直播回看地址：劉思遠：IoT技術驅動下的物流數字化

課件下載：羅戈直播-IoT技術驅動下的物流數字化_劉思遠.pdf

G7平臺上，目前大概有140多萬輛的商用貨車的物聯網的運營數據在跑，往年初八之后全國的流量就開始恢復了，但是我們今年由于疫情的影響，可以看到經過整個2月份，這個數字才恢復到了51%，直到3月底才恢復到85%左右。

零擔受到疫情的影響更加嚴重。今年直到2月份也不過只恢復了30%左右。進到3月份之后，尤其3月中旬之后，國家逐漸把各地的封閉打開了，但是到17號最新的數據，我們看到也只恢復到了去年同期的77%左右的。

運力價格的分析，尤其以食品飲料為零擔的這個類別來看，整體的供需的匹配，實際上是非常不穩定的劇烈波動的狀態。平均價格上來講，可能發現不了太多的問題，最新的數據應該是逐漸收斂在每噸公里五毛錢左右，但是它的波動上下幅度非常大，大家可以從圖上看到，這是一個典型的牛鞭效應所造成的波動的影響。

雖然趨勢是好的，但是從市場運力的匹配角度來講，我們看到這其實就是一個真實的，在突發或者災難的狀態下，供應鏈對市場的真實的反應。在這樣一個過程中盡快地恢復到一個穩定的產能，就是我們打造在危機下或者在目前情況下的供應鏈的目標，一個大原則，就是做這種柔韌的供應鏈。

觀看直播回放，更多了解：供應鏈經典案例分享《2000年的一把火》諾基亞和愛立信對供應商倉庫失火的反應如何影響雙方市場份額。

從這個經典案例里面，我們能發現什么？供應鏈邏輯里面最經典的五個組成，計劃、尋源、制造、交付和逆向物流。我們要分析一個產業，或者一個供應鏈所帶來的沖擊，一般是看四個方向。

1. 了解自身的脆弱性何在，就是說到底我在哪個環節出現了瓶頸，或者當沖擊來臨的時候，我到底哪里會出現問題

2. 他要盡快地評估出來對于未來他長時間的中長期的交易，預期的預測性的風險

3. 在更細的供給側，在更細的粒度上執行層面去建立靈活性

4. 進一步控制成本，要在這個過程中提高它的生產效率

從Gartner2018對CIO的調研中可以看到：就是傳統認知里面所謂的一系列的MS系統，什么什么管理系統，比如說訂單管理系統，OMS，倉儲管理系統，WMS，運輸管理系統，TMS，這一類的信息系統的建設情況基本覆蓋率，就是把在建的和已經實施的加在一起看，超過70%。

通過過去三十年的不斷的積累，我們已經將傳統的信息化能夠覆蓋的地方都已經覆蓋差不多了，通過信息流程的打通，實現了標準化，實現了將管理系統里面的管理模式和優化的管理實踐的固化。

但是這不解決我們剛才說的基于危機情況下的信息不對稱，為什么？它是基于流程驅動的，傳統的OMS也好，WMS也好，它的基于單據去驅動的，不管是采購訂單還是工廠生產的工單，還是運輸用到的運單，這一類基于流程驅動的邏輯，不太一樣。

我們缺少的是什么？目前大家建設程度最低的，又是大家迫切不斷在建立的，是什么系統？就是可視化和事件系統。什么是基于事件？我們一個異常是一個事件，我們的一個報警是一個事件。未來信息化的抓手或者轉型的重點，應該是基于可視化，基于事件管理，對于我們現有的流程管理為主的這樣一套MS系統的一個補充升級。

在現有階段我們能通過信息化或者基于現在危機的情況下，我們應該怎么應對呢？

在這樣一個背景下我們引出所謂基于IoT驅動下的這樣一套供應鏈數字化物流服務，IoT最樸素的定義就是基于自我聯網，讓傳統的設備和生產企業的設備，能夠對外說話。在這個基礎上，延伸出來一步，就是自我的計算以及對于信息的初步信息的加工和處理能力。把物流和執行過程中的傳統設備，加裝了IoT手段和一些邊緣計算的能力之后，我們就認為把它做了一個IoT化。把它的這種實際的物理空間中的產品，跟數字世界產生了一個抓手，我們叫做物理資產跟生產成本要素之間的數字化和實時連接，這是我們做IoT的動作。

IoