敲开门:人工智能和物联网已经为您的仓库做好了准备

谈论人工智能(AI)和物联网(IoT)在仓库里，房间很快就会安静下来。我们已经到了那个地步了吗?这些下一代技术是真的存在于仓库中，还是仅仅是一些“空想家”的谈话点?

很简单，是的，我们正处于人工智能和物联网真正应用于仓库的阶段。两者都是强大的新工具，可以更好地使仓库和配送中心的活动跟上快速变化的供应链动态。

“不要被人工智能和物联网所迷惑，”他说内特·布朗他是EVS的首席执行官。“这两种方法都被用来解决和以前一样的问题。他们只是做得更好。物联网提供了以前无法获得的数据。这是另一个层次的理解。人工智能分析微观决策，并将其优化到以前不可能达到的水平。”

HighJump首席技术官肖恩•埃利奥特(Sean Elliott)表示:“如果仓库里没有人工智能，物联网就毫无意义。”“你需要结合新的数据源，也就是物联网，再加上更好的解决方案，也就是人工智能，来理解数据，发展洞察力，并根据这些知识采取行动。这两者是提高运营绩效的前沿和中心。”

此外，专家们一致认为，这两种技术对于适应当前从预测驱动到需求驱动的数据中心的转变至关重要。

尽管如此，Softeon首席营销官丹•吉尔摩(Dan Gilmore)表示，这两种技术的游戏仍处于早期阶段。

本文采访的一些公司还没有推出商业产品。其他公司还在试点阶段。还有一些公司在短时间内推出了产品。展望未来，JDA及其合作伙伴将在未来三年投入5亿美元用于研发史蒂夫Simmerman，高级销售/全球合作伙伴和联盟总监。

显然，人工智能和物联网正在敲开仓库的大门。这是你想要回应的敲门声。

构建物联网

让我们面对现实吧，仓库和数据中心面临着前所未有的压力。

“一整天都有命令接到，预计华盛顿特区会立即采取行动。我们面临的挑战是如何及时地处理这些订单。亚当•克莱恩，高级产品管理总监曼哈顿的同事．

数据粒度是提高操作效率的关键因素。

他接着说，即使有仓库管理系统这些决定是根据既定的规则、能力和资源做出的。然而，那些刚刚下降的订单并不是静态的。“目前的情况对未来最重要。不是预设的规则。现在，系统可以智能地平衡容量和资源，旨在最大限度地利用。”Kline说。

吉尔莫说:“人工智能和物联网合作，根据当前情况做出决定。”

那么，这些物联网数据究竟来自哪里呢?信不信由你，其中一些已经在你们的设施中到位了。

从传送带到自动引导车辆和自动存储系统等材料处理设备都接收和发送有关其活动的数据。从扫描仪到语音系统的手持设备也是如此。

Epicor产品管理高级总监马克•詹森(Mark Jensen)表示:“大多数设施都在引入越来越多的数据设备，这些设备正在发展成为一个蓬勃发展的物联网网络。”很多时候，简单的传感器可以提供以前无法用于决策的信息。智能手机是新网络的一部分。

关于人的数据也很重要。“重要的是人们在特定时刻位于何处，他们在做什么，以及如何最好地利用他们，”解释说贾斯汀·里特他是卢卡斯系统公司的项目工程总监。

正如曼哈顿的克莱恩所指出的，实时定位系统正在到位，以跟踪人们以及他们是否能够完成特定任务。事实上，有几种类型的实时定位系统是可用的，包括智能手机、无源无线电信标和RFID。

“根据皮特最近的扫描，很多机构都知道他在哪里。但当你使用实时定位系统时，你就可以随时知道皮特的确切位置。”

吉尔摩补充说，还有人与机器人的问题。他称之为配对能力，利用物联网数据找到合适的人和合适的机器人来完成订单。吉尔莫补充说:“这是一个配对地点的问题，让两者一起挑选和打包。”“这里需要新的思维。”

构建人工智能

作为理查德LebovitzLeanDNA的首席执行官说:“虽然获取数据变得越来越简单，但大多数机构缺乏决定如何使用这些数据以及采取何种行动的能力。这完全是一个弥合预测与制造业实际情况之间差距的问题。”这就是人工智能的切入点。

