人工智能逐渐渗透零售领域

人脸识别和商品识别，可以看作是支撑店铺前端体验的核心人工智能技术。而消费者看不见的后端，同样需要投入极大规模的AI技术方案与产品。
 
      近期，京东公布的首个全流程智能无人仓占地面积40000平方米，物流中心主体由收货、存储、订单拣选、包装四个作业系统组成，存储系统由8组穿梭车立库系统组成，可同时存储商品6万箱。
 
      在货物入库、打包等环节，京东无人仓配备了3种不同型号的六轴机械臂，应用在入库装箱、拣货、混合码垛、分拣机器人供包4个场景。

      值得注意的是，在分拣场内，京东引入了3种不同型号的智能搬运机器人执行任务。在5个场景内，京东分别使用了2D视觉识别、3D视觉识别、以及由视觉技术与红外测距组成的视觉技术，为这些智能机器人安装了“眼睛”实现了机器与环境的主动交互。预计未来京东无人仓正式运营后，它能够实现每天处理超过20万订单的能力。
 
      除了引入目前业内最先进的大型设备之外，京东无人仓的最大特点是对于机器人的大规模、多场景的应用。在京东无人仓的整个流程中，从货到人到码垛、供包、分拣，再到集包转运，应用了多种不同功能和特性的机器人，而这些机器人不仅能够依据系统指令处理订单，还可以完成自动避让、路径优化等工作。
 
      全流程智能无人仓可视为京东在智能化仓储方面的一次大胆创新，其自动化、智能化设备覆盖率达到100%，可以应对电商灵活多变的订单的业务形态。
 
      除此之外，全流程智能无人仓依靠智能算法精确推荐包装材料，可以实现全自动体积适应性包装，做到节省每1厘米包装材料。
 
      从现有信息来看，京东最先达到100%无人仓化。
 
      通常无人仓储系统由三大组成部分：AGV（智能仓储机器人）、RCS（机器人调度系统）、iWMS（智能仓储管理系统）。

      （智能仓储机器人）
 
      智能仓储机器人通常具备自动化的色码扫描、自动化数量检测技术、自动化形状识别技术。AGV接到指令后，会自行到存放相应商品的货架下，将货架顶起，随后将货架拉到拣货员跟前。完成拣货之后，机器人再将货架拖到货架区存放，大幅减少了人到货物的跑动距离，同时显著提高了货物的拣选效率。
 
      AGV自诞生以来，逐步衍生出了三种主流方案：
 
      磁条方案：磁条方案是AGV机器人最早采用的方案，该方案需要先在地面上铺设磁条，机器人沿着磁条移动，实现点到点的搬运。虽然成本低廉，但灵活性较低。
 
      激光方案：该方案分为两大类型，一种是反光板导航，即在AGV行驶路径的周围安装位置精确的激光反射板，AGV通过发射激光束，同时采集由反射板反射的激光束，来确定其当前的位置和方向，并通过连续的三角几何运算来实现AGV的导航。
 
      激光导航的优点在于定位精确，地面无需铺设定位设施，机器人的行驶路径可灵活多变，但激光导航AGV制造成本较高，且对环境有一定要求。
 
      另一种是通过激光测距结合SLAM算法建立小车的整套行驶路径地图，不需要任何的辅助材料，柔性化程度更高，适用于全局部署；
 
      二维码方案：该方案需要在仓库地面上布置栅格化的二维码图形，最后使得仓库地面类似一个围棋棋盘，机器人平时通过惯性导航，经过二维码时再进行校正。二维码导航不受声光干扰，但对二维码的贴码材质有特别要求，对陀螺仪的精度及使用寿命也有严格要求。
 
