房殿军,黄 一 丁,蒋红琰,4,洪 晟,郑 卓 远
(1.同济大学 机械与能源工程学院,上海 200092;2.青岛中德智能技术研究院,山东 青岛 266000;3.北京航空航天大学 网络空间安全学院,北京 100191;4.江苏科技大学 机械与动力工程学院,江苏 镇江 212000)
随着新一代信息技术和制造技术融合程度的不断加深,全球制造业的产业数字化和数字产业化不断推进,智能制造技术取得长足发展。我国《“十四五”智能制造发展规划》中指出:要“加快构建智能制造发展生态,持续推进制造业数字化转型、网络化协同、智能化变革”[1]。
在智能制造发展生态中,智能物流是不可缺少的一环。智能物流的发展将满足智能制造的供应链协同供给需求,成为智能制造的重要支撑[2]。同时,随着物流技术数字化、智能化水平的提升,物流数据量的不断增大,如何通过软件和硬件技术手段,使智能物流进入数字经济的数据治理框架成为重要课题。
目前,我国对数据治理的研究多停留在数据治理框架构建、机制研究等宏观方面,缺少对于各行业智能技术支撑数据治理实现的具体分析。智能物流数据治理离不开顶层系统设计、中间操作结构和底层数据支撑,所以开展智能物流数据治理研究,必须紧密结合智能物流技术的发展。
本文首先从概念、技术的角度明确智能物流数据治理与技术的发展特征。随后,借鉴业内成熟的企业案例,总结提出智能物流发展建议和未来方向展望,为我国智能物流领域在治理层面和技术层面的发展提供参考。
物流业作为国家十大产业之一,在国民经济中占据重要地位。国家《“十四五”规划和2035年远景目标纲要》明确指出要“建设现代物流体系”[3]。 其中,改变传统物流的运作模式,数据治理将成为智能物流体系建设的重要内容,帮助智能物流满足工业4.0时代低成本、个性化定制的智能制造需求。
要理解智能物流数据治理的重要性,就必须从三维视角来理解物流[5],如图1所示。第一维度是“实物流”,即物料通过仓储、运输、配送等环节实现的流动,这决定了物流对实体经济的支撑作用。第二维度是“信息流”,在各个物流环节中产生了大量的数据和信息,众多数据在与人工智能、大数据、云计算等信息技术结合后通过数据产业化被赋予了新价值,决定了其在数字经济时代的核心地位。第三维度是“资金流”,即资本在物流领域的流动。这三个维度构成了对物流业的全面认知,信息流带动资金流,资金流推动实物流,实物流又反馈为信息流。
图1 物流的三维视角
从物流的三维视角来看,它具有贯穿整个产业链、全流程服务的功能,并且是跨企业、跨行业、跨国界的[6]。在智能物流时代,数据治理的重点将是物理和信息双维度的全流程数字化、信息化、智能化,充斥在供应链各个环节的大量数据具有与物联网、大数据、人工智能等技术极大的融合潜力,来实现智能物流和智能制造、智能交通等新产业的融合创新发展。
智能物流数据治理框架以物流系统、数据管理、物料信息和数据操作结构为治理域,以数字化为起点,逐步向智能化的方向发展,如图2所示。第一步是建立数字化与可视化的数据治理框架,实现物流从生产制造环节到销售服务环节的全流程数字化和可视化,实现系统性的监控和管理。作为一个贯穿全流程的产业,数字化和可视化管理是智能物流数据治理的基点和前提。第二步是建立透明化的数据治理框架,实现物流过程的透明化。通过透明化框架,揭示流程中深藏的技术和管理问题,明确问题背后发生的原因,并寻求解决方案。对系统中的历史数据和大数据进行挖掘,对未来的发展趋势进行精准预测,更好地配置系统资源。第三步是以建立智能化和自主化的数据治理框架为最终发展目标。智能物流将实现自主的运作,完成高效、自组织物流体系的搭建。智能化框架将实现对物流全流程的实时支持,并通过多智能体、群智能系统实现自主学习,建立高柔性、高适应性的物流系统。
图2 智能物流数据治理框架
物流技术的进化如图3所示。
图3 物流技术进化论
