物流供应链场景化运用

最近看了本书，是行业大佬们所写的《供应链场景化运用》

书中不仅讲解目前物流行业的发展，未来的物流行业和发展趋势。

此外详细讲解了自动化/超自动化、物联网、大数据、人工智能、虚拟现实、数字孪生、增强数据智能、区块链、边缘计算、供应链可视化等数智化技术与产品，以及在各个行业的相关应用，很适合我们在宏观层面的知识补充。

如果光看这本书且没有供应链的基础和背景自然会感到枯燥乏味，我结合了书中的内容，并查询了相关资料对书中内容进行扩展，特此总结出来与大家分享，共同学习和交流。

一、供应链的变革与发展机遇

众所周知，供应链的高速发展离不开电商的发展，电商作为ToC/ToB的入口，让客户能很方便的进行线上下单，让企业的订单量与日俱增，为了让客户获得更好的购物体验，供应链的发展也就迫在眉睫了。

与之对应的则是传统线下门店，新冠疫情冲击着整个供应链，特别是线下场景，线下的低迷也让线上的消费/生产变得更加活跃。

但不管怎样，消费/生产的需求场景始终存在。

除了病毒之外，战争也对供应链产生深刻的影响。

2022年俄乌战争，部分需从乌克兰采购的原料商品无法供货，需采购的原料只能从其他地方进货，造成短期原料价格攀升，成本增加。

现代科技发展和生活已离不开全球化，全球供应链精细化分工和联系也越来越紧密，我们熟悉的资本市场也是如此。

由此看来，对于这些不确定性，我们能得出什么结论呢？

我们应意识到供应链的竞争本质是企业之间的竞争，优秀的企业会根据市场的情况调整供应链的战略，提前布局。

衡量一个企业是否成熟，就看他的供应链发展，看能否能在有效的时效性以较低的成本满足客户的要求。

在此基础上，我们可以通过发展数字化，保证供应链的可视化和安全稳定性。

企业在不断发展，光靠传统的人工经验是远远不够的，我们更应该将传统数据变成数字化，通过预测的方式来规避未来潜在的风险。

而现在人工智能的发展也让我们预测和优化更进一步。通过语音大数据可大力发展企业的客服等业务。

传感器和物联网的应用让监控更加深入，打造供应链里的智慧园区、结合智慧物流、智慧仓库，共同为企业降本增效。

二、关键技术介绍

1、AI

AI即人工智能，是近10年发展最为迅速的科学技术之一，已经在很多领域得以创新应用。

简单地说，AI就是能进行自我学习，表现在供应链上，可通过需求预测、生产计划或维修预测等实现自动化，并与人类的经验相结合，提供优化供应链决策。

通过AI结合一些算法，可以完成以下场景。

1）运力规划

传统的靠人工去去规划，费时费力，使用AI+算法模式，更容易完成规划。

2）智能仓储

主要是用AI帮助企业实现自动化存储，分配和拣选货物，提高仓储效率。

3）路径规划

优化了运输路径，在配载方面可结合地图API对路线情况进行分析，给出最适合的配载和运输路径规划，提高物流效率。

4）质量控制

可通过图像识别或机器自动检验的方式，对货物的生产/运输/仓储过程进行检测，识别质量问题，避免质量问题造成的损失。

5）预测分析

内置一套或几套算法模型，通过预测需求，并做未来合理规划，例如预测采购等。

总得来说，AI更偏向于计算层。

2、物联网技术

物联网技术是指在实体嵌入带有感应能力以及可与外部联网互通信息的芯片模组，实时感知物体的变化，并且可与外部进行交互通讯的网络。

简单低说，就是有传感器+网络模块。传感器负责采集信息，网络负责通讯给服务器。

那么它又能给我们带来什么好处呢？

1）实时物流追踪

在运输环节，通过使用传感器，可跟踪货车的实时位置和状态，以及监控车内温湿度情况。

在仓储环节，更多用来提供监控温湿度情况或提供实时监控画面。

提高了物流运输和仓储的透明度。

2）智能仓储

主要是通过使用自动化作业设备，包括不限于自动化立体库、自动堆垛机、自动叉车、分拣设备、自动穿梭车、自动运输设备、自动称重设备、温湿度设备等。

可提供存储、分配、检索、提高整体作业效率。

3）质量检测

表现在对易发生品质问题的货品自动检测，提高了检测效率，更加高效可靠。

总得来说，物联网技术更偏向于实施层。

3、自主事物

自主事物是指 “系统+人工智能” 技术自动化运营机器设备，包括仓储ASRS、无人车、无人配送、无人机等。

书中提到了，无人机+摄像头 进行远程货物盘点。它的价值更多表现在以下几个方面。

提高效率、减少错误率、降低成本、提高安全性、增加企业竞争力。

总得来说，自主事物拥有自主性，能根据环境自主做出决策和优化执行。

4、机器人流程自动化

这里的机器人非硬件技术，泛指软件技术，可以像机器人一样，在不同系统之间进行数据的录入、提取和验证等操作。

在供应链管理系统中，RPA可以自动执行订单接收、处理、跟踪等操作，提高订单处理效率；同时也可以自动进行库存管理、发货管理等操作，提高库存管理效率。此外，RPA还可以自动进行质量检验、退货处理等操作，提高供应链管理效率。

