人工智能在物流与供应链中的应用

’人工智能在物流与供应链中的应用汇报人：XXX目录CONTENTS第一部分应用现状第二部分技术架构第三部分转型特点第四部分应用范围第五部分

第五部分问题与建议 总结第一部分人工智能在物流与供应链中的应用现状第二部分人工智能在物流与供应链中的应用现状仓储环节库存管理运输路线规划仓储是现代物流发展的基础，仓储的选址决定着物流的效率，人工智能能够排除人为条件的和个人情感的加入，根据筛选条件选出最合适的地点。人工智能系统能够通过对历史库存数据分析建立模型，对以后的数据进行预测，从而对库存进行调整，从而使得存储和运输维持在一个动态的平衡状态。运输线路规划的好坏能够直接影响现代物流系统的整体运作，有了人工智能系统的加入，使得快递分拣业务的效率能够大幅度提升。第一部分人工智能在物流与供应链中的应用现状无人仓库穿戴拣选技术配送机器人配送无人机第一部分两个较为成功的案例亚马逊的智能物流中心十万台KIVA机器人发挥着订单处理、仓储自动化、调整库存量、自动化物流分仓以及发货等智慧物流职能。4万平米的仓库中，实现智能搬运、堆垛、供包等功能的各类机器人有条不紊的完成各项技术工作。上海京东的“亚洲一号”无人仓第一部分两个较为成功的案例第二部分人工智能技术的架构第二部分人工智能技术的架构基础资源层仿生感知层核心技术层核心技术层由基础框架、算法模型以及通用技术组成，基础框架主要指分布式存储和分布式计算，算法模型有机器学习、深度学习和强化学习等算法模型。主要包括应用技术以及智能产品，应用技术包括自然语言处理、AR/VR计算机视觉。智能产品主要指运用了人工智能技术的设备设施由软硬件设施以及数据服务组成，软件设施主要包括智能云平台和大数据平台；硬件设施主要是指超级运算平台以及超级数据存储中心。第二部分核心技术层核心技术层一、分布式计算与分布式存储，这是大数据技术的基础二、算法模型中的深度学习和强化模型都是机器学习的技术之一，机器学习是决策树、贝叶斯网络、聚类等核心算法模拟人处理问题的决策逻辑，是实现人工智能的重要手段之一。第二部分仿生感知层仿生感知层一，应用技术包括自然语言处理—语音识别、语义识别、自动翻译等；AR/VR计算机视觉技术，目的是使机器能够像人一样观察和识别目标；再一个就是自动控制技术，自动控制系统能够是机器根据特定指令完成特定的任务，也是人工智能应用的表现形式。二、智能产品主要是指运用了人工智能技术的设备设施，例如前面提到的智能分拣机器人。第一部分两个较为成功的案例基础资源层一、软件设施包括智能云平台和大数据平台构成的数据工厂，海量的数据是机器学习的基础，是训练人工智能算法的重要资源，大数据技术的应用和发展，为人工智能在物流与供应链中的应用奠定了基础。二、硬件设施主要是指超级运算平台以及超级数据存储中心。主要负责海量数据的存储与计算，近年来，随着云计算的发展，数据的存储和计算能力已经达到了较高水平，为人工智能提供了坚实的基础。第三部分人工智能背景下物流与供应链企业的转型特点第三部分人工智能背景下物流与供应链的转型特点物流基础设施、生产工具逐步向智能化转型随着智能机器人、无人驾驶车辆等智能设备的兴起，作为传统劳动力的人力将逐渐被虚拟劳动力所取代，进而对供应链物流的生产要素结构进行重组，形成新的物流基础设施和生产工具。新的物流基础设施和生产工具将具备较高的劳动生产率，同时也降低了单位劳动力成本。供应链中的物流运作流程将通过人工智能计算重新构建物流作为供应链中的重要部分，其运作能力的高低决定着整条供应链运作流程的效率，物流运作流程通过智能化技术进行重新构建，不仅能够让物流运作流程自动化，而且也实现了计算与存储分离进行分布式工作，在很大程度上提升作业的运行速度和精准性。第三部分智能计算重构物流运作流程图一般而言，传统的物流运作流程是先由生产车间通过交通工具将物品运送至配送中心，最后再配送到每一位顾客手中。而随着人工智能技术的不断发展，传统的物流运作流程将通过智能计算被分割成多个同步运作的区块，如图1，每一个区块不仅相互连通，同时还拥有带智能芯片的运输车，它能够与每个区