以技术沿革的视角来看,随着物流技术从机械化到自动化,再到智能化[7],物流数据治理能力也不断增强。
纵观物流技术革命,其背后是六大发展基因的驱动,即全流程、系统性、客户导向、流动原则、效率最大化和成本最优化。德国弗劳恩霍夫物流研究所联合德国物流业提出的“硅经济”概念[8]。硅经济是指具有人工智能驱动流程的B2B平台经济,同时它又是一个开放、联合的人工智能生态系统,所以又被称为“硅生态”。
每一次物流技术革命都是在物理维度和信息维度的双重革命,硅经济也不例外。在物理维度,硅经济的重要载体是智能物联网(AIoT)和智能搬运机器人。通过每台机器人拥有的智能并实现智能互联(AIoT),设备之间将能够自主协同。在信息维度,硅经济通过国际数据空间(International Data Space)和欧洲GAIA-X计划,建立物流业的数据生态,进一步提升物流的信息维度功能。
世界银行每两年对全球160多个国家的物流行业进行统计[9],并发布了物流绩效指数排名(Logistics Performance Index,LPI),2014至2018年 间 的 排名情况如表1所示,德国近年来稳居排名第一,我国大致保持在26位,我国物流绩效表现与欧洲、日本等发达国家相比仍存在较大差距,这表明我国物流业尚存在多方面的不足。
表1 2014~2018年物流绩效指数排名
中国物流与采购联合会对2015~2021年间中国社会物流总费用及其与GDP的比值进行统计[10](如图4所示),其中,我国物流总费用与GDP的比值常年来居高不下,达到14.5%,高成本严重阻碍了我国物流行业的发展。
图4 2015~2021年中国社会物流总费用及与GDP比值
面对我国目前物流行业的不足,智能物流所带来的物流技术革命受到高度重视,加快加深物流信息化程度,在全产业链与价值链上实现的物流业降本增效已经成为共识。从2011~2020年间中国智能物流交易规模及增速情况(如图5所示)[11]可以看出,我国智能物流的交易规模逐年增长,且增速在20%左右,具有广阔的市场前景与发展空间。
图5 2011~2020年中国智能物流交易规模及增速情况
目前,智能物流行业已经形成了由决策层、管理层、作业层组成的,以数据治理为核心的三层产业结构[12](如图6所示)。其中,决策层主要从供应链角度,关注预测与计划、供应链协同与控制,还包括智能算法优化和大数据挖掘等先进技术的研发利用;管理层则注重先进的仓储管理系统、运输管理系统、车辆调度系统等企业管理信息系统的开发;作业层涵盖各类新型配送与销售模式,如B2B运输、协同仓销售、共同配送、即时配送、门店仓等,同时也包含先进场内物流智能设备的开发。
图6 智能物流数据治理产业结构
从科技成熟度与复杂度评估当前智能物流技术的发展(如图7所示),在数据技术层面,大数据、物联网等技术目前已相对成熟,而人工智能等复杂数据分析技术仍需集中进行突破。在技术应用层面,配送端、运输分拣设备及货物识别等技术已经可以实现商业化运作;机器人与自动化、无人机等技术有望在3~5年内实现大规模商业化;无人卡车、3D打印等技术将在未来5~10年逐步成熟。智能物流技术将广泛应用于仓储、运输、配送、末端等各物流环节,帮助物流在底层采集大量数据,支持上层数据分析和挖掘。
图7 智能物流技术成熟度与复杂度评估
本小节将通过智能物流行业的先进案例,深入探讨在数据治理框架下物流企业如何通过技术手段,实现物流的智能化。
(1)亚马逊:从线上零售到智慧物流全方位布局
亚马逊作为全球最大的网络电子商务公司,其业务已经从线上零售逐步扩大至物流装备、企业云平台及智慧物流的行业全方位布局[13]。
亚马逊在2010年后,从软硬件两方面着手,积极布局智慧物流。在软件方面,通过开发亚马逊云服务(AWS)平台进军全球云平台市场,同时涉足大数据挖掘与分析、云计算、人工智能及无人驾驶领域。在硬件方面,亚马逊开发的Prime Air无人机、Kiva搬运机器人和Dispatch配送机器人等物流设备已经投入使用,并通过建立智能物联网,实现数据驱动的智能物流管理流程。