说得通俗一点，就是可通过流程作业配置或多系统的协作，减少了人为操作。例如我们熟悉的仓储流程配置、订单流程节点配置、审单规则、验证规则等。

总得来说，机器人流程自动化提高了软件的易用性和扩展性。

5、数字供应链孪生

数字孪生是指整个或部分供应链环节实体端到端的数字化呈现，是一种模拟现实的方式。

他的价值主要表现在以下几点。

1）提高供应链的可视性

更加直观的显示形态和货物流动状态。

2）提高预测和预警能力

能帮助企业对物流需求和货物状态预警预测。例如对贵重物品执行待盘点、临期预警等。

3）改进设备维护

通过对接不同的外部设备API，提供检测设备故障，及时发现问题并预警，提高预测能力。

4）提高资产管理效率

数字孪生可以捕获资产的当前状态和运营历史，可建立预测性维护模型,实现故障预测和提前预警。

例如某个库位最多只能放10kg的货物，结果系统检测放了20kg的货物，则可进行库位预警。

可以进行集成,优化资源调度和协同管理。通过系统可发现大多数仓库人员现在作业的情况，紧急安排人手进行分担作业压力。

数据可追溯,更好评估资产使用寿命，方便更新维护。所见即所得，可在数字孪生系统增加资产的配置修改。

所有操作都会记录为数据，实现了资产全生命周期的数字化管理。

总得来说，数字孪生提供了可视化和预测、预警能力。

6、沉浸式体验

主要包括AR和VR。经常玩3D游戏的小伙伴肯定熟悉AR和VR，通过虚拟现实技术可以帮助企业模拟物流流程、评估路线、验证设计方案。

1） 模拟物流流程

用户可在虚拟仓库中进行练习,熟悉流程,提高培训效果。

让用户身临其境地体验定制产品和服务。

不同地点的团队可以通过沉浸式会议,进行虚拟现场交流和协作。这也是未来在线会议的一个发展趋势。

2） 评估路线

通过虚拟仿真技术，模拟不同配送路线的效果，不断验证算法找出最优方案。

例如模拟执行不同配送路线，评估各路线的时间消耗、能耗消耗、风险等。

在系统中设置相关参数，如配送车型、载重量、时间窗限制等。

建立虚拟的配送环境。包含道路、交通信号灯、其他车辆等路况信息。

在实际环境中验证最优路线,并进行动态优化，反复试错，提升配送效率。

3） 验证设计方法

可提供3D动态可视化平台，实时监控仓储流程、库存状态，方便进行决策。

总得来说，沉浸式体验让培训和效率验证得以提高。

7、区块链

区块链技术是一种分布式账本技术，它可以记录所有参与方/系统之间的交易，并确保这些交易是可靠和安全的，并能增加信息的透明度。

主要可运用于以下几个方面。

1）产品追溯

提供全材料到终端的全链路追溯。

2）防伪溯源

通过产品唯一数字码和区块链记载数据，防止假冒伪劣产品。

3）出口供应链数据管理

记录关务信息，简化报关流程。

4）仓储管理

可记录入库和出库数据，保证库存信息透明。例如小到仓库的库存流水日志，大的订单明细，收货拣货涉及到的唯一码数据等。

5）物流监控

在运输链路中实时记录位置和环境参数。

6） 交易结算

通过智能合约实现订单交割和自动支付。

总得来说，区块链技术提高了管理的透明度、降低风险和成本、提高可靠性和可信度。

