【伍强课堂：智能仓储系统简介（二）】

要深刻理解智能仓储的含义，首先要理解智能仓储系统的构成。从系统本身而言，智能仓储由自动化系统和信息系统组成，这是没有疑义的。然而，容易被忽视的一点是：智能仓储系统的设计及装备制造体系也应该被包括在其中。运用人工智能完成仓储系统的设计，使其在多方案的选择中，通过计算机仿真，更容易找到最佳的解决方案；另一方面，对于仓储设备而言，也存在与智能制造一致的概念，即充分运用计算机人工智能技术，完成物流装备的智能制造。关于这一点，有专门的著作论述，不在本书中单独讨论。

01、自动化作业技术

自动化作业技术是智能仓储的基础和执行部件，智能化首先是体现在自动化方面。具体来说，自动化技术分布在物流仓储作业的各个环节之中，如输送、储存、拣选、包装、装卸、配送等。以下逐一说明。

1.1自动输送

自动输送是物流仓储作业的关键环节，其范围非常广泛，设备种类也丰富多彩。分布在收货、入库、拣选、配送等多个环节。典型的设备包括各种输送机、提升机、穿梭车。此外，各式各样的自动叉车、AGV等也属于自动输送范围。

在各种输送设备中，自动叉车和AGV当然是未来最重要自动化设备之一。自动叉车的历史非常短，它的诞生完全是受AGV的影响。事实上，所谓的自动叉车就是AGV的一种。

有关AGV的应用，可以追溯到1970年代。在德国和日本的物流系统中（主要是制造业）均已经开始应用AGV。开始的AGV主要应用于托盘的搬运，到了2010年前后，随着导航技术的飞速发展，亚马逊推出了著名的KIVA机器人，这是一种非常灵活的背驮式AGV，并可进行小型化，以适应周转箱之类的单元输送，开启了AGV应用的新的时代。

AGV的发展主要体现在导航技术方面，最早的AGV系统主要是以磁力线作为导引的，这一技术到现在仍然在使用。此后，陀螺导航，图像导航也相继被采用。直到90年代中期，以激光导引为代表的新一代导航技术开始应用。激光导航系统借用了卫星导航GPS的基本算法，改变了过去需要预埋导引线的刚性做法，使路线设置和调整仅仅需要在软件上就可以完成，大大方面了实际应用。时间进入到21世纪，新一代的导航技术又有重大突破，这就是所谓自然导航技术。受汽车自动驾驶技术的启发，自然导航依赖的技术仅仅是摄像机和计算机系统，通过安装在设备的上的摄像机，可以获得周边道路的基本情况，从而为完成自动驾驶提供判断条件。自然导航系统彻底舍弃了传统的导航思想--即通过预设路线来获得自动驾驶的输入条件，使AGV的控制已经基本上升到软件控制阶段，接近于人工智能的水平。

图1：具备自然导航的智能叉车系统

1.2 自动存储

最典型的自动存储设备莫过于自动化立体库系统（AS/RS），随着物流仓储技术的不断发展，无论是存储形式，还是存储技术都发生了根本性的改变。从存储形式分类，可以分为托盘式存储和箱式存储两大类。每个大类下，又有多种技术应用。

图2 自动存储分类

AS/RS系统的诞生被称为仓储技术的革命性成果，尤其是四向穿梭车的诞生，使得AS/RS技术得到了充分的发挥，在德国，甚至诞生了可自行穿层的蜘蛛型穿梭车。四向穿梭车有两套轮系，可以在水平面内沿着X方向和Y方向两个方向运行，可以适用于任何形状的场地，彻底解决了传统AS/RS对于规范场地的要求。

图3: 四向穿梭车系统

1.3自动拣选

仓储系统的拣选分为“货到人”拣选和“人到货”拣选两大类。所谓“人到货拣选”即货不动人动，拣选人员（也可以是机器人）行进到拣选货位，按照系统要求进行拣选作业，这是一种典型的“人到货”拣选作业。另一种拣选是“货到人”拣选，即人不动货动，自动化系统将货物送到拣选人员面前，由人工完成拣选作业。

最典型的自动拣选系统如A字架拣选系统和机器人拣选系统。前者的应用已经有数十年的历史，后者由于技术的局限则刚刚开始。机器人拣选的巨大困难在于对复杂环境的识别和定位，目前的应用还仅仅局限于现场局面非常简单的情形，如单一品种且摆放相对整齐的情形。