(2)施耐德电气:通用互联的软件硬件架构
施耐德电气是一家全球数字化电气公司,Eco-Struxure是其基于物联网系统打造的开放、互操作性架构平台(如图8所示)[14]。EcoStruxure架构平台目前已帮助美国联合包裹运送服务公司(UPS)建立了智能包裹处理中心,每小时能够处理10.4万个包裹。
图8 施耐德电气EcoStruxure架构平台
施耐德电气利用集成人工智能、大数据等现代化服务技术的应用程序,通过使用PLC控制器进行边缘控制,并运用物联网连接产品设备,实现智能中心远程访问实时数据,进而实现预测性维护功能,提升产品的未来可扩展性。
施耐德电气的优势在于实现了从终端传感器到云端的关键数据采集和分析,提高了运营可靠性、高效性、简化性及低能耗。
(3)传化物流:线上线下结合的平台经营模式
传化物流是传化集团所打造的服务产业端的智能物流平台,其核心是通过传化货运网,以线上数字货运网和线下遍布全国的公路港城市物流中心网络,形成线上线下协同、端到端供应链物流服务的平台能力。图9是该传化货运网的示意图[15]。
图9 传化货运网结构示意图
线上传化货运网通过大数据、云计算和智能服务技术,连接各类物流服务提供方、货主等,实现物流服务的线上集成,吸收各类金融、信息、人才资源要素,形成系统性的生产服务体系[16]。同时,传化物流建立线下集散节点,提供信息交易服务、物流作业场地和完善的配套服务。线上与线下相结合的模式使得传化物流实现整体控制,并通过形成管理生态,结合城市定位和产业布局,打造“物流+信息+金融”一体化的供应链服务。
(4)运满满、滴滴货运、货拉拉:从移动互联网模式到布局线下
近年来,我国涌现了一批智能物流领域新兴货运平台公司,如运满满、滴滴货运、货拉拉等。这些公司首先通过移动互联网建立起业务模式,随着公司的成长,逐步扩展到线下布局[17]。
在线上软件方面,依托用户大数据和中国公路干线物流人工数据库,建立人工智能调度系统,实现车货匹配、实时调度、标准报价、地图寻迹。在线下硬件方面,企业通过建立城市物流节点和在“一带一路”沿线布置“数字化司机驿站”,提升行车安全,布局无人驾驶技术及无人卡车产业链,推动公路运输标准化、智能化。
(5)行业案例综合比较分析
总结以上案例,在智慧物流领域既有新兴物流企业,也存在传统企业的智能化转型。在进军智能物流领域时,各企业均注重数据治理手段,以数据、信息技术推动硬件设备的智能化发展,建立完善的数据治理框架。表2对各案例进行了总结分析。
表2 行业案例比较分析
(1)政策建议
从宏观角度来看,我国政府及相关部门应坚持三点发展原则:
第一,坚持国家统一协调,引领智能物流行业建设。发挥国家宏观调控的优势,统一制定相关政策,严格监管行业发展,关注智能技术标准,鼓励传统物流行业积极实行数字化转型。同时,平衡各环节资源,促进物流行业建设整体同步推进。
第二,坚持科技创新,推动智能物流网络平台建设。落实“东数西算”国家战略,大力促进5G、大数据、物联网等新型基础设施建设,推动数据中心建设,打造互联互通的物流数据共享网络平台,夯实开展智能物流数据治理的数字化基础。
第三,坚持线上线下相结合,打造软硬件融合发展格局。关注物流网络建设的整体质量和覆盖均衡水平,提升线上数据分析与挖掘的智能化水平,促进线下物流行业的管理与效率,打造软硬件融合发展格局。
(2)行业建议
从智能物流行业角度来看,行业发展要紧跟我国《“十四五”现代流通体系建设规划》的核心纲领,坚持推动三大发展方向:
第一,推动物流行业数字化转型和智慧化升级。加快大数据、互联网、人工智能、区块链等新技术与物流行业深度融合,以数字化、网络化、智能化为主线,推动物流行业数字转型、智能升级,建设完善重点产业供应链体系。
