的自动化解决方案可提高物流基础架构的灵活性和弹性，以成本优势有效地满足市场波动；

自动化任务（如共同包装）有助于提高效率并降低库存水平和成本；

当机器人部署在重复和物理上艰巨的任务时，仓库工作人员可以专注于更复杂的任务和异常事物处理。

主要挑战

机器人使用的法律问题；

引起新的监管，问责制，道德和法律问题，例如如何平衡适当的自动化水平与人员的工作。

案例：人与机器人与Sawyer合作

Sawyer是Rethink Robotics开创的独一无二的协同机器人，重量只有19公斤，可以轻松，灵活地部署在各种任务；

智能运动控制允许Sawyer在半结构化环境中精确地工作（+/- 0.1 mm精度）同时在人员旁边安全运行，DHL正在测试2016年对物流的适用性。

来源：Rethink Robotics

自驾车

传感器和成像技术的突破使得新一代自主驾驶的车辆比以往任何时候都更加灵活可靠。 自主开发的叉车在仓库自主运输到无牵引车的行车运输中，自驾车将通过开启新的安全，效率和质量水平来改造物流。

关键发展和影响

在物流方面，过去几年，自驾车已经在仓储和码头等严格控制的环境中逐步采用。下一步将是在高速公路和城市街道等共享和公共空间部署自驾车，进一步优化物流业务，提高安全性。虽然目前有严格的法律规定在公共场所使用这些车辆，但Google等公司已经进行了成功的测试，并开始说服监管机构加速接受无人驾驶车辆。

未来的仓库将部署下一代自驾车，如自动铲车，托盘搬运机和集群运输带系统。这些车辆具有集成的传感器，能够进行导航，无需进一步的基础设施，如磁性或感应带。这种灵活性允许各种部署场景，并为机器人人机协作提供新的用例。

户外物流业务可以利用自驾技术来处理自动化港口集装箱以及在机场收集和装载空运集装箱。这可以通过根据需要智能地收集，操纵和重新定位容器的自驾车和小车实现。

线路运输往往涉及漫长的旅程，也是在恶劣天气条件下。物流供应商可以利用各种无人驾驶技术来支持驾驶员的健康和安全。一个概念是自动公路，只有当卡车进入或离开高速公路时才需要手动操作。

自主的最后一英里解决方案，例如自主驾驶的手推车，可以自主地遵循送货人员，支持工人在应对不断增长的包裹量时。使用人行道交付个人订单的自助包裹车辆也可以实现快速的送货服务。

主要机会

通过全天候使用提高运营生产力和资产正常运行；

通过消除人为错误，提高可靠性和质量；

通过优化路由对环境影响较小，从而提高燃油效率。

主要挑战

自动驾驶车辆在动态环境中部署之前，技术必须成熟；

在许多国家，法律限制完全无驾驶车辆；

黑客和软件错误的潜在风险；

保险和责任问题需要解决；

工人和公众的社会接受。

案例：自主包裹与星舰（Starship）技术交付

自驾驶机器人可以在5公里（3英里）的半径范围内提供多个包裹；

以行人速度在人行道上行驶，检测障碍物，调整速度/停靠点，并安全地穿过街道；

行程中锁定;需要一个特殊的代码才能打开;车载GPS和摄像机用于降低盗窃风险本地交付的成本将降低5至10倍。

资料来源：Starship Technologies

自学习系统

自学习或“机器学习”系统将成为物流中完全自主的数据驱动优化中改变游戏规则的推动者。 通过最少/没有人为干预，因为它接收更多的数据，自学习系统将适应和改进其算法，随着时间的推移改进其结果。 通过监督或非监督的“培训”，系统识别和分析模式（例如，在言语和图像中）以增加物流中的价值。

关键发展与影响

近年来，自学系统已成为参与电子商务活动的企业的重要资产。例如，大多数在线搜索引擎和产品推荐都是基于自动化和自修改机器学习算法。在物流方面，采用该技术主要限于邮政部门智能地址识别;然而，预期物联网的时代将产生大量数据，从而为供应链中的机器学习应用提供新的机会。

物流数据的解密和纠正将成为物流自学系统的重要应用领域。可以对智能系统进行训练，以书面解码和口头文本（如出货信息和字母和包裹上的地址）。他们还可以识别和记忆经常发生的故障和纠正模式，以及风格特征，如手写，减少花费在质量检查和手动分析上花费的时间。