图4：机器人自动拣选系统

在实际应用中，“货到人”拣选更加普遍一下，主要是因为技术更简单一些，而效率也更高一些。

未来的拣选更多采用的将是半自动化的拣选，即最后的拣选动作由人工完成。这样可以大大降低系统的复杂性和提升系统的适应性。目前流行的“货到人”拣选绝大部分采用半自动方式。

图5：货到人拣选系统

1.4自动包装

自动包装也是非常重要的自动化技术，与此关联的设备还包括自动缠膜、自动开箱、自动装箱、自动贴标、自动封箱等技术。作为自动化物流仓储系统的重要一环，自动包装技术越来越受到重视，其应用前景也更加广泛。

图6：自动封箱系统

1.5自动分拣

自动分拣在很多物流中心已经广泛采用，尤其随着电子商务的发展，快速分拣已经越来越受到重视。

目前主要的分拣技术有交叉带分拣、托盘分拣、滑块式分拣、模组分拣、AGV分拣等。

随着AGV技术的深入应用，采用AGV进行分拣已经在电商和邮政系统中开始应用，开创了一个全新的分拣技术，对于未来的自动化分拣作业有很大的示范作用。

传统的分拣系统有一个最大的局限性是分拣格口和分拣效率受限，以交叉带分拣系统为例。一套系统的小时分拣能力最大仅为10000件左右，即使通过分区投放和预分拣处理，其能力也不过每小时20000~30000件，格口受到场地和分拣机长度的限制，最大也不过200~300个，可以突破的可能性非常小，这对于动辄几十万件甚至上百万件的分拣要求来说，实在是难以适应。AGV分拣从理论上完全可以突破这一限制，无论是分拣效率，还是分拣格口，仅仅受到场地的限制，这是分拣技术的一大突破。

图7：分拣AGV

1.6 自动装卸

装卸一直是物流仓储系统中的重要环节，而自动装卸，自动码垛/拆垛更是物流仓储作业中最难实现的节点之一。基于3D视觉技术的自动装卸技术，对于提升整个物流仓储系统的效率，起到了至关重要的作用。

1.7自动配送

配送机器人已经开始研发，随着自动驾驶汽车技术的日臻完善，自动配送机器人的商业化只是时间问题。此外，无人机的应用也在实验室中进行，据亚马逊报道，其无人机配送已经克服了技术上的障碍。未来自动配送和无人配送将有很大的应用前景。

02、互联网及信息技术

2.1 AI技术

没有什么技术比人工智能（Artificial Intelligence）更令人着迷和期待了。人工智能技术首先是一个系统问题，包括信息的接收、分析、处理、反馈，形成系统自主作业的指令。人工智能应用于物流仓储系统，不仅在于指导系统规划和设计，更在于规划和指导仓储作业。目前，人工智能在深度学习，模式识别等多个方面已经取得重大突破，其应用已经在某些领域展开，可以期望，其在物流系统中的全面应用，必将开启一个全新物流仓储时代。

2.2云计算Cloud computing

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种形象说法。过去在示意图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。云计算通过分布式的并行计算来实现复杂的运算请求，从而获得快速的反应。云计算甚至可以让你体验每秒10万亿次的运算能力。拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

对云计算的定义有多种说法。现阶段广为接受的是美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。

随着电子商务的快速发展，海量订单和数据的处理已经成为家常便饭，可以预见，云计算将会在物流仓储信息处理方面和库存决策方面发挥巨大作用。

2.3大数据（Big data）

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模，快速的数据流转，多样的数据类型和价值密度低等4大特征。

大数据技术的意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。而事实上也是如此，数据已经越来越重要，甚至可以说已经成为一种关键的商业资源。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理，分布式数据库和云存储、虚拟化技术。

随着云时代的来临，大数据也吸引了越来越多的关注。有学者认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要向数十、数百或甚至数千台的计算机分配工作。

大数据需要特殊的技术，以有效地处理大量的互不关联和离散的数据。适用于大数据的技术，包括大规模并行处理数据库，数据挖掘，分布式文件系统，分布式数据库，云计算平台，互联网和可扩展的存储系统。

大数据的基本特征：

• 容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；

• 种类（Variety）：数据类型的多样性和非结构性；

• 速度（Velocity）：数据增长的速度非常快；

• 可变性（Variability）：妨碍了处理和有效地管理数据的过程。

• 真实性（Veracity）：如何甄别数据的真伪是一个难题，比如一个调查的结果；

• 复杂性（Complexity）：数据量巨大，来源多渠道；

• 价值（Value）：合理运用大数据，以低成本创造高价值。

大数据的价值体现在以下几个方面：

• 对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；

• 做小而美模式的中小微企业可以利用大数据做服务转型；

• 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。

当然，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。

大数据对物流仓储而言是一个适逢其时的技术。其应用将非常广泛，如通过大数据分析，可以完成货物的有效采购（包括品种，采购时机，采购数量等），并根据销售预测，完成货物的前置布局，这是新零售的一个重要特点。

