这些概念,都是在建立智能物流系统的过程,今天说一说智能物流系统的四大元素,以及每个元素与人工智能的关系.
说人话,就是车主动动,货被动动,路假装静(实际相对车运动),仓真装静(静止是相对的,运动才是绝对的).
在物流系统的概论课程中,对以上问题可以反复定义,本质上,就是要解决以上的数据结构的设计问题,并为未来的算法打下良好的基础.
智能,不是体现在物流系统的静态资源(货车仓路)上,而是体现在动态过程上.
智能物流系统,则由仓储,运输,交通,驾驶四个功能组成.(其中运输transport,是为了避免物流本身的歧义,在工厂内容易与工厂内物流,也叫后勤logistics,易混淆)
仓储管理:就是仓库保管员,他的核心任务只有一个,就是确保仓库静态状态(库存)与仓库的动态过程(建库+出入库+损溢+领用/消耗/归还+….)的结果一致.能够做到这一点的仓储系统就是好的仓储系统.在工业领域,通常是WMS(WarehouseManagementSystem)来实现该功能.
运输管理:就是运输车队队长,工厂内物流主管.他的核心任务也是只有一个,就是根据仓储的出入库任务,或者外部的运输任务,调遣车队中的车辆到指定地点接货,再到另外一个地点送货,再接货,再送货.在商业领域,原来的邮政公司,货运公司,大量的物流公司,现有的电商物流公司,快递公司都有一套这样的系统.在工业领域,工厂内部通常是用WCS(WarehouseControlSystem)来完成.(这个定义并不够精确,但是已经使用多年,暂且用之),工厂之间用SCM(SupplyChainManagement)的部分模块来管理.
交通管理:就是领航员的角色,同时也包括交通警察的角色.核心任务也是一个,就是解决车和路的关系问题.特别是各种路口,单行线,限行交通规则等.在工厂里,AGV或移动机器人,采用的是AGVS,开发LBS的群控调度算法.
驾驶管理:就是驾驶员的角色.核心问题是解决车的问题,和车与车之间的关系问题.是在没有交通冲突的情况下,完成从一点到另一点的任务的事情.这里核心就是嵌入式软件开发,以及伴随着的AI功能,现在的云端TPU+设备端GPU/APU的模式力求解决这个问题.
另外,比驾驶管理更低一个层面的是感知和控制,包括如何定位,感知障碍,避障,视觉获取环境信息,路面感知,以及车辆的姿态控制,速度控制,加速度控制等.这一部分是难点,但不是自动驾驶的全部,自动驾驶应该至少包括一个驾驶管理和交通管理的部分.
有人说,我自己一个人开车全搞定了,因为你一个人扮演了以上四个角色.甚至在没有红绿灯的地方,你和另外一个人会车,你们连交通警察和交通灯的角色也兼任了.
司机=驾驶员+领航员+交通协管员/交通灯/交通警察+车队队长+仓库主管/上下料搬运工/物流检验员.
-立体仓库不必拘泥于分类堆放,可以最大自由度的实现以仓储效率,而不是人类管理方便为目标.
-通过用小车运小货,大车规模化等方案实现货重/(货重+车重)的最优比例.
-采用的手段和算法:JobShop算法,旅行商问题,背包问题,排队论….
目前这里的效率优化,还大有可为,货车物流大数据项目确实能为货车省油,信息化系统1年回本不是难题,前提是至少省级的货运优化组织能力.
-堵车概率堵车时间损失+道路容量浪费概率道路容量浪费损失=机会成本的最小化(这也解释了为什么路面价格高的地方,堵车概率高的合理性–但是也不该这么堵车啊?)
坐车的人,则希望舒适:车的加速度最小化,转弯时离心加速度最小化,振动最小化,这些都是可以用传感器,通过人工学习完成的.
常用的算法和手段:加速度测量情况下的舒适度控制,视觉+结构激光+其他感知技术+定位技术下的姿态/速度/加速度三闭环控制.
以上四个智能,目前尚未体系化.小公司做好1个点,大公司研究多个智能之间的体系结构,然后抓重点重点突破.
(建立以上一套智能物流的指标集,然后开启后验的试水模式,利用中国地大人多的市场资源,最快速度的积累大数据,进行学习和探索.这是在大数据时代,市场换技术的一种模式,:因为邮包最多,所以数据最多,所以迭代最快,进化最快,最先获得一个10亿人规模的智能物流系统优化算法,然后在美国之前占领欧洲市场,印度市场,非洲市场这三个10亿人量级的大物流系统.–放在括号里的意思是,不是正文,不负责任,不要阅读,不要当真.)
物流智能,是将以上四个智能进行整合之后,超出每一个局部智能可以完成的功能.是智能物流的第五元素.
由于新型的运输方式的出现,比如3D的无人机,比如专用的真空胶囊管道(已用于工厂内样品的快速气力输送),比如堆垛机,立体库的大范围推广,AGV,R-AGV,智能叉车,智能桁车的普及,给智能物流系统带来新的契机.
这种组合爆炸, 需要3~5年的时间进行探索, 才能真正在实现四个智能的基础上, 再实现整个智能物流系统的总体优化. 由于问题的复杂性过高, 所以, 几乎每个人都可以找到智能物流里的一些组合, 形成组合创新. – 但是真正找到如何组合优化才能得到最优解, 而求解效率又不大幅降低, 这个需要搞算法的人, 和搞实践的人一起.
1) 仓储库位的动态调整, 与运输车辆的排队耦合在一起, 大幅减少车辆等待时间.
2) 堵车位置与无线智能充电结合起来, … 似乎和智能物流没什么关系. 司机少停几次充电的时间.
3) 智能驾驶与路面, 与交通指挥结合, 在地面上贴满二维码/RFID, 汽车低头闭眼睛开, (只管好避障, 不管寻路)
4) 增加大量的中转模式, 把物流中心中转, 改为服务区中转, 建立按小时共享租赁的路边库…
围绕以上的几个系统, 进行细致的功能分层, 设计简便而合理的数据结构, 和相互调用的接口, 一方面可以实现高内聚, 松耦合的软件智能物流系统,
在工厂间, 打通”仓储中心 - 运输车队 - 交通指挥 - 自动驾驶” 一体的综合智通物流系统.
