直播回看地址：劉思遠(yuǎn)：IoT技術(shù)驅(qū)動(dòng)下的物流數(shù)字化

課件下載：羅戈直播-IoT技術(shù)驅(qū)動(dòng)下的物流數(shù)字化_劉思遠(yuǎn).pdf

G7平臺(tái)上，目前大概有140多萬(wàn)輛的商用貨車(chē)的物聯(lián)網(wǎng)的運(yùn)營(yíng)數(shù)據(jù)在跑，往年初八之后全國(guó)的流量就開(kāi)始恢復(fù)了，但是我們今年由于疫情的影響，可以看到經(jīng)過(guò)整個(gè)2月份，這個(gè)數(shù)字才恢復(fù)到了51%，直到3月底才恢復(fù)到85%左右。

零擔(dān)受到疫情的影響更加嚴(yán)重。今年直到2月份也不過(guò)只恢復(fù)了30%左右。進(jìn)到3月份之后，尤其3月中旬之后，國(guó)家逐漸把各地的封閉打開(kāi)了，但是到17號(hào)最新的數(shù)據(jù)，我們看到也只恢復(fù)到了去年同期的77%左右的。

運(yùn)力價(jià)格的分析，尤其以食品飲料為零擔(dān)的這個(gè)類(lèi)別來(lái)看，整體的供需的匹配，實(shí)際上是非常不穩(wěn)定的劇烈波動(dòng)的狀態(tài)。平均價(jià)格上來(lái)講，可能發(fā)現(xiàn)不了太多的問(wèn)題，最新的數(shù)據(jù)應(yīng)該是逐漸收斂在每噸公里五毛錢(qián)左右，但是它的波動(dòng)上下幅度非常大，大家可以從圖上看到，這是一個(gè)典型的牛鞭效應(yīng)所造成的波動(dòng)的影響。

雖然趨勢(shì)是好的，但是從市場(chǎng)運(yùn)力的匹配角度來(lái)講，我們看到這其實(shí)就是一個(gè)真實(shí)的，在突發(fā)或者災(zāi)難的狀態(tài)下，供應(yīng)鏈對(duì)市場(chǎng)的真實(shí)的反應(yīng)。在這樣一個(gè)過(guò)程中盡快地恢復(fù)到一個(gè)穩(wěn)定的產(chǎn)能，就是我們打造在危機(jī)下或者在目前情況下的供應(yīng)鏈的目標(biāo)，一個(gè)大原則，就是做這種柔韌的供應(yīng)鏈。

觀看直播回放，更多了解：供應(yīng)鏈經(jīng)典案例分享《2000年的一把火》諾基亞和愛(ài)立信對(duì)供應(yīng)商倉(cāng)庫(kù)失火的反應(yīng)如何影響雙方市場(chǎng)份額。

從這個(gè)經(jīng)典案例里面，我們能發(fā)現(xiàn)什么？供應(yīng)鏈邏輯里面最經(jīng)典的五個(gè)組成，計(jì)劃、尋源、制造、交付和逆向物流。我們要分析一個(gè)產(chǎn)業(yè)，或者一個(gè)供應(yīng)鏈所帶來(lái)的沖擊，一般是看四個(gè)方向。

1. 了解自身的脆弱性何在，就是說(shuō)到底我在哪個(gè)環(huán)節(jié)出現(xiàn)了瓶頸，或者當(dāng)沖擊來(lái)臨的時(shí)候，我到底哪里會(huì)出現(xiàn)問(wèn)題

2. 他要盡快地評(píng)估出來(lái)對(duì)于未來(lái)他長(zhǎng)時(shí)間的中長(zhǎng)期的交易，預(yù)期的預(yù)測(cè)性的風(fēng)險(xiǎn)

3. 在更細(xì)的供給側(cè)，在更細(xì)的粒度上執(zhí)行層面去建立靈活性

4. 進(jìn)一步控制成本，要在這個(gè)過(guò)程中提高它的生產(chǎn)效率

從Gartner2018對(duì)CIO的調(diào)研中可以看到：就是傳統(tǒng)認(rèn)知里面所謂的一系列的MS系統(tǒng)，什么什么管理系統(tǒng)，比如說(shuō)訂單管理系統(tǒng)，OMS，倉(cāng)儲(chǔ)管理系統(tǒng)，WMS，運(yùn)輸管理系統(tǒng)，TMS，這一類(lèi)的信息系統(tǒng)的建設(shè)情況基本覆蓋率，就是把在建的和已經(jīng)實(shí)施的加在一起看，超過(guò)70%。

通過(guò)過(guò)去三十年的不斷的積累，我們已經(jīng)將傳統(tǒng)的信息化能夠覆蓋的地方都已經(jīng)覆蓋差不多了，通過(guò)信息流程的打通，實(shí)現(xiàn)了標(biāo)準(zhǔn)化，實(shí)現(xiàn)了將管理系統(tǒng)里面的管理模式和優(yōu)化的管理實(shí)踐的固化。

但是這不解決我們剛才說(shuō)的基于危機(jī)情況下的信息不對(duì)稱(chēng)，為什么？它是基于流程驅(qū)動(dòng)的，傳統(tǒng)的OMS也好，WMS也好，它的基于單據(jù)去驅(qū)動(dòng)的，不管是采購(gòu)訂單還是工廠(chǎng)生產(chǎn)的工單，還是運(yùn)輸用到的運(yùn)單，這一類(lèi)基于流程驅(qū)動(dòng)的邏輯，不太一樣。

我們?nèi)鄙俚氖鞘裁矗磕壳按蠹医ㄔO(shè)程度最低的，又是大家迫切不斷在建立的，是什么系統(tǒng)？就是可視化和事件系統(tǒng)。什么是基于事件？我們一個(gè)異常是一個(gè)事件，我們的一個(gè)報(bào)警是一個(gè)事件。未來(lái)信息化的抓手或者轉(zhuǎn)型的重點(diǎn)，應(yīng)該是基于可視化，基于事件管理，對(duì)于我們現(xiàn)有的流程管理為主的這樣一套MS系統(tǒng)的一個(gè)補(bǔ)充升級(jí)。

在現(xiàn)有階段我們能通過(guò)信息化或者基于現(xiàn)在危機(jī)的情況下，我們應(yīng)該怎么應(yīng)對(duì)呢？

在這樣一個(gè)背景下我們引出所謂基于IoT驅(qū)動(dòng)下的這樣一套供應(yīng)鏈數(shù)字化物流服務(wù)，IoT最樸素的定義就是基于自我聯(lián)網(wǎng)，讓傳統(tǒng)的設(shè)備和生產(chǎn)企業(yè)的設(shè)備，能夠?qū)ν庹f(shuō)話(huà)。在這個(gè)基礎(chǔ)上，延伸出來(lái)一步，就是自我的計(jì)算以及對(duì)于信息的初步信息的加工和處理能力。把物流和執(zhí)行過(guò)程中的傳統(tǒng)設(shè)備，加裝了IoT手段和一些邊緣計(jì)算的能力之后，我們就認(rèn)為把它做了一個(gè)IoT化。把它的這種實(shí)際的物理空間中的產(chǎn)品，跟數(shù)字世界產(chǎn)生了一個(gè)抓手，我們叫做物理資產(chǎn)跟生產(chǎn)成本要素之間的數(shù)字化和實(shí)時(shí)連接，這是我們做IoT的動(dòng)作。

IoT驅(qū)動(dòng)下的供應(yīng)鏈數(shù)字化升級(jí)，能夠帶來(lái)哪些方面的優(yōu)勢(shì)？

第一個(gè)，講到實(shí)時(shí)性脆弱性。在實(shí)時(shí)理解自身的脆弱性方面，我們可以與人為的經(jīng)驗(yàn)進(jìn)行相互佐證和判斷，避免人們因?yàn)橐恍┕芾斫?jīng)驗(yàn)的盲區(qū)，或者是誤解，所產(chǎn)生的影響。客觀準(zhǔn)確地判斷數(shù)據(jù)的產(chǎn)生。

觀看直播回放，更多了解：供應(yīng)鏈經(jīng)典案例分享 沃爾瑪托盤(pán)供應(yīng)商如何利用IoT化設(shè)備提升周轉(zhuǎn)周期、損耗率預(yù)測(cè)。

我們有很多時(shí)候?qū)τ诠?yīng)鏈的脆弱性的理解和影響，其實(shí)是偏重于先驗(yàn)主義的，就是我們更多的是通過(guò)人為經(jīng)驗(yàn)判斷的。IoT的一個(gè)很重要的原因，就是我們能夠把這部分東西刨除掉，只看到真正客觀的事實(shí)，打開(kāi)這個(gè)黑箱子看到真實(shí)情況，我們才能真正地進(jìn)一步了解我們的供應(yīng)鏈的脆弱性。

第二，牛鞭效應(yīng)就是斯坦福大學(xué)的教授李效良（Hau L.Lee），八十年代發(fā)明的一個(gè)詞，解釋起來(lái)的意思就是專(zhuān)門(mén)特指在供應(yīng)鏈端由于信息的不對(duì)稱(chēng)，當(dāng)需求從前端，需求前端向供應(yīng)后端去傳導(dǎo)的過(guò)程中，會(huì)產(chǎn)生一種放大的效應(yīng)。這種放大效應(yīng)的原因就是在于信息的不對(duì)稱(chēng)，不充分的競(jìng)爭(zhēng)，以及扭曲所逐級(jí)放大的情況。就像說(shuō)鞭子端稍微抖一抖，那辮子梢就甩出去非常遠(yuǎn)一樣，所以把它形象地稱(chēng)為牛鞭效應(yīng)。

為了更準(zhǔn)確地預(yù)測(cè)，催生了很多的信息化的建設(shè)，比如說(shuō)協(xié)同預(yù)測(cè)與補(bǔ)庫(kù)計(jì)劃，CPI法，CFRP，供應(yīng)鏈計(jì)劃管理。

觀看直播回放，更多了解：供應(yīng)鏈經(jīng)典案例分享 潤(rùn)滑油廠(chǎng)商如何利用加注終端的設(shè)備IoT化，銷(xiāo)售自助加注結(jié)算的散裝潤(rùn)滑油。

第三，柔韌供應(yīng)鏈。我們可能更多的會(huì)訴求靈活性的建立，目前來(lái)講我們能看到的靈活性的建立，是應(yīng)該在供給側(cè)，也就是在我們的執(zhí)行端，在更細(xì)粒度的情況下構(gòu)建靈活性。舉例來(lái)說(shuō)，從去年年底開(kāi)始，快遞快運(yùn)行業(yè)，都在積極跟我們談一個(gè)合作，就是希望能夠加裝一個(gè)載重量方設(shè)備，用來(lái)直接了解車(chē)輛現(xiàn)在的安裝進(jìn)度。因?yàn)楝F(xiàn)在競(jìng)爭(zhēng)壓力，每半小時(shí)或者每一小時(shí)排班，必須縮減到每15分鐘。他的車(chē)輛閑置率，有效調(diào)度每15分鐘的提升，都是直接和毛利率相掛鉤的。利用這種實(shí)時(shí)的IoT數(shù)據(jù)的傳導(dǎo)，比以前的人工之間的調(diào)度，調(diào)度，可以直接與智能調(diào)度系統(tǒng)進(jìn)行掛鉤，從本質(zhì)上可以更靈活的，更加細(xì)粒度的對(duì)車(chē)廂的調(diào)度、排班和線(xiàn)路的運(yùn)行，進(jìn)行構(gòu)建靈活性。

最后一點(diǎn)，我們可能回到一個(gè)供應(yīng)鏈的本質(zhì)上去看，就是降本增效。Gartner每年都會(huì)做一個(gè)趨勢(shì)預(yù)測(cè)未來(lái)的十年過(guò)程中有哪些供應(yīng)鏈的技術(shù)可供使用。這個(gè)圖上從左邊往右邊大家可以看到，基于動(dòng)態(tài)的庫(kù)存，車(chē)輛運(yùn)力動(dòng)態(tài)的分析是成熟還有五到十年。區(qū)塊鏈，在于供應(yīng)鏈領(lǐng)域的應(yīng)用，這個(gè)他認(rèn)為更長(zhǎng)，超過(guò)十年以上。但其實(shí)對(duì)于我們現(xiàn)在通過(guò)疫情的影響，我們可以看到剛才的一些物流企業(yè)，尤其是國(guó)內(nèi)的一些物流企業(yè)，已經(jīng)在積極探索和落地這些相應(yīng)的試點(diǎn)項(xiàng)目了。這個(gè)過(guò)程中我們回到一個(gè)本質(zhì)上，就是說(shuō)其實(shí)IoT本身的賦能也好或者配合其他的AI技術(shù)的矩陣也好，自動(dòng)化技術(shù)也好，整個(gè)無(wú)人化會(huì)加速到來(lái)。

