AI推動智慧物流再升級

物流公司利用AI改善部分流程。圖／中新社　亞馬遜在物流中心導入Kiva智慧搬運車。圖／路透　許多物流、電商公司正積極測試無人機送貨。圖／新華社

智慧物流發展多年，最初以物聯網技術來改革，導入機器人、大數據分析、自動化技術等，但隨着AI進步，智慧物流也開始導入相關技術，從倉儲、配送到宅等全方位升級，物流已不再是成本單位，更是增進創新的重要關鍵。

智慧物流開始着重預測

達到自動化目標

隨着電商經濟與智慧製造興起，供應鏈整合需求也開始水漲船高，物流在企業價值鏈中的重要性提升並往智慧物流轉型，更着重於供應鏈中各層參與者的資訊交換與融合。

其中，物聯網技術與各類感測技術的導入，是數據蒐集與資訊傳輸的重要關鍵，例如物流業已開始大量使用RFID將倉儲、運輸、資產管理各環節流程來升級。

智慧物流的定義，是以ICT爲發展基礎，將資訊化、自動化及網路應用導入原有流程中，以有效管理、降低成本及快速送達，物聯網架構讓物流業擁有更智慧的管理模式，在物流各環節中實現系統級感知。

智慧物流讓系統乘載量更大、更具效率，例如中國每年雙十一光棍節的天量銷售，便是仰賴大量的物流配送支撐，但事實上物流系統並非無上限，當接收超過系統乘載的物流單時，依舊會造成系統崩潰，不論是運送時間、運輸品質、使用體驗都可能大打折扣。

過往智慧物流的需求在於流程透明化、彈性調控、降低庫存、減輕人力需求，隨着物流需求持續上升且越趨複雜，智慧物流開始強調「預測」的重要性，也就是預測產品、空間、車隊、人力等，實現預測則必須仰賴大量的資料整合，並輔以預測模型來推演未來需求，才能事先調配與部署，而AI也在此派上用場。

此外，機器視覺、視覺辨識、聊天機器人、無人倉、無人車等AI應用，可協助物流廠商在不同階段進行再優化、提升正確率與降低成本，從而達到自動化的物流流程。

利用AI模型提高準確度

解決仰賴經驗之誤差

AI已涵蓋物流「預測」的大部分環節，之所以將預測模型導入各項作業流程，主要原因是物流需求越來越高，且要求速度也越來越快，加上企業希望將庫存控制於最低水位，但大量的變動和突發狀況，往往導致人爲的判斷失誤，或資源配置錯誤導致流程延誤、甚至造成損失。利用AI來預測與執行，有助於改善過去依靠「經驗」解決問題的不確定性。

但值得注意的是，現階段AI模型尚不成熟，較小型的物流廠商缺乏數據累積，將無法進行AI模型訓練，導致模型正確性可能比人爲判斷還低，因此目前AI的應用更偏向於預測需求趨勢發展的準確性，當大方向得以抓準後，再逐漸延伸至細節項目。

小型的物流廠商現階段較缺乏數據與優質的AI模型，大型物流或供應鏈廠商才能做到高度精確的預測物流模型，例如UPS、FedEx、沃爾瑪等，但中小型物流廠商可以利用AI先改善部分流程，包括出貨檢查、字體辨識、盤點作業、客戶問題回覆、包裝尺寸選擇、貨品的出貨配送，都有AI可以發揮的空間。

倉儲管理也能發揮作用

但需反覆測試優化模型

在倉儲管理中，亦可利用預測平臺來建模，例如利用機器學習做各種參數間的交叉比對，或例如供應鏈網路模型廠商LLamasoft旗下Demand Guru平臺，提供製造大廠施奈德電機進行全球供應鏈最佳路線配送的模型預測，預估導入該模型可爲施奈德每年節省932萬美元。

由上述例子可知，AI要能成功，大數據的累積不可或缺，在施奈德的案例中，LLamasoft分析施奈德提供的20萬個運輸政策數據點、13萬個流量和路由限制，以及150多個初始方案。

又例如物流車隊想要優化貨物配送時間，可蒐集每一天的總配送數量、商品重量、配送行駛總距離、車輛油耗、天候狀況，以及客戶實際簽收的時間等數據，並丟入AI模型中訓練，再搭配原本規劃的預計配送時間，藉由不斷反覆測試驗證模型是否優化。