2.4区块链BLOCK CHAIN

随着比特币的火爆，区块链技术变得炙手可热。

从定义上看，区块链是分布式数据存储，点对点传输，共识机制，加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

区块链的基本原理理解起来并不难。基本概念包括：

• 交易（Transaction）：一次操作，导致账本状态的一次改变，如添加一条记录；

• 区块（Block）：记录一段时间内发生的交易和状态结果，是对当前账本状态的一次共识；

• 链（Chain）：由一个个区块按照发生顺序串联而成，是整个状态变化的日志记录。

如果把区块链作为一个状态管理机制，则每次交易就是试图改变一次状态，而每次共识生成的区块，就是参与者对于区块中所有交易内容导致状态改变的结果进行确认。

区块链的主要特征表现在以下几个方面：

去中心化

由于使用分布式核算和存储，不存在中心化的硬件或管理机构，任意节点的权利和义务都是均等的，系统中的数据块由整个系统中具有维护功能的节点来共同维护。

开放性

系统是开放的，除了交易各方的私有信息被加密外，区块链的数据对所有人公开，任何人都可以通过公开的接口查询区块链数据和开发相关应用，因此整个系统信息高度透明。

自治性

区块链采用基于协商一致的规范和协议（比如一套公开透明的算法）使得整个系统中的所有节点能够在去信任的环境自由安全的交换数据，使得对“人”的信任改成了对机器的信任，任何人为的干预不起作用。

信息不可篡改

一旦信息经过验证并添加至区块链，就会永久的存储起来，除非能够同时控制住系统中超过51%的节点，否则单个节点上对数据库的修改是无效的，因此区块链的数据稳定性和可靠性极高。

匿名性

由于节点之间的交换遵循固定的算法，其数据交互是无需信任的（区块链中的程序规则会自行判断活动是否有效），因此交易对手无须通过公开身份的方式让对方自己产生信任，对信用的累积非常有帮助。

区块链技术在物流领域的应用

目前形成公认的意见中，认为区块链对新零售产生三个相对确定的技术应用：优化供应链管理，商品溯源，消费者身份确认。

沃尔玛公司发明了一个名叫“智能包裹（smart package）”的区块链技术，利用区块链技术完善更智能的包裹交付追踪系统。这个专利技术，还有一个记录包裹信息（比如包裹内容、环境条件、位置信息等）的设备。沃尔玛的这个技术，甚至还有一个基于区块链技术的无人机包裹寄送追踪系统。能实现包括卖家私人密钥地址，快递员私人密钥地址和买家私人密钥地址等，一系列用于监管配送地址的加密技术。

在跨境供应链管理上，利用区块链技术，商品的全球链路可追踪技术，会更加精准无误。分布式纪录让商品的全链路过程，从汇集生产、运输、通关、报检、第三方检验等信息，全部得到加密确证，不仅不可更改，每个流程还能清晰可追踪、可监控。

因为是去中心化分布式数据库，区块链的点对点交易和私密性，可能对现有零售业的整个业务体系，存在颠覆性冲击。如S2b2C交易模式。既然区块链能查询到商品从源头、制作、出厂、上架销售所经历的所有历程。那么品牌商也能看到每件商品的流向，以及终端消费者的分布情况。从这个技术角度来说，品牌商完全可以直接触达每一个精准又私密的终端消费者。

注：S2b2C交易模式：一种新型的电子商务交易模式，其中S一般理解为供货商或厂家；b则是指直接服务于消费者的商户或者企业，小写的b表示与传统的分销商不同，是社区级别的小商户；C的话就是我们熟悉的消费者，也可能会是采购商。

2.5 3D视觉技术

3D视觉技术又称为3D机器视觉技术，可以简单地定义为对三维对象（或表面）进行测量或检查的技术。其基本原理是通过双目相机进行图像信息采集，将采集的信息进行压缩处理，利用几何算法，确定对象的三维坐标。有几种不同的方式可以实现：