第二,推动智能高效物流配送体系建设。在物流领域引入无人卡车、无人配送设备,研发智能路径优化系统、车辆调度管理系统,优化现有的配送调度模式,减少配送车辆单车行驶距离,降低空驶率,提高整体运输配送效率,减少运输配送过程带来的环境污染。
第三,推动物流数据的标准化和可交互。统一制定行业数据标准,破除数据孤岛壁垒,建立企业间横向数据交换与互操作机制,打造数字化供应链,夯实提升数据价值链。
(3)企业建议
从企业角度来看,企业要充分把握智能物流的高速发展机遇,提升自身核心竞争力,为此需要关注三项发展要点:
第一,关注国家物流业发展规划和配套政策。“十四五”时期是我国物流业发展的战略机遇期,企业要高度关注国家和地方现代物流业发展规划,关注数据治理领域的法律法规建设,遵照法律法规与行业规范有序发展,避免触碰监管红线,将合法合规经营纳入到增强企业核心竞争力的高度上来看待。
第二,关注智能化技术发展。企业应回归物流信息流与实物流相辅相成的本质,实现线上线下融合贯通,积极引进大数据、人工智能、云计算等智能化技术,提升供应链整体效率,保持技术领先性和行业竞争力。
第三,关注数字化人才储备。企业要实现数字化转型和智能化升级,依靠的是优秀人才,特别是数字化人才。提升企业行业竞争力,需要通过人才来加快理论技术到实际应用的转换。
(1)基于自动驾驶的货运专线
我国公路运输目前存在人力成本高、空载现象严重,事故率居高不下及排放污染大等问题[18],成为我国公路运输发展受制的因素。对此,引入基于自动驾驶的货运专线[19]是我国未来公路货运的一大发展方向。
自动驾驶货运专线采用自动驾驶卡车队列技术,建设车路协同基础设施,并在终端采用自动对接卸货技术。自动驾驶货运专线能够实现车辆统一调度,降低空载率,减少人力成本和运输成本。同时通过自动驾驶提高道路安全,降低事故率,车辆可保持经济转速运行,优化燃油效率,减少污染排放。自动驾驶货运专线从经济效益、运输效率、安全性和环境效益等全方位,打造一个无人化、车路协同化、高度智能化的自动驾驶干线运输网络。
(2)绿色物流与绿色物联网
当前,“碳达峰、碳中和”成为我国发展战略宏观背景,国务院在2021年发布指导意见,明确打造绿色物流,健全绿色低碳循环发展的流通体系[20]。
为实现双碳目标,需要在整体布局、平台搭建、设施配套、运行维护等方面对新兴技术的能源消耗进行深入考量,实现绿色可持续发展。其中,物联网作为智能物流的基础技术手段之一,支撑着各基础设施设备的互联通信,同时设备通信的电能耗也是物联网运行的主要成本[21]。通过研发低功耗芯片,优化通信技术算法等手段,打造低功耗的绿色物联网是建立绿色物流的基础。此外,绿色物流不仅要求物联网低功耗,同样也要求在生产、包装、运输、配送等一系列环节实现低碳减排,打造完整的绿色生态物流循环。
(3)物流数据主权交换平台
信息和数据的互联互通是智能物流重要的一部分[22],目前我国企业仍缺乏数字化管理工具和流程,因此需要推动物流数据主权交换平台的建设。
在信息流层面,依托我国通信基础设施的先进性,以可信数据交换平台为基础,建立数据交易市场和机制,保护企业数据主权,创造全供应链与价值链的数据生态。由此帮助企业实现数据收集的精细化与可信化,帮助行业建立主动安全的数据管理手段,并充分发挥数据共享与数据挖掘能力,实现数据驱动的运营分析。
随着新一代物流技术的发展,物流行业将迈入数字化、智能化时代,并从全供应链、全价值链角度推动和支撑智能制造的发展。本文阐述了智能物流在信息流和资金流属性上的重要性,提出智能物流以物流系统、数据管理、物料信息和数据操作结构为治理域,由数字化向智能化发展的数据治理框架,阐述了智能物流的数据治理特征。分析我国智能物流数据治理产业结构、技术成熟度整体发展形势,总结智能物流发展先进案例经验,提出我国智能物流在政策、行业、企业三个层面的数据建设发展建议,并对智能物流未来发展模式进行展望,为我国发展智慧物流数据治理提供有意义的指导。