仓库语音技术为自己说话

在千禧年之交，手机可以打电话、发短信、对折，差不多就是这样。我们现在已经习惯了携带多媒体门户来了解人类的全部知识，但我们仍然称它们为手机。语音指导提货也有大约20年的历史，但在仓储和配送领域流行的“语音”概念却有不同的历史。想象一下，向朋友展示你2019年的手机，他的回答是:“这是一个只会打电话和发短信的东西，对吧?它甚至不能对折。”

基思•菲利普斯的总裁兼首席执行官Voxware他说，许多业内人士认为所有的语音解决方案——过去的和现在的——本质上都是一样的。

“市场上对什么是声音存在严重误解。对于我们和我们的许多竞争对手来说，这项技术与几年前相比已经有了巨大的不同。”“与现有客户交谈，更不用说潜在客户了，他们对解决方案的理解与实际情况有很大的不同。”

菲利普斯说，虽然语音是Voxware解决方案的一部分，但它几乎每天都在变得越来越小。他很难回忆起上一个只使用语音技术的客户。大多数人至少使用语音和扫描，如果不是图像捕捉，增强现实等。他们使用语音也不仅仅是采摘。Phillips说，除了集装箱化之外，Voice支持仓库中发生的所有事情，但这将在本文发布时发布。

“到那时，我们将覆盖仓库中的每一个功能，”菲利普斯说。“这与五年前人们的想法完全不同。”

说着相同的语言

早期的语音采用者专注于采摘，但语音很快就扩展到其他功能领域。Zebra Technologies供应链解决方案总监马克•惠勒(Mark Wheeler)表示，一些供应商已经远远超越了语音提取，现在更接近于实现完整的仓库执行或精简的仓库管理系统(WMS)功能。在每一步中，灵活性都引导着voice的进步。

惠勒说:“在很长一段时间里，如果你想获得语音的好处，就需要把语音作为一种技术。”“它通知了设备和软件，整个技术堆栈都致力于这个决定。随着技术的成熟，你有更多的能力为工人的任务选择正确的增强。”

分析系统从多个来源收集令人难以置信的详细数据，利用语音和移动硬件不断优化运营。

鲍勃介绍的总裁兼首席执行官AccuSpeech移动他强调，语音还有助于发挥其他移动硬件功能的优势。他说，只要支持语音的设备——以及它运行的任何应用程序——就可以优化流程和技术，而根本不涉及后端。

Bova说:“你可以利用硬件所能做的任何事情。“如果你正在选择、接收或其他什么，说‘异常’，设备就会访问应用程序的子菜单并加载适当的表单。这可能需要80秒到20秒的时间。”

由于与纸质流程相比，语音极大地提高了准确性和生产率，一些早期采用者被冲昏了头脑。常言道:当你只有一把锤子时，一切看起来都像钉子。但扫描有时比说话更快、更准确，而且很少有一种技术适合员工的整个班次。

惠勒说:“我们看到更多的技术增强或替代了语音，而不是只使用一种模式。”“机器人、可穿戴设备、光导向解决方案。有很多选择。”

现在可穿戴他补充说，显示屏的出现，例如，阅读速度快于收听速度的能力，对许多工作流程都是有利的。结合多个设备的多模态方法形成了一个公共数据平台。更进一步说，多个部门的相同语音平台可以帮助改善整个设施或组织。

Bova说:“你不想要孤立的改进，你想要的是系统的改进。”“你可以引入任何类型的共同点来打破孤岛，这对经理们都有帮助，他们不必去寻找对方的答案。他们都能达成共识，证明任何投资都是合理的，因为最佳路径会自动出现。”

分析分析

我们知道语音硬件已经从最初的拣货扩展到整个仓库的功能领域，而且语音设备与其他移动硬件配合得很好。然而，软件方面已经经历了彻底的转变。语音及其软件不再屈从于WMS。Voice现在从WMS中提取信息，但也收集有关员工活动的更细粒度数据。

“WMS想知道是谁在什么时候挑选了什么。就是这样。它不能消耗所有收集到的微数据。克里希纳Venkatasamy他是卢卡斯系统公司的首席技术长。“这就是机器学习工具可以真正使用这些数据而不是将其丢弃的地方。”

文卡塔萨米表示，通过对每笔交易的所有部分的可见性，分析将识别出可以提交给经理及其经理，一直到最高管理层的模式。

除了促进实时、动态的工作执行外，这些粒度数据还被送入分析引擎。随着它的成熟，分析已经从关注过去的数据发展到现在，现在正在向未来推进。或者，正如研究和咨询公司高德纳(Gartner)在最近的一项研究中所言:后见之明、洞察力、远见。

Gartner的四个分析子集:

• 描述性的:发生了什么?
• 诊断:为什么会这样?
• 预测性:会发生什么?
• 说明性:我们怎样才能让它发生?

描述性和诊断性分析可以回答以下问题:我们目前的生产率是多少?这与上周、上个月或去年相比如何?趋势是什么，为什么会发生变化?了解这些信息可以改善计划，但来自更高层次的预测性和规范性分析的见解不要与仅仅的预测相混淆。

Venkatasamy对此进行了澄清。假设您在20条路线上有拾取员，并希望了解整个仓库的拾取状态，并预测可能的完成时间。

Venkatasamy说:“这是一种预测性，但它仍然是基于平均水平和过去发生的事情。”“这些都是直线计算，可能或多或少是准确的。”

预测是基于简单、离散的指标，如工人、案例和订单，简单的算术或经典的工程劳动标准(ELS)计算有助于设定最佳目标。真正的预测分析既考虑离散指标，也考虑介于两者之间的所有空间。考虑到一些独特的订单，独特的工人池，每个订单的旅行距离以及相关流程的影响，复杂的计算将确定完成时间。机器学习不是为每个dc硬编码一个高度特定的静态模型——这是一个耗时的手工练习——而是使用算法来构建一个动态的预测模型。

Venkatasamy说:“这将改变游戏规则，因为你不仅可以得到比ELS计算更准确的预测，而且它将这种能力普及给所有人。”“不需要花费数十万美元，也不需要一个顾问来设计劳动标准，计算10次挑选需要多长时间。算法会学习并给出答案。”

他们学习。

这就是分析学从语音系统收集数据以理解操作的变革性力量。任何熟悉自动纠错或搜索引擎的人都能了解机器学习的基本概念。根据过去的使用情况，分析可以为个别公司、设施和工人定制体验，以优化他们的表现。Venkatasamy说，任何历史数据都可以在第一天输入到系统中，甚至一个客户三年的数据也足以让机器学习算法消化并创建一个模型。每使用一天，模型都会自我调整。

实时数据和分析可以评估员工、主管和经理的表现，一直到最高管理层。[图片来自Voxware]

根据卢卡斯系统在美国，机器学习是人工智能的一个子集，它将学习算法应用于大型数据集，以创建预测模型。通过随着时间的推移不断改进模型，机器学习可以替代实现和维护成本高昂的传统仓库优化方法。

霍尼韦尔(Honeywell)安全与生产力解决方案(Safety & Productivity Solutions)营销与产品管理总监詹姆斯•亨德里克森(James Hendrickson)表示，与任何由人类配置的软件不同，分析的学习能力可以带来惊喜。

亨德里克森说:“有价值的部分位于我们已经认为有价值的部分之间。”“企业之前没有捕捉到的影子指标是什么?美在于偶然的发现。”

亨德里克森说，成本是强大的基于云的分析可以规避的最大障碍之一。“它使更多样化的供应链客户能够获得以前只有大公司才能获得的东西。基于投资回报率的销售通常是‘非常昂贵’的委婉说法。“但通过分析，它可以更动态地计算，这样你就能真实地看到投资回报率。”

耳语加起来就是叫喊

惠勒指出，对整个设施的数据进行分析的应用将进入物联网。在物联网的世界里，打印机、扫描仪、移动电脑甚至一些照明系统都变得比它们自己更重要。传感器化和智能化，一系列技术可以在一个平台上结合在一起。分析的最新前沿是位置数据，它正变得越来越容易获得，也越来越有价值。

惠勒说:“对于许多仓库来说，有效地利用位置感知来推动流程改进是一个机遇和挑战。”“不仅仅是事后优化，而是实时优化。分配这项任务的最佳方式是什么?不是基于他们上次扫描的位置，而是基于他们现在的位置?”

被动射频识别他说，智能手机也将发挥重要作用，因为这是经济上为材料添加智能的唯一途径。更昂贵的RFID标签对于那些会伴随你一生的资产来说是有意义的，但对于任何来来去去的东西，惠勒说RFID是“给这些材料一个数字声音的方式”。

随着可见性和分析在整个供应链中传播，道路建设数据可以告诉托运人在标准截止时间前30分钟发布订单。文卡塔萨米说，为了安全起见，主管不会比去年多雇佣10%的临时工，而是会了解满足特定需求所需的劳动力。比起100个全职临时工，分析专家可能会建议25个4小时轮班，75个8小时轮班。该系统准确地知道员工的能力，以及如何相应地补充它。对于语音，训练可能需要几天而不是几周。

在使堆积如山的数据更易于管理方面，该行业已经取得了长足的进步，即使它还在继续解锁新的数据源。有了智能的、自我改进的软件来寻找价值，这项工作变得更容易了。如果收集和解释数据的潜力实际上是无限的，那么分析就是导航哪些数据脉最有价值以及如何提取这种价值的GPS。

本文提到的公司:

• AccuSpeech移动
• 霍尼韦尔安全与生产力解决方案
• 卢卡斯系统
• Voxware
• 斑马技术