EVS的布朗给出了他对仓库中的人工智能的基本定义。“它对当前状态进行学习和反应，而不仅仅是一套预先设定的规则，”他说。这是简单的。

人工智能和物联网不是一枚硬币的两面跳高运动员．“但它们确实存在共生关系。人工智能接收到的有关动作和互动的数据越多，它就越能了解如何适应当前的情况。”

虽然大部分物联网数据来自四面墙内，但以后期入站负载为例。JDA的Simmerman说:“由控制塔管理的物联网信号提醒DC，负载将延迟到达。”“人工智能获取这些信息，并确定释放和部署特定数量的劳动力来卸载卡车的最佳时间。人工智能还可以确定负载的哪一部分应该直接用于完成订单或存储。突然之间，你就有了一个新的可见性和智能水平，如何使DC最有效地运行，”西莫曼说。

要达到这一点，确实需要物联网提供的数据粒度。“数据粒度是让AI在新情况出现时进行学习的关键因素，”他解释道格雷厄姆Yennie他是卢卡斯大学的数据科学家。这种特殊形式的人工智能被称为机器学习。

他接着解释说，机器学习可以将传统的工业工程淘汰出局。“例如，工程师可以建立模型，进行时间和运动研究，以制定工程标准。但这是一个耗时的过程。它被锁定在一个时间点上。机器学习只是简单地获取数据，并使用算法根据当前条件动态地生成模型。此外，该模型可以随着条件的变化而适应。更棒的是，人工智能在每次迭代中都在学习。”这一切都是为了降低流程优化成本和改进资源计划。

将物联网和人工智能结合在一起

所有这些都很棒。然而，在华盛顿，物联网和人工智能还有一个更大的目的。这两种技术使得数据中心从预测驱动向需求驱动转变成为可能。也就是说，当它们与WMS、仓库执行系统甚至工作执行系统结合在一起时。LeanDNA的Lebovitz说，对数据中心来说，从预测驱动业务转向需求驱动业务是一个巨大但绝对必要的支点。

这都是为了应对当前的转变，从制造和分销在供应链中发号施令。客户越来越多地负责，以至于他们现在已经超越了低成本，成为供应链效率的主要驱动力。

因此，一系列公司正在调查、试点并将人工智能和物联网完全整合到仓库运营中。

公司如卢卡斯系统和EVS正在进行尽职调查，以决定如何将这两种技术与现有的软件包集成起来。Lucas Systems预计明年春天将深入beta测试。与此同时，EVS正在用WMS软件包测试客户数据。

LeanDNA将人工智能与其库存分析相结合，用于制造业务。它的软件被一系列公司使用，通过连接到他们的企业资源计划(ERP)简化操作的系统。

开槽和机器人技术是HighJump将这些技术与WMS整合的关键。这两个领域的试点项目正在进行中。

Softeon重点是跟踪工人，他们的活动和设备，如使用被动无线电信标的移动机器人。开槽也是一个重点。两者都与软硕的WMS进行了集成，据说现在可以做出更好、更快的决策。

物联网和人工智能都与曼哈顿的仓库执行包集成在其WMS中。自近18个月前推出该功能以来，订单流、机器人技术和配送控制都从中受益。

Epicor的分销管理软件刚刚完成物联网的beta测试。同时，AI完全集成到其ERP系统的虚拟代理中。云在这里也很突出。

一年多以前，JDA收购了Blue Yonder及其AI功能。这已经成为JDA将预测分析数字化的战略支柱，以创建公司正在开发的产品——为自我学习供应链提供一种规范状态。物联网同样是其长期战略不可或缺的一部分。控制塔，云和仓库任务是突出的。

物联网和人工智能在仓库运营中的应用可能还处于早期阶段。日复一日，所有这些都在召唤着你的注意力，很容易忽视这一发展。但如果你不让这种事发生，你会过得更好。

本文中提到的公司

• 电动汽车
• Epicor
• 跳高运动员
• JDA
• LeanDNA
• 卢卡斯系统
• 曼哈顿的同事
• Softeon