      由于历史比较悠久，当下占据市场份额最多的仍然是采用磁条方案的AGV，而激光和二维码方案是最近三五年才发展起来的，其中亚马逊Kiva采用的就是二维码方案。
 
      从目前的整体趋势来看，二维码方案将是未来的发展趋势。

      （机器人调度系统）
 
      AGV好比智能仓储系统的四肢，而RCS机器人调度系统则是系统的大脑，负责仓库内所有机器人的调度、任务分配和运行维护。
 
      RCS采用多种调度算法，可实现任务的最优分配、多机器人路径规划以及机器人交通管理，让机器人集群能协调在一起工作，互相合作又互不影响，发挥出更大的效能。
 
      RCS还负责监控机器人的运行状态，根据每个机器人的当前状态和历史情况和，来决定是否需要进行具体项目的保养维护，并结合充电站的运行状态和当前的任务执行情况，合理的安排有需要的机器人进行能源补充和自主充电；并记录、分析、汇总全部机器人的告警信息，及时通知运维人员，给出相应的检查和处理的建议，保障整个系统运行的可靠性。
 
      衡量这个大脑聪明程度的一大指标是，单一仓库内系统能够调度的最大AGV数量。日前，菜鸟网络惠阳仓正式投入使用，单仓AGV数量多达100多台，号称中国最大的智慧仓库。
 
      （智能仓储管理系统）
 
      iWMS 集成了多种仓储优化技术，可实现物料随机存储，提升仓储空间利用率；实时动态调整冷热区物料，提高出库效率；通过对历史运行数据的分析，还可以挖掘物料之间的关联，并制定相应的入库策略，提高出库效率；与视频监控互联，实时查看现场运作动态。
 
      那么智能仓储管理系统如何运作的？
 
      原材料入库：货车将原材料送达后，仓库门口有一个暂停区。工人使用手持设备扫描送货单完成收货过账，并将托盘指示器与每托货物的信息进行扫描绑定，指示器通过亮灯颜色显示货物的实时处理状态。比如红色代表物品还需要检验，蓝色和绿色分别代表上高层货架和单层货架。
 
      货物送达后，首先要获取其体积和重量参数，然后iWMS会自动分析仓库还剩下多少仓储面积以及货物的重量，根据既定的入库策略分配最优仓位。
 
      与此同时，AGV搬运空货架至入库工作台，数量较多、单件较重的货物则通过铲车将整托货物移载至单层货架，提高上架效率，减轻工人的搬运量；数量较少、重量较轻的货物则放置在多层货架，最大程度利用仓储空间。
 
      原材料出库：系统可以自动感知产线上缺少什么物料，传达给iWMS系统对接。iWMS系统会将用料需求分为多个订单，每个订单又分为多个订单行，AGV根据订单行自动把对应的货架拉出来，再由人工从货架上拣选出需要的原材料送到产线上去，实现了“货到人”“货等人”的要求，提高出库效率。
 
      原材料运送：原材料出库通过周转箱+笼车进行运送，若产线在同一楼层，由AGV直接搬运笼车至产线；若在不同楼层，则由RCS调度提升机实现笼车跨楼层搬运，到达目标楼层后再由另一台AGV接驳搬运至产线。
 
      成品入库：工人扫描成品包装信息并摆放在单层货架上，码托完成后呼叫AGV。与原材料运送相同，若目标库区在同一楼层，由AGV搬运成品直接入库；若在不同楼层，RCS调度提升机实现跨楼层搬运入库，入库后完成更新库存信息。
 
      成品出库：成品出库就是说客户下了单，需要把订单里的货物找出来。比如客户下了5个摄像机，AGV就会到仓库里把这5个摄像机拉出来。如果5个摄像机不在同一个货架上，它就会分别拉几个货架出来，让工人拣选出这五个摄像机。
 
      至于货架拉出来之前的位置、放置的位置、放回去的位置，以及由哪台AGV完成哪个任务都是由系统自动分配的。货架出来和进去的位置并不一定相同，系统会进行自动优化。仓库划分为冷区和热区，冷区摆放不经常进出的货物，热区摆放经常进出的货物。热区离工作台较近，冷区则相对较远，以实现最短的进出总距离。
 
