仓库语音技术不言自明

在千禧年之交，手机可以打电话，发短信，对折，仅此而已。我们现在已经习惯了把多媒体传送到人类知识的全部，但我们仍然称它们为手机。语音指挥拣货也有20年左右的历史，但仓储和配送领域流行的“语音”概念的历史却不同。想象一下，给朋友看你2019年的手机，他的回答是:“那就是只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，总裁兼首席执行官Voxware许多业内人士认为，所有的语音解决方案——无论是过去还是现在——本质上都是一样的。

“市场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，这项技术甚至与几年前都有了巨大的不同。“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大相径庭。”

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。他努力回忆起最后一个只使用语音技术的客户。大多数至少使用语音和扫描，如果不是图像捕获，增强现实和更多。除了采摘，他们还使用声音。Phillips说，Voice支持仓库中发生的所有事情，除了集装箱化，但这将在本文发表时发布。

“到那时，我们将覆盖仓库的所有功能，”菲利普斯说。“这与人们五年前的想法完全不同。”

说同一种语言

早期的语音采用者专注于采摘，但语音很快传播到其他功能领域。Zebra Technologies的供应链解决方案总监Mark Wheeler表示，一些供应商已经扩展到语音拾取之外，现在更接近于全仓库执行或仓库管理系统(WMS)- life能力。在每一步，灵活性都引导着voice的进步。

惠勒说:“很长一段时间以来，如果你想获得语音的好处，就需要把语音作为一种技术来投入。”“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设备。”

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，语音也可以帮助利用其他移动硬件功能的优势。他说，仅仅是语音设备——以及它运行的任何应用程序——就可以优化流程和技术，而完全不需要触及后端。

“你可以利用硬件的任何功能，”Bova说。“如果你正在挑选、接收或做其他事情，说‘exception’，设备就会进入应用程序的子菜单，并加载相应的表单。这可能需要80秒到20秒的时间。”

与基于纸张的流程相比，语音大大提高了准确性和生产率，因此一些早期采用者被冲昏了头脑。俗话说: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:“我们看到了更多增强或替代语音的技术，而不是只使用一种模式。”“机器人、可穿戴设备、光导解决方案。有很多选择。”

现在可穿戴他补充说，显示器正在发展，例如，阅读速度比收听速度快的能力可能对许多工作流程都是有利的。结合多个设备的多模态方法将产生一个公共数据平台。更进一步，多个部门使用相同的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，你想要系统的改进。”“你可以引入任何类型的共性来打破竖井，这将有助于经理们，他们不必去找他们的同行寻求答案。他们可以达成一致，并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采摘扩展到整个仓库的功能领域，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。语音和它的软件不再屈从于WMS。Voice现在从WMS信息中提取信息，但也收集了关于工人活动的更细粒度的数据。

“WMS想知道什么是采摘的，什么时候采摘的，由谁采摘的。就是这样。它不能消耗收集到的所有微数据。克里希纳Venkatasamy他是卢卡斯系统公司的首席技术官。“这就是机器学习工具可以真正使用这些数据而不是丢弃它的地方。”

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

除了促进实时、动态的工作执行外，还将这些颗粒数据馈送到分析引擎中。随着它的成熟，分析已经从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说:后见之明、洞察力、远见。

Gartner分析的四个子集:

• 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:我们如何实现它?

描述性和诊断性分析可以回答以下问题:我们当前的生产力是多少?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进计划，但是来自更高级别的预测性和规范性分析的见解不能与仅仅是预测相混淆。

Venkatasamy提供了澄清。假设您在20条路线上有拾取员，并且想知道整个仓库的拾取状态，并预测完成时间。

Venkatasamy说:“这是一种预测，但它仍然是基于平均值和过去发生的事情。”“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。真正的预测分析考虑到离散指标以及两者之间的所有空间。给定一些独特的订单、一群独特的工人、每个订单的运输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——这是一种耗时的手工练习——而是使用算法来构建一个动态的预测模型。

Venkatasamy说:“这改变了游戏规则，因为你不仅可以得到比ELS计算更准确的预测，而且它使所有人都能使用这种能力。”“不需要数十万美元和顾问来制定劳动标准，也不需要计算10次采收需要多长时间。算法会学习并给你答案。”

他们学习。

这就是从语音系统中收集数据以理解运营的分析方法的变革力量。任何熟悉自动纠错或搜索引擎的人都知道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、设施和员工量身定制体验，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。[图片由Voxware提供]

根据卢卡斯系统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。随着时间的推移，通过不断改进模型，机器学习可以替代传统的仓库优化方法，这些方法的实施和维护成本很高。

霍尼韦尔安全与生产力解决方案营销和产品管理总监James Hendrickson表示，与人类配置的任何软件不同，分析的学习能力可以带来惊喜。

“有价值的部分出现在我们认为有价值的部分之间，”亨德里克森说。“业务之前没有捕捉到的影子指标是什么?”美在于偶然的发现。”

Hendrickson说，成本是强大的基于云的分析可以避开的一大障碍。“它允许更多样化的供应链客户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，”亨德里克森说。“但有了分析，它可以更动态地计算，这样你就能以真实的方式看到投资回报率。”

低语加起来就是呐喊

惠勒指出，在整个设施中对数据进行分析的应用将成为物联网的一部分。在物联网世界中，打印机、扫描仪、移动计算机甚至一些照明系统都变得比它们自己更强大。传感器和智能，一系列技术可以汇集在一个平台上。分析的最新前沿是位置数据，它变得越来越可用和有价值。

惠勒说:“对于许多仓库来说，有效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?不是基于他们最后扫描的位置，而是他们现在的位置?”

被动射频识别他说，这也将发挥重要作用，因为这是经济地为材料增加智能的唯一途径。更昂贵的RFID标签对于那些将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“赋予这些材料数字化声音的方式”。

随着可见性和分析技术在供应链上的普及，道路施工数据可以告诉托运人在标准截止日期前30分钟发布订单。文卡塔萨米说，主管将知道满足特定需求所需的劳动力，而不是仅仅为了安全起见，比去年多雇佣10%的临时工。比起100个全职临时工，分析人士可能会推荐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。有了语音，训练只需要几天，而不是几周。

在使海量数据更易于管理方面，该行业已经取得了长足的进步，同时还在不断开发新的数据源。随着智能的、自我改进的软件寻找价值，这项工作变得更加容易。如果收集和解释数据的潜力实际上是无穷无尽的，那么分析就是导航哪些数据最有价值，以及如何提取这些价值的GPS。

本文中提到的公司:

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