三、其他补充

1、自动化

顾名思义，自动化是为了取代拣货、装箱、搬运等人工重复性劳动。

但真实实践中，也存在一些困难，例如对复杂性任务处理机器是不够灵活的，例如异形商品分拣。

另外人工智能缺乏人际关系，正确规划和预判能力。

因涉及到多个模块和多系统软硬件的对接，自动化设备的投入成本都比较高，机器人+系统要10~15W美元，投资回报率较低。

所以自动化设备是否引用取决于企业的长期发展计划。

毕竟长期来看，可以解决劳动力短缺问题；自动更加流程化，减少差错，提高客户满意度；自动化与数字化关系密切，提供数据支撑。

2、超自动化

超自动化是指，自动化加上了AI，即AI+RPA。

主要用到的技术包括机器人流程自动化、低代码应用平台、人工智能、智能OCR、机器学习等技术。

在供应链场景上，有以下几种场景。

1）发货计划与跟踪

包括手工订单或发货计划实时处理，例如从电子邮箱提取订单，生成作业订单；利用AI助手与客户互动，更新订单的处理状态，提高客户满意度。

2）发票处理和收款

通过集成其他系统的API，以便更快的获得回款。

3）订单处理

允许自动提取货物的相关信息，并自动完成订单流转处理，例如不需要实物的虚拟出入库操作、以及自动审批流程。

4）有效主动沟通

可例如通过电子邮件通知客户实时情况，延迟订单信息。

5）库存管理与监控

制定合适的库位整理，优化库存管理，按照ABC分类管理。

6）其他

包括快速开票和订单跟踪等，快速建模开发（低代码平台）。

3、物联网

物联网，其实就是各种实体物品通过互联网进行连接，例如我们熟悉的智能净水器，路由器，智能电视等。

技术架构分为感知层、网络层、平台层、应用层。每个层面环环相扣，优势互补。

感知层由传感设备构成，包括感应器、摄像头、激光扫描器等。

网络层看接入的场景，近距离有RFID,NFC,WIFI,蓝牙；短距离有ZigBee；无线远距离有GSM、NB-Iot、LoRa。

平台层如同大脑，相当于CPU，主要处理整合设备和信息，调节其他设备。

应用层即我们使用的终端设备，分为监控型、控制型、扫描型、查询型。

4、大数据

大数据没有明确的大小规定，一般数据单位量达到PB、TB等，数据就会被称为大数据。

根据数据收集的端口，大数据的数量级别也是不同的，企业端（B端）数据近十万的级别，就可以称为大数据；个人端（C端）的大数据要达到千万级别。

大数据的价值并不只是存储，而是数据挖掘，提炼隐含，先前未知有潜在价值的信息过程，即提取有用的那部分。所以常和数据清洗，数据提炼有关联。

使用到的技术如下。

5、其他

此外书中还介绍了人工智能、ChatGPT、OCR、虚拟增强现实技术、数字孪生、边缘计算。

这里就不展开来聊了，详细的请查阅书籍，我在文末的最后也分享了整理的脑图，感兴趣的小伙伴可以自行查阅。

四、发展趋势与解决方案

书中提到了供应链管理KPI、供应链控制塔、物流管理系统选择方案。

1、供应链管理KPI

关于供应链管理KPI虽然没有明确给出具体的公式和准则，但是也给我们提供了一些思路，感兴趣的小伙伴可以自行展开来看。