流程的预期自优化可以应用于许多操作领域。例如，在仓库中，自学习系统可以识别重复出现的情景和趋势，并将其与特定客户，订单和仓库运营商进行链接。预计订单的内容，这些系统可以预先选择并打包，而无需等待订单。在最后一英里的交付中，自学系统可以监控流程的每个步骤，为每个收件人的日常活动量身定制动态路线规划。

自动化服务支持可以在物流中成为现实，因为自我学习的突破为人工智能铺平了道路。使用语音识别和数据（客户，合同，交易和运营信息），未来的物流服务中心可以利用自学习系统与客户进行交互，以解决简单的请求，并为更复杂的案例提供手动支持。

主要机会

基于机器生成的洞察力更快的解决问题和形成决策；

自动持续改进物流流程，提高效率和质量；

实时数据分析和智能机器反应（例如预测和规范分析）。

关键挑战

算法非常复杂，需要大量未来研究；

需要大量相关数据和大量计算能力才能创建机器学习系统；

高设置成本可能会阻止物流的早期采用；

自学系统；

趋势评估时间：> 5年|影响：中等部门相关性：

Facebook DeepFace - 世界上最准确的面部识别系统

Facebook的DeepFace使用深度学习技术自动检测和匹配图像与身份；

它是一个训练有素的算法，超过4百万个面部图像，属于4,000多个身份；

据Facebook，DeepFace已经达到了97.35％的准确度。

资料来源：Facebook研究

无人机

无人机（UAV）或无人机（Drones）可以改变明天的物流，通过认真协调的航空网络添加新的快递形式。 无人机不会取代传统的地面交通工具，它们将在交通拥堵或者高度偏远的地区提供价值。 无人机可以提高速度和客户满意度，降低成本，并在恶劣的环境中挽救生命。

关键发展和影响

虽然“无人机爱好”已经成为消费者的热门，但物流中无人机的采用仍处于初级阶段。这主要是由于技术上的局限性（例如恶劣天气的稳定性差），法规（例如需要逐案审批），以及公众对在人口稠密地区使用无人机的担忧。然而，第一次商业测试（例如Google，亚马逊和DHL）已经成功地证明了无人机的潜力，而且关键的监管机构预计将在未来几年内放宽商业无人机交付的立法。

无人机可以支持基础设施的监控。配备相机，他们可以监控场地和资产，以防盗窃并报告可疑的损坏或维护要求。它们也可用于协调实地的主要物流业务。

通过使用无人机进行工厂内运输（例如，将零件运送到所需的生产设备）以及紧急的供应商到设备的备件交付，可以简化内部物流操作。配备计算机视觉技术的无人机可以部署在仓库内进行库存检查。

使用无人机的农村交付对于具有有限的物流基础设施或对进入有害的偏远地区（例如，在恶劣天气条件下的岛屿，位于山脉的村庄）是有吸引力的。物流供应商可以为这些社区建立紧急送货服务（如药品）。

最开始一英里和最后一英里交付的城市无人机网络将需要处理单一货物，而传统运输车辆无法以经济的方式实现。无人机可能通过潜在地减少车辆行驶量，为人口稠密的城市减少交通拥堵。每个无人机可以在物流枢纽甚至直接在零售店飞行，并且可能使用固定的编程路线在指定的下落点安全地运送货物。

主要机会

可以增加第一和最后一英里物流网络的运营效率；

通过在偏远地区自动交付减少风险和事故；

提高运输的灵活性和速度，特别是在拥挤的大城市。

主要挑战

无人机被拦截或黑客；

公众的隐私和安全问题；

无人机在拥挤的空域网络中的流量监管限制；

案例：脱离未来 - DHL包裹机

自2013年以来，DHL一直在测试无人机在远程设置下交付商品是一个重点项目，重点是从德国大陆到距离12公里的Juist岛的紧急药品的交付。目前正在测试货物运送到德国南部偏远山区。

资料来源：DHL

（完）

编译 | 曾志宏，苏州工业园区安华物流系统有限公司，国际业务副总裁，安华物流系统有限公司是一家专注于可循环包装方案，物流器具租赁方案及智能物流系统服务的提供商。为您提供创新包装解决方案、全球化的包装共享服务、冷链物流设备以及智能化的信息系统服务，致力于为汽车行业、农业、化工、电商零售、快递物流行业。探讨微信：1638881963

此文系作者个人观点，不代表物流沙龙立场

— END —

相关推荐