      四、基于运筹学的物流优化
 
      物流与仓储环节，往往紧紧相扣。
 
      其中，运筹学在物流优化中扮演着重要角色。运筹学是将实际问题转化成数学模型并高效求解的一套方法，运筹学过去多被应用于军队资源调配和商业优化等诸多领域。
 
      但长期以来，它在国内只是一个小众概念，不被大众所熟知。在无人技术中，往往可以起到这些作用：

      1.区域划分和选址
 
      物流环节面临的首要的问题便是区域划分和选址。
 
      物流企业需要选择每一个网点的具体位置，以及这个网点负责哪片区域，这些将直接影响到企业的效益。
 
      首先，物流企业要弄熟知目标，通过区域划分保证每个区域的需求量、面积、配送时间大致相同，并以数学的形式表达。实际划分过程中，物流企业往往面临诸多约束，如某两个点属于同一区域，另外两个点却不在。基于此，技术人员需利用算法对结果进行优化，单平面划分并不复杂，但物流企业还需考虑时间维度，因为很多时候快件投递是有时间窗口的。区域划分并非一个静态问题，而是会随着时间不断变化。
 
      划分完区域之后，还要考虑选址问题：哪些地方为网点，哪些地方是投送点。这个过程中同样需要考虑很多因素，比如目标送货员从哪里出发最近，怎样设置网点才能实现平均送货时间最短，或者最长送货时间最短等等。
 
      区域选址之外，还有更高维度的枢纽选址问题。大型物流公司的物流网络遍布全世界，为了保证货物快速有序流通，需要设置一些枢纽。如何选择枢纽地址对提升送货效率至关重要。
 
      和区域划分一样，选址问题也可以转化为数学形式，设定相应的目标和约束，通过合适的算法得出最佳决策结果。
 
      2.车辆调度
 
      路径优化也是物流行业中非常基础性的问题。
 
      物流企业每天都会接到大量的送货和取货需求，如何设计一条最佳路线，在满足所有需求的前提下，压缩成本并保证效率呢？
 
      以车辆调度为例，这是一个非常复杂的过程，需要同时考虑多个因素。这一场景涉及多个送货员和多个出发点；同时需求是不断实时变化的，有的是取货，有的是送货；道路上也充满许多不确定因素，比如路面的承受重限制等。这时就需要用到很多运筹学优化和机器学习方面的技术。
 
      3.定价与收益管理
 
      定价和收益管理，通俗讲就是商家如何在正确的时间将正确的商品以正确的价格卖给正确的人。
 
      要实现好的收益管理，首先需要采集和整理数据，包括用户的基础信息、历史交易数据等等。有了这些数据之后，再用机器学习进行客户挖掘、对消费者进行标注、分析消费者对价格的敏感程度等。并最终决定对什么样的产品制定什么样的价格，在何时推荐给什么样的人。
 
      具体到物流行业，其中很重要的一点就是如何制定产品线或产品目录。物流企业需要给目录中的每一个产品制定相应的价格，并实现整体收入的最大化，这时候就需要考虑到不同产品和服务之间的相互影响。
 
      另外对于一些新的产品和服务，由于缺少消费者数据的积累。商家无法一步到位制定合理的价格，这时就需要用到动态机器学习，不断积累数据并进行分析，学习消费者的行为，总结其选择的规律。
 
      物流行业中另一个常见的问题是非标产品定价。物流行业其本质就是在不同时间将货物送到不同的地点，其中时间是一个非常敏感的因素。因此，物流企业需要通过机器学习算法挖掘消费者对每一单价格的反馈，做到更好的个性化定价。
 
      五、总结

      可以看到，目前人工智能不仅全面渗透在零售领域当中，与此同时，它们也已延伸至多个无人场景。文章中阐述的四大类AI技术在任意一种无人值守场景中，均可发挥其巨大势能。无人值守模式的需求方和场景方，一定需先懂得“人工智能，也仅仅是一个普通的工具”。当对每一项技术形成系统的认知后，很多问题也将迎刃而解。