包括不限于资金周转率（库存天数、应付账款天数、应收账款周转天数）、订单履约率、应收账款周转天数、存货周转率（库存周转率）、投资毛利回报率、仓储成本、供应链总成本、供应链成本与销售比例、准时发运率、交付时间、退货原因、库存销售比率、库存速率、库存供货天数、计费基准度等。

2、供应链控制塔

供应链控制塔提供了一个可视化的思路，基于数据分析、实时监控和预测模型，帮助决策者做更准确、更快速的决策。

大致可分为以下几个方面。

1）运输成本和交货准时率

可通过显示运输成本和交货准时率，评估供应链成本和风险。

2）供应商相关

展示供应商的基本信息，质量评估、交货能力、价格、合同等，从而筛选出优秀的供应商长期合作。

3）物流相关

展示运输线路、物流成本、运输时间、货运装载量。找出运输环节的问题，提高运输效率，降低物流成本。

4）库存相关

展示库存水平、库存周转率、安全库存情况。

5）生产相关

包括生产计划、生产进度、生产效率、质量控制等。

6）质量相关

包括质量评估、产品校验、客户反馈等。通过评估并改善产品质量，提高客户满意度和忠诚度。

3、物流管理系统选择方案

文中提到几个著名的系统供应商公司，这里就不展开聊了。重点说说两点。

1）内部独立部署 VS SaaS部署方案

内部独立部署的优点，不依赖于互联网，内部独立部署方案操作往往更快。

拥有更强的企业信息安全，敏感数据被泄露可能性较小。

可提供额外的安全屏障，降低被黑客共计的风险。

要说缺点的话，就是成本高一些，毕竟需要单独购买服务器，还得准备机房和散热监控温度设备等。

SaaS部署现在很普遍了，是一种性价比很高的部署方式，采用订阅模式，大小可随意配置，节约成本。

具有较强的灵活性，知名厂商的云服务器（例如微软云）可在全球任何地方进行访问。

系统更新和维护也不用过多操心，由云服务器的供应商负责，节省了大量的运维成本。可保证能把有限的资源投入更有价值的业务上。

2）自主开发 VS 外包

当搜集好一定的需求，需要进行研发时，由两种方式，一种是自住研发，另一种是外包模式。两者各有千秋，如何选择取决于实际场景。

自主开发的优点当然是可充分利用IT团队的技能和知识，毕竟是为咱们专项服务的，企业更具有灵活性和控制力。

缺点则是需需占用大量的时间和资源，需要不断的更新和维护，长期投资和管理才能发挥最大的价值。

外包模式的优点自然是，可立即拥有丰富的开发经验和技能，提供高质量解决方案。并且减少开发投入，可专注于核心业务。

缺点则是，所找的供应商可能会对企业的需求和文化理解不透彻；素质和可靠性存在不确定性；沟通成本较高，安全风险较大，代码会外泄。

总结一下，企业可前期尝试外包，当积累一些经验后选择自主开发。

但如果只是抱着试一试的想法来弄，那还是建议使用外包模式，如果自己的业务经常会根据市场的发展调整，并且预算充足，那建议使用自主开发。

五、行业案例

最后作者提到电子制造业、冷链物流、时尚业供应链、汽车供应链的场景特点应用和解决方案。

这里我就不一一展开来聊了，大家可查看我的全文脑图了解具体的内容。