块中的每一个功能点建立连接，快速计算和反应诸多物流数据和信息，并能够做出诸如货物是否装卸、车辆是否检修等判断和相应的决策。第四部分人工智能在供应链物流领域中的应用第四部分人工智能在供应链物流领域中的应用智能库存管理数据的分析和预测智能运输配送智能跟踪追溯智能仓储作业智能仓库选址123456第四部分人工智能在物流与供应链中的应用将传统库存管理转型为智能库存管理，在联网技术、可视化技术和大数据运算能力的推动下，不仅可以实现仓储数据的读取快捷化，而且还可以实现各个仓库信息的联网实时化，有效降低了企业库存量，节省仓储成本，同时还具有更高的库存管理安全性。人工智能技术能够根据现实环境给出接近最优解决方案的选址模式。智能仓库选址智能库存管理智能仓储作业智能仓储作业的主要特点是货物储运集装化、仓储作业自动化和作业管理智能化。第四部分人工智能在物流与供应链中的应用智能仓库选址仓库选址是一个复杂的过程，需要考虑的因素众多，既包括地质、水文、地形等自然条件，又包含商品特性、物流费用、服务水平、客户分布、基础设施、运输、政策等社会因素。通过大数据、人工智能、云计算等技术可以更精确、更科学的实现仓库的选址和优化，减少人为主观因素带来的干扰。从而提高选址效率和存储质量。第四部分人工智能在物流与供应链中的应用智能库存管理传统的库存管理方式为纸本管理或者依靠人工进行电子档案管理，这对员工的工作熟练度要求较高，也无法做到对库存量、库存种类、物品储位、存放时长等众多信息的实时动态管理。基于人工智能的供应链系统可以协助管理人员统计和分析仓储状态，并且及时对仓库做出相应的调整和管理从而有效地避免物资短缺以及仓储供不应求的状况，因此，在物资领域上使用人工智能管理其供应链加强了不同业务和活动流程的相互协作及流通，实现了流通物品在供应商、厂家、批发商和零售商之间的流通。。第四部分人工智能在物流与供应链中的应用智能仓储作业货物储运集装化主要体现在，在智能仓储作业中大部

分的货物都已经通过托盘实现了标准单元化的点到点

运输和存储，减少了运输环节且提高了物资的周转率；仓储作业自动化体现在，智能仓库中的所有运作流程

全部由自动机器设备完成，如京东无人仓库中已经投

入使用的Delta型自动分拣机、6-AXIS智能拆码垛机器人、飞马搬运AGV、京东智能安防巡检车等，完全

摆脱了人工劳动力，节约了大量劳动力成本且提高了

作业安全性；作业管理智能化表现在，在智能算法的

驱动下，仓库内各个自动化设备在运作中可以井井有

条且相互配合，并且可以根据特殊情况及时做出相应

的反应，大大提高了仓储作业的运作效率。第四部分人工智能在物流与供应链中的应用智能追溯主要通过运用物联网技术，将商品的生产、流通和消费过程与相关信息的采集、传输、处理和查询过程有机联系起来，做到信息流与商流相统一,从而实现商品的来源可查、去向可追、责任可究。智能运输配送主要体现在运输路线和配送设备两个方面。智能运输配送智能跟踪追溯数据分析与预测基于人工智能的物流与供应链系统结合其数据的智能分析有利于企业建立和完善信息化智能供应链，并且智能信息将为会成为供应链内外部的物资数据基础，从而实现业务流程和业务数据的集成，打造高效、灵活、精准和自动发的数据智能物资供应链。第四部分人工智能在物流与供应链中的应用智能运输配送在运输路线方面，人工智能可以通过路径优化算法、调度算法等不同算法，结合数据中心的实时数据进行最优路径的动态规划，使运输路线规划更加科学、合理。如美团外卖的即时配送智能系统。在配送设备方面，智能物流无人配送车、无人配送机等已经小范围投入使用。首先，智能配送设备会自动接收订单，仓库会根据订单内容进行配货，然后智能配送设备再根据已规划好的最优运输路线自动进行配送，从接收订单、配货到运输配送都可实现自动化。例如，顺丰的方舟无人配送机和京东的3.5代配送机器人等。第四部分人工智能在物流与供应链中的应用智能跟踪追溯智慧物流利用智慧排产、智能商品布局、智能路径规划等技术创新，实现“预测-库存-仓储-运输-配送”全链路资源动态调整和自主管理，支撑起复杂网络、庞大库存和海量订单的高效管理。人工智能时代下，各

