制造水平的过程中,相关的“物流4.0”案例不断涌现。机器人、自动化立体库等技术的应用,为降本增效提供了很大的帮助,也使得物流科技逐渐成为了制造业的刚需。
然而,智能科技的落地并没有想象中那么简单。项目落地周期各阶段的潜在问题,可能会给企业带来许多额外成本,或是“吓退”后来者的尝试热情。本文在此列举一些可能的问题,不求面面俱到,但求和读者交流、碰撞思维火花。
在物流科技项目初期,一个“坑”是不能正确认识物流科技方案的行业特性。一方面,我们需要对每个行业的特性有充分的敬畏,认识到一个行业的智能装备方案不能简单照搬到另一个行业;另一方面,即使是在同一个行业内,其分拣、拣选、内部搬运、存储、运输等各环节的差异也是非常巨大的(例如在汽车、3C电子等制造业)。因此,我们在选择合作伙伴的时候,仅仅听到对方“有XX行业经验”是不够的,还需要进一步考察对方在具体环节、具体设备类型上的经验,才能确定合作伙伴与项目的匹配程度。
例:一些行业对于物流机器人的要求
在物流系统设计的过程中,要充分考虑“异常流程”。在一个物流科技项目正常运作的时候,也许我们看不出任何问题,只觉得无人化、自动化运作的场景十分“高大上”。但一旦系统停摆了,对于生产进程的影响会立刻显现出来 - 尤其是在制造业,生产线停滞一分钟的成本都有可能是数以万计的。在这个时候,我们需要有非常充分的预案:在A场景之下如何应对,B场景之下如何补救。。。并且,每个场景之下解决问题的速度需要足够快 - 软件BUG需要快速定位、硬件故障必须及时排除(从这个角度说,人在意外情况下的反应往往会比机器灵活得多。但是要全面普及智能物流科技,必须要过“异常情况处理”这一关)。在计算系统总体成本的时候,故障维修等相关成本也必须考虑进去。
从数据集成的角度,在项目前期就要充分考虑新引入的物流设备如何集成到相应的制造业环境中去。包括:哪些数据需要采集(机器人移动的轨迹?所装载的货物数据?或其它。。)?需要在什么时间点采集?相应的数据格式是什么?与其它哪些系统对接?后续是否存在可扩展性(考虑到系统升级的需要)?如果在项目早期没有对这些问题作澄清,很容易造成数据互联互通方面的麻烦 - 做完项目之后,系统中反而又增加了一个信息“孤岛”。
需要从全流程的角度来看待物流科技的作用,避免“流程坑”。许多时候,一项技术能够提高单个环节的效率(例如:通过计算机视觉设备来自动识别货物条码、或是称重量方等),但是这项技术的应用本身是有前置环节的,例如需要通过人工搬动货物,将条码所在位置和摄像头对齐。类似这样的前置环节如果比较多的话,本身就会增加工作量,以至于总体来看没有达到降本增效的目的。“流程坑”的另一个表现是作业流程未标准化。然而,信息系统的应用往往都是以标准化为前提的,这就可能导致“例外”情况的发生:如果一项技术在90%的情况下可用,但是在10%的情况下不可用,那么这10%往往就足以让技术的应用效果大打折扣。
要保证对系统充分测试,避免因盲目上马而埋下隐患。这个和之前提到的“异常流程设计”也是相对应的:系统软硬件运行中的许多问题,只有通过充分的测试才能够显现出来。一些流程设计中的漏洞,只有当经历了足够多的场景之后才会遇到。因此,我们不能够仅凭小规模演示或者PoC(验证性测试)而作出大规模应用的结论 - 尤其当投资较大、或者涉及大规模基础设施建设的时候:这类投资决策往往都是不可逆的,一旦事后发现有大的问题,则已经无法弥补。
在落地方案设计阶段,我们会很依赖于物流规划人员的工作:如何通过合理配置各种资源,让整体物流路线更短、物料的停滞和等待更少、工序衔接更加紧密、生产制造整体效率得以提升?在现阶段,规划人员的经验(以及相关的数学公式)仍然是不可获取,但今后我们会越来越依赖于仿真工具,通过计算机系统中的模拟,在实际物流系统落地之前就已经对其指标有充分的掌握。随着数字孪生等技术的进一步成熟,我们会逐步摆脱物流规划的“人力密集型”大坑,而更多在数字世界中借助智能算法完成规划。
能源管理近年来的影响也越来越大。首先,当系统中自动化设备比例越来越高的时候,各种设备的运行及其开/关给电力系统带来的负载,本身就是一个值得研究的话题。其次,众多设备所带来的碳排放也需要仔细核算。‘“绿色低碳”已成为未来智能装备的一道必答题。
Last but not least, 需要重视物流科技产品的售后服务问题。无论是设备本身的故障排查、后续的产品升级还是其它问题,都需要相关合作伙伴长期的支持。目前,物流智能设备领域的服务已经越来越“卷”:许多厂商纷纷提出“7*24小时服务”、“X小时内到达用户现场、XX时间内解决问题”等承诺。这对于用户来说固然是福音,但也意味着相关成本的攀升。服务商有必要作全面的测算,以确定相关服务模式是否可持续的。
小结
物流科技在现代制造业环境中扮演的角色越来越重要,因此如何规划和运营各种科技设备,也就日渐成为管理者面临的重要课题。为了避免各种“坑”带来的隐患,我们要在规划阶段正确认识方案的行业特性、充分考虑异常流程的影响,以及智能装备在整体数据集成中的位置;在落地阶段要有全流程视角、保证对系统充分测试、并通过仿真测算来预先考虑各种运行细节的影响;此外,还要充分预计能源管理和绿色低碳话题,并重视物流科技的售后服务,以确保产品在全生命周期的顺利运行。