設備裝置／服務的AI應用

AI除了應用於預測外，另一個主流應用提升服務水準，現階段最常見的便是無人機、無人車／搬運車、無人倉、聊天機器人應用等。

1、無人車／無人搬運車

無人搬運車（AGV）早在1990年代就開始興起，主要應用於汽車製造、半導體行業，初期以磁條、雷射等方式進行導引，並以物料搬運爲主要工作內容。

但直到亞馬遜在自家物流中心全面導入Kiva智慧搬運車後，其餘廠商纔開始陸續導入智慧搬運車，成爲智慧AGV大量應用於物流的契機點。

智慧搬運車與早期傳統AGV最大差異在於AI，隨着AI與導航技術精進，AGV可以利用定位、繪圖與機器視覺技術，在建築物與障礙物間移動，以最精簡人力和正確性極高的情況下實現自動化運輸。

現今AGV更可與倉庫執行系統（WES）串接，整合倉庫管理與控制系統，進一步強化自動化優勢。

除了無人搬運車外，目前已有許多廠商正開發無人配送車，利用真正Level 4以上自駕車進行貨物的遠距離運送，包括京東、阿里巴巴、亞馬遜都有相關策略。

2、無人機

無人機受限於法規以及安全、隱私的疑慮，使用場域受限，雖然近年消費性市場穩健發展，法規也逐步放寬與清晰，如中國於2018年6月實施「民用無人駕駛航空器經營性飛行活動管理辦法」，只需申請並獲取執照後，無人機就能從事商業行爲，如表演、空拍、農藥噴灑等，但該法規依舊不適用於載貨、載人等用途。

儘管如此，實際上已有大量的物流與電商企業正積極測試無人機送貨等，並有多項計劃實施中。

中國物流廠商京東、順豐、蘇寧等都於2017、2018年陸續獲得中國政府的無人機商用許可證，順豐於2012年開始研究無人機物流，2017年7月更宣佈於成都雙流自貿試驗區建立大型物流無人機總部，也成爲中國首個正式落地的無人機物流運輸項目，並於2018上半年拿到中國第一張無人機航空運營許可證。

隨着無人機物流興起，過往數小時的配送流程，可能縮減至數十分鐘，節省大量時間與人力成本。此外，許多電商開始講究物流配送中與消費者接觸的「最後一哩」，利用無人機可以有效克服道路狀況不佳、路途遙遠等問題，有效降低最後一哩的成本。

目前京東與順豐的無人機物流試營運點大多爲遠離市區、人口密度較低之處，但隨着技術與模式成熟，未來無人機有機會成爲物流體系中不可或缺的一環，並作爲現今物流體系最後一哩的最佳互補模式。

3、無人倉

無人倉結合多種人工智慧技術，包含無人搬運車、分揀機器人、機器視覺、自動化揀貨系統等。

京東於2017年曾展示自家無人倉，並以「全流程」、「綠色環保」爲主軸，達到入庫、儲存、包裝、分揀的全流程、全系統的智慧化和無人化。

智慧化系統更是無人倉不可或缺的重要關鍵，唯有全方位的智慧系統，纔有辦法統合與分派各項任務給無人倉中的所有智慧設備，也就是倉庫執行系統（WES）、倉庫管理系統（WMS）的升級，例如可將AI應用於WMS中，提升監控和倉庫的靈活性，機器學習的導入可讓WMS具有發現和檢測異常並優化的能力，例如透過客戶訂購行爲、企業的機器和資源使用等數據中學習。

4、聊天機器人

語音助理技術在近年快速發展，在消費性市場取得成功後，也開始逐漸轉往商用市場，而物流領域也有相關應用導入。

例如利用語音技術建立聊天機器人，並將聊天機器人置於客服系統當中，消費者可用自然語言（Natural Language）與聊天機器人對談，並詢問各項問題。

UPS於2016年即開始應用聊天機器人，將其置於Facebook粉絲團，即時回答消費者問題，包括運費、寄件時效等。由於使用的是自然語言，不會讓消費者在溝通上產生過多隔閡，且即時回覆讓消費者有受到重視的感覺，可強化消費者對該品牌的黏着度，也可減少UPS的客服人員成本。

物流成企業創新關鍵

顛覆既有商業模式

總結來看，過往物流業被歸類爲傳統產業，並被視爲成本項目，但隨着使用者體驗、核心競爭多元化、服務創新等興起，物流已開始轉型成爲企業創新的重要關鍵，企業也陸續進行物流的轉型與佈局，若再加上AI與物聯網的加持，物流未來更可能形成新型態服務模式，並改善現階段物流廠商的痛點。

而AI不只單純解決當前物流產業遇到的問題，更有機會顛覆既有的商業模式，雖然現階段的AI大多應用於預測與設備能力的提升，但隨着技術快速進步，未來也有可能直接改變物流產業的營運模式，像聊天機器人便改變了客服部門的運作，更能將收集到的資訊直接與物流、銷售部門進行結合，直接進行下單與出貨調整。（本文作者爲拓墣產業研究院研究員劉耕睿）