种技术广泛应用于物流的各个环节中，物流效率得到了极大的提高，同时带给顾客的是更高水平的物流服务和更好的消费体验，客户满意度得到了很大提高。。第四部分人工智能在物流与供应链中的应用数据分析与预测通过有效的智能数据信息，企业可提前调整库存结构适应不同时期的仓储需求、掌握物资的备用期，并且减少库存占用率以便更好地掌握物资供应链的业务流程。此外，人工智能通过自主学习的数据获取可以掌握不同时期的物资出库入库以及时间节点的记录实现物资的追踪。为了更好的预测市场需求及获取合适的仓储物资，企业可以根据实际的历史数据评估未来的供应需求从而提供物资满足市场。智能的数据分析亦可基于供应链的模式协助企业选取其恰当的供应渠道及策略。因而，智能的数据分析有利于企业在物资供应链上做出更贴合实际的决策。第五部分人工智能在物流与供应链领域中存在的问题与建议第五部分人工智能在物流与供应链领域中存在的问题与建议2复杂的不确定性供应链系统的运行效率，与它所面临的不确定性有重大关系。3数据源难以打通由于用户数据的敏感性，且缺乏统一的信息与数据流通安全标准，导致不同主体之间的数据源难以打通，使得AI模型的应用受到局限。4时效性和预测性问题目前，部分信息的采集与处理未能形成高效的解决方案，使得部分Al模型的快速训练与验证遇到一定的问题，导致模型相比当前实际情况“慢半拍”。5人才的匮乏目前高校培养的物流人才在层次结构上不符合社会需求，人工智能物流高端人才的培养还处于探索阶段。1多环节协同问题供应链系统中的各环节是属于各个分散的主体，整个供应链将无法简易地融合成为一个完整的系统。第五部分

存在的问题1、多环节不同主体难以协调供应链的系统构建包括物资流通、商业流通、信息流通以及资金流通等多个环节，同时供应链涉及的主体也相当多，这些主体主要包括制造商、物流企业，供应商、批发商、和零售商等，这些主体在整个供应物流企业零售商链系统中相互独立存在，这将形成不同主体与业务活动流程在不同环节的协同问题。由于供应链系统中的各环节是属于各个分散的主体，整个供应链将无法简供应批发易地融合成为一个完整的系统。此外，不同的主体系商商统需要完成各自的活动及业务，但相互间的资源和信息需要相互配合与协作。制造商协调第五部分

存在的问题2、应对更加复杂的不确定性供应链系统的运行效率，与它所面临的不确定性有重大关系。首先是供应链系统中的各个环节的高效集成性自动化处理与管控能力较为薄弱，再一个就是人工智能所需要的数据缺口也在制约着人工智能技术在物流与供应链领域的发展，同时复杂的物流与供应链系统对人工智能的要求更为复杂，难度系数也更高。为了应对更加复杂的不确定性，我们往往需要建立更加复杂的模型，但是模型复杂度的提高对模型的训练和基础数据的质量也提出了更高的要求。第五部分

存在的问题3、数据源难以打通由于用户数据的敏感性，且缺乏统一的信息与数据流通安全标准，导致不同主体之间的数据源难以打通，使得AI模型的应用受到局限。发挥AI的巨大潜力，需要扩大基础信息的采集面。比如，系统智能补货需要根据用户的购买行为、经济能力等信息计算系统最优的补货策略。但是，由于信用卡数据、通信数据等非常能反映这些特征的数据或信息未能及时反映到智能供应链系统中，所以我们仅能根据用户的购买和浏览行为对用户特征进行分析，使得AI技术的应用因缺乏数据支撑而未能达到较好的预测效果。。第五部分

存在的问题4、时效性和预测性难以达标目前，部分数据的采集与处理未能形成高效的解决方案，对于一些必要的或者能够达到更好预测效果的数据的获取依然存在难度和缺口，使得部分Al模型的快速训练与验证遇到一定的问题，导致模型相比当前实际情况总是存在差距，比如在算法模型训练的时候效果或许还好，但到了实际应用预测时，预测效果就要打折扣。同时，当前模型的训练主要基于历史数据进行，对未来新场景的预测能力有待提高。第五部分

存在的问题5、缺乏物流领域的复合型人才根据国务院发布的《物流业发展长期规划（2014—2020年）》报告指出，我国物流从业人员数量正以平均每年6.2%的速度增长。现有的物流人才数量根本不能满足社会的需求，我国物流人才严重短缺。此外，无人机、机器人等人工智能技术的广泛应用将在未来的许多物流作业中取代人工操作。企业真正需要的是既熟悉物流业务，又熟悉物联网、云计算等先进技术的高端复合型人才。目前高校培养的物流人才在层次结构上不符合社会需求，人工智能物流高端人才的培养还处于探索阶段。第五部分发展建议123促进多环节协同运作加大人工智能技术在供应链物流领域的应用力度。完善智能供应链物流体系标准4加强“人工智能+物流与供应链”复合型人才的培养第五部分发展建议打造完整的供应链闭环系统，促进多环节协同运作人工智能在物流与供应链领域的研究需要加强基础应用的提升从而提高数据的准确性，加强时效性和预测性，并减少使用的局限性，以此为基础，加快实现智能的仓储管理、高效的物流运作以及合理的资源配置，从而使得供应链系统的各个环节能够独立进行有能融合协作。加大人工智能技术在供应链物流领域的应用力度企业应培养革新意识，跟上目前各行各业智能化的潮流，利用好当代大数据技术实现智能化转型；对新旧员工进行与智能化专