G7在疫情期間也推出了一個(gè)面向疫情的一個(gè)園區(qū)的作業(yè)。這個(gè)作業(yè)的核心是說(shuō)無(wú)紙化、自動(dòng)化和零接觸，從車(chē)輛預(yù)約到物流園區(qū)開(kāi)始之前的在線(xiàn)預(yù)約，園區(qū)進(jìn)入的調(diào)度和自動(dòng)的放行排隊(duì)，以及它分配作業(yè)任務(wù)，月臺(tái)上的有效的裝載的識(shí)別以及到它最后的授權(quán)出園，其實(shí)不需要有人接觸。由于疫情的原因，一下子在今年我們能夠看到非常廣泛的推廣的一個(gè)趨勢(shì)。在未來(lái)不管你有沒(méi)有這樣疫情的影響，這種無(wú)人化的趨勢(shì)，我們相信通過(guò)IoT的手段，通過(guò)AI的手段，都是永遠(yuǎn)都要去做的。   

總結(jié)起來(lái)，并沒(méi)有解決所有問(wèn)題的銀彈，只有在適當(dāng)?shù)膱?chǎng)景去匹配適當(dāng)?shù)募夹g(shù)組合，以及業(yè)務(wù)需求，IoT比較擅長(zhǎng)的是解決這四件事情，利用實(shí)時(shí)的數(shù)據(jù)客觀的數(shù)據(jù)去讓供應(yīng)商或者讓我們的客戶(hù)更加了解我們的脆弱性。通過(guò)實(shí)時(shí)的和客觀的真實(shí)數(shù)據(jù)發(fā)生，讓設(shè)備自己去告訴我們目前對(duì)市場(chǎng)的需求和供應(yīng)的依賴(lài)性，減少對(duì)傳統(tǒng)統(tǒng)計(jì)型的依賴(lài)。另一方面在供應(yīng)側(cè)我們可以建立更細(xì)粒度的靈活性，這是針對(duì)自動(dòng)化來(lái)說(shuō)的。本質(zhì)上我們做的所有的工作都在減少人員的涉及和進(jìn)一步的降本增效。這是我們能看到的在現(xiàn)有情況下的，利用IoT手段如何去幫助我們的物流進(jìn)行數(shù)字化的實(shí)踐。

目前的國(guó)內(nèi)的疫情，雖然高峰已經(jīng)結(jié)束了，但是后續(xù)的影響和后果還在持續(xù)。物流企業(yè)也好，供應(yīng)鏈的從業(yè)人員也好，其實(shí)這種競(jìng)爭(zhēng)會(huì)越來(lái)越激烈。但是信息和思想的充分的共享和交流下的競(jìng)爭(zhēng)才會(huì)真正帶來(lái)技術(shù)本質(zhì)性的突破。這也是我們這個(gè)目標(biāo)去打造這樣一個(gè)IoT技術(shù)也好，或者這樣一個(gè)開(kāi)放平臺(tái)的本質(zhì)性的工作的最終的理想。

Q&A精選：

Q：請(qǐng)分享車(chē)輛安全駕駛方面技術(shù)最新的進(jìn)度

A：我們最早就是做車(chē)輛的安全設(shè)備，來(lái)不斷地?cái)U(kuò)展我們的終端的數(shù)據(jù)和車(chē)載應(yīng)用場(chǎng)景的。在目前來(lái)講，我們從最早的后裝的安全設(shè)備，ADAS輔助安全駕駛系統(tǒng)，這個(gè)設(shè)備不斷地跟客戶(hù)和跟我們的終端司機(jī)的車(chē)隊(duì)的使用者，包括我們的物流提供商服務(wù)提供商的合作過(guò)程中，逐漸也探索出一些新的發(fā)展領(lǐng)域。