1）激光轮廓分析：激光轮廓分析是最受欢迎的3D成像技术之一。被测物体通过激光束移动，利用激光反射原理测量出物体的轮廓。

2）立体成像：另一种流行的3D成像技术是立体成像，其中两个相机用于记录物体的2D图像，然后可以将其三角化并制成3D图像。

3）条纹投影：在条纹投影中，条纹图案投影到待测量的整个表面区域上。然后通过垂直于被测物体定位的摄像机记录图像。

4）飞行时间：飞行时间法测量光脉冲到达被测物体然后返回的时间。测量每个图像点所花费的时间将根据对象的大小和深度而变化，因此每个点将在测量时提供该信息。

3D视觉技术在物流系统中有广泛的应用前景，如自动码垛/拆垛，自动装车/卸车等，此外，3D视觉还可以用于障碍物探测，污损条码分析，工件检查等多种场合。是智能仓储不可或缺的基础技术。

2.6 SLAM自然导航技术

SLAM（simultaneous localization and mapping）即同步定位与映射，指在未知的环境中，移动设备（如AGV机器人）通过自身所携带的传感器（激光传感器或者3D视觉传感器等）来对自身进行定位，并利用传感器获取环境信息，构建增量式地图，从而完成自动导航的目的。SLAM自然导航是AGV系统采用的最新的导航方式之一，也是未来智能仓储采用的最主要的导航方式。其根本原因是自然导航突破了传统导航技术（如磁线导航、磁钉导航、二维码图像导航、激光导航等）需要预设场景的限制，可以实现非预设路径的导航。SLAM自然导航技术还可以用于无人驾驶汽车，其原理与AGV是一致的，由于路况的原因，无人驾驶汽车面对的情况要更加复杂。

2.7 物流可视化技术

按照狭义的定义，可视化（Visualization）是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。而可视化在物流系统中的应用范围要更加宽广，总体来说，物流可视化技术就是利用计算机网络技术、物联网技术、图像处理技术等，使物流过程和物流数据实现可跟踪和可监控。物流过程包括收货、检验、存储、拣选、补货、输送、包装、集货、发货、运输等，物流数据则包括物流过程中所产生的和携带的所有数据，包括但不限于订单数据、库存数据、作业数据、设备数据、管理数据、财务数据、故障数据等。

与可视化相关的另一个概念是数字孪生（Digital Twin）。数字孪生最早是用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。数字孪生在物流仓储系统的应用有两方面，其一是在设计阶段就完成数字化模型，从而在虚拟的空间中对仓库进行仿真和模拟，并将真实参数返回以指导设计修正；其二则是在建成后，在日常的运维中实际系统和仿真系统二者继续进行实时的信息交互，从而实现系统全生命周期的数字化监控。

物流可视化技术为订单跟踪、故障处理、系统评估提供了依据，其意义不仅在于提高客户服务的质量，其更大的价值在于数据可同时呈现于管理的各个平台，从而为同步决策和管理提供了可能。

2.8 RFID自动识别技术

RFID（Radio Frequency Identification）技术，又称无线射频识别技术，被称为智能物流仓储与仓储的关键技术。其实，RFID是一种通信技术，它可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。

从概念上来讲，RFID类似于条码扫描，对于条码技术而言，它是将已编码的条形码附着于目标物并使用专用的扫描读写器利用光信号将信息由条形磁传送到扫描读写器；而RFID则使用专用的RFID读写器及专门的可附着于目标物的RFID标签，利用频率信号将信息由RFID标签传送至RFID读写器。

从结构上讲RFID是一种简单的无线系统，只有两个基本器件，该系统用于控制、检测和跟踪物体。系统由一个询问器和很多应答器组成。当然，就其技术构成而言，RFID有很多分类，如有源RFID和无源RFID等。

RFID最重要的优点是非接触识别，它能穿透雪、雾、冰、涂料、尘垢和条形码无法使用的恶劣环境阅读标签，并且阅读速度极快，大多数情况下不到100毫秒。有源式射频识别系统的速写能力也是重要的优点。可用于流程跟踪和维修跟踪等交互式业务。

制约射频识别系统发展的主要问题是不兼容的标准。射频识别系统的主要厂商提供的都是专用系统，导致不同的应用和不同的行业采用不同厂商的频率和协议标准，这种混乱和割据的状况已经制约了整个射频识别行业的增长。许多组织正在着手解决这个问题，并已经取得了一些成绩。标准化必将刺激射频识别技术的大幅度发展和广泛应用。

在物流仓储应用方面，RFID可应用于货物识别。在货物或单元中植入RFID芯片，可以使系统能够自动识别货物，尤其是有源RFID，可以自发的发射信号，为智能物流仓储的实现打下了基础。

此外，RFID还有很多应用，如盘点，货物跟踪与溯源管理等。