人工智能到底如何应用于物流？

　　近日，全球物流业的领导者和面向世界的物流企业DHL联合IBM发布了 《人工智能在物流行业的应用》报告。报告既介绍了AI在多个应用领域中的发展，也探讨了AI技术在物流产业内的应用。

一、物流货物的可视化、互动化和智能化

　　AI应用在现代物流工作的物理需求方面也能提供诸多方便。AI机器人、计算机科可视系统、会话交互界面、以及自动运输工具等都是AI在物流运营中的实际体现，这一系列新工具的应用充实壮大了现有的工作力量。

　　智能机器人分拣

　　对信件，包裹甚至码垛货物进行高速有效分拣，是现代包裹和快递运营商最重要的本职工作之一。近期中外运-敦豪国际航空快件有限公司获得专利的“小型高效自动分拣装置”就利用了部分图像识别技术，在进行快件分拣的同时，自动获取数据，并对接DHL的相应系统进行数据上传。

在中国DHL快递的作业过程中，已经运用到了一些AI相关技术（来源：DHL）

　　未来，面对数以百万计的货物，我们不再需要传送机器、扫描设备、人工处理设备和工作人员进行一道道分拣，而是可以利用人机协作机器人。通过AI引擎，不同的摄像头和传感器可以抓取实时数据，继而通过品牌标识、标签和3D形态来识别物品。机器和人从而可以同时对移动传送带上的可回收物品进行分类和挑拣。

　　AI驱动的可视化监测技术也是物流操作环境下AI应用的一支潜力股。在物流行业，货物灭失或磨损是无可避免的问题。IBM Watson通过对货运列车进行追踪拍摄，成功实现了对货物损坏情况的识别和分类，并能够采取适当措施进行修复。具体来说，首先将照相机沿火车轨道安装，以收集经行火车车厢的图像，然后自动上传到IBM Watson图像存储区，由AI图像分类器识别损坏的货车组件。

二、作业过程中的AI

　　当今世界瞬息万变，AI能够助物流业一臂之力，推动其从根本上转变运作模式--从反应式行动和预报转变为智能预测下的主动式行为。

　　使用AI进行预测性运输网络管理可显著提高物流业务运营能力。准时保量运输是空运业务的关键，虽然空运业务仅占全球运输总吨数的1％，但其贸易价值占比却高达35％。

预测业务峰值可以帮企业提高网络效率（来源：DHL）

　　DHL开发了一种基于机器学习的工具来预测空运延误状况，以预先采取缓解措施。通过对其内部数据的58个不同参数进行分析，这一机器学习模型能够提前一周对特定航线的日平均通行时间进行预测。此外，它还能确定导致运输延误的主要因素，比如是出发日之类的时间因素，或是航空公司准时率等方面的运营因素，有助于空运代理商提前进行科学计划，而不是只能靠主观猜测。

　　DHL全球贸易晴雨表是一个非常独特的工具，可对全球贸易当下状况和未来发展进行前期预测，即基于其应用庞大的运营物流数据、先进的统计模型和AI来对全球经济前景进行月度展望。

　　模型采用自下而上的方法，汇总了来自七个国家的商品空运和集装箱海运进出口数据作为基础。系统对来自占全球贸易75％的七个国家（中国，德国，英国，印度，日本，韩国和美国）的2.4亿个变量进行评估，运用AI引擎和其他非认知分析模型，总结出一个单一的指数来表示当前贸易增长和未来两月全球贸易的加权平均值。历史数据测试显示，DHL全球贸易晴雨表与实际集装箱贸易量之间存在高度相关性，表明其能够对全球贸易进行三个月为周期的有效预测。

　　预测型风险管理对于确保供应链的连续性至关重要。DHL Resilience360 平台是基于云计算的供应链风险管理解决方案，专为满足全球物流企业的需求而量身定制。 对于许多行业（汽车，技术，工程和制造业等）的供应链上游企业来说，管理来自全球数千家供应商的零部件流转是家常便饭，而供应商一旦出现问题，无论是原材料短缺，不当劳动措施，还是法律调查，都可能给整个供应链带来严重干扰。

　　Resilience360平台的Supply Watch模块便是AI帮助供应商压降风险的范例之一。通过使用先进的机器学习和自然语言处理技术，Supply Watch可监控来自30多万个在线和社交媒体信息源的800万篇内容，并且能够理解在线对话这种零散文本中的态度和观点，以预判风险指标。 这反过来也使得图40中描绘的供应链管理者能够提前采取措施，以免供应链中断。

DHL员工使用Resilience360平台的机器学习和自然语言处理技术识别供应商侧风险（来源：DHL）

三、行政办公中的AI

　　在企业生存环境复杂多变的大背景下，大量细致且重复任务的行政工作给全球企业的内部运行带来巨大压力。在这一点上，AI技术能够帮助企业节省时间、降低成本，从而提高生产力和工作准确度。

　　1、认知自动化技术

　　AI和机器人过程自动化技术（RPA）相结合下的自动化智能业务处理技术。这一技术通过将软件机器人整合至现有的商务应用和IT系统中，实现传统人工文书工作的替代。如图所示，RPA并不等同于AI，AI能够自我学习，并从杂乱无章的数据中去芜存菁，而RPA往往只是代替人工，在固定框架下执行基于规则的工作流命令，它的学习能力也受到自身程序设计的限制。

　　2、财务异常情况检测

　　物流企业核心业务正常运转往往高度依赖于公共运输业者、分包商、包机航空公司等第三方供应商，因而其财务会计团队每年需要处理上百万张来自供应商及合作伙伴的发票，背负着巨大的业务压力。自然语言处理技术能够从成堆的发票中抽丝剥茧，提取发票金额、账户信息、日期、地址等关键信息。RPA机器人可以将数据进行分类，然后输入到现有的财会软件中，就可以生成订单、执行付款并向客户发送确认电子邮件，整个过程无需人工干预。

　　3、认知型海关申报

　　使用AI对海关申报流程进行优化和自动化也是一个趋势。以往海关申报的主要问题在于过度依赖复杂的人工处理，相关工作人员需要熟知法律法规，并且十分了解行业及客户信息，以事无巨细地对各类内容和条文进行交叉验证和反复确认。

　　中国在4月20日刚刚实行了关检合并新政策，从根本上对海关申报流程进行了优化与革新。中外运-敦豪背后的DHL全球快递网络采用了部分AI技术进行细致的地址管理，从而提高了运送效率，并保证了送达准确性。

AI技术可以帮助物流供应商进行细致的地址管理，保证准确送达（来源：DHL）

　　在清关可视化方面，中外运-敦豪也将AI技术融入到工作流程中。流程可视方面，客户可通过清关关键进程检查点，了解货物清关状态，时刻掌握清关进展。而在交互可视方面，系统可以将现有各类系统信息整合，进行分析，根据既有清关信息及清关习惯提出建议，提升清关效率。

【独家稿件及免责声明】本网注明转载文章中的信息仅供用户参考。凡注明来源“运输人网”的作品，未经本网授权均不得转载、摘编或使用。联系邮件：master@yunshuren.com