一方面最早的時(shí)候就是單純的防碰撞，利用我們的車(chē)輛的感知，對(duì)于前端的車(chē)輛進(jìn)行報(bào)警，超速的時(shí)候進(jìn)行預(yù)警，這些是基礎(chǔ)功能。再進(jìn)一步延伸到我們對(duì)于車(chē)內(nèi)司機(jī)危險(xiǎn)駕駛行為的分析。我們又引入了所謂主動(dòng)安全的概念，如果你及時(shí)給他提醒，司機(jī)可能在短時(shí)間內(nèi)對(duì)于駕駛行為本身會(huì)有一些觸動(dòng)，比如說(shuō)防碰撞前的2.7秒給他一個(gè)車(chē)基端的報(bào)警，他可以避免這種行為的發(fā)生，但是時(shí)間過(guò)了之后又會(huì)有影響。所以我們必須通過(guò)人工加智能的方式，對(duì)他進(jìn)行干預(yù)。

在這個(gè)基礎(chǔ)上，我們把剛才所說(shuō)的車(chē)基端和人工智能的報(bào)警結(jié)合主動(dòng)安全服務(wù)的打包，形成了一個(gè)跟保險(xiǎn)公司合作的基礎(chǔ)，因?yàn)閺谋举|(zhì)上來(lái)講，最終被車(chē)輛設(shè)備和所謂的車(chē)輛貨損、車(chē)損所買(mǎi)單的，實(shí)際上是保險(xiǎn)公司。保險(xiǎn)公司本身在業(yè)務(wù)模式和商業(yè)驅(qū)動(dòng)力上，它愿意跟我們一起合作，把它的車(chē)輛發(fā)生事故的這部分的大數(shù)據(jù)，跟我們共享。我們認(rèn)為G7在國(guó)內(nèi)還是比較領(lǐng)先的，因?yàn)檎嬲覀儗?shí)現(xiàn)了一個(gè)，從技術(shù)到運(yùn)營(yíng)再到保險(xiǎn)，再到我們的最終業(yè)務(wù)場(chǎng)景的這樣一個(gè)閉環(huán)，而且這是一個(gè)持續(xù)不斷在累積數(shù)據(jù)并且把數(shù)據(jù)反哺成算法優(yōu)化的高效的閉環(huán)。這是我們正在做的事情。

Q：請(qǐng)教劉總IoT在貨運(yùn)領(lǐng)域，除了定位、主動(dòng)安全、自動(dòng)駕駛，未來(lái)還有哪些發(fā)展的方向？

A：我們除了能看到剛才說(shuō)的定位、速度、車(chē)輛、貨運(yùn)本身，我們對(duì)于有一些領(lǐng)域的多功能的傳感，還有很多的應(yīng)用場(chǎng)景。比如第一個(gè)是冷鏈，尤其從這兩年，我們能看到國(guó)家整體對(duì)于冷鏈物流的需求是不斷在提升的。很多傳統(tǒng)的直營(yíng)電商新一代的業(yè)務(wù)系統(tǒng)的平臺(tái)支撐，不再依賴(lài)于傳統(tǒng)的TMS，而是一個(gè)簡(jiǎn)單的網(wǎng)上訂單的OMS系統(tǒng)，加上對(duì)于它的便攜式的傳感，溫度傳感和濕度傳感的設(shè)備，就組成了它的整個(gè)一套傳感。因?yàn)樗鼜奶镩g，直接把貨物收集好了之后，通過(guò)直營(yíng)的方式，運(yùn)輸過(guò)程中，真正對(duì)他需要的是整個(gè)過(guò)程里面的溫濕度的狀態(tài)，

我們還有對(duì)于光感，對(duì)于整個(gè)運(yùn)輸過(guò)程中的重量的變化，以及利用我們現(xiàn)在的圖象識(shí)別技術(shù)，對(duì)于一些危險(xiǎn)行為或者說(shuō)是駕駛過(guò)程中的一些情況，進(jìn)行一些人工智能的模式識(shí)別的判斷。這些幾個(gè)領(lǐng)域我們綜合在一起，都是對(duì)于IoT方案的補(bǔ)充。這個(gè)技術(shù)本身我們不斷在擴(kuò)展，也不斷在豐富它的感知的場(chǎng)景。但是說(shuō)回來(lái)，沒(méi)有一種單純的技術(shù)或者單純的組合，我們嘗試的更多是用不同的底層技術(shù)在一個(gè)豐富場(chǎng)景下的一種應(yīng)用場(chǎng)景，達(dá)到最終的客戶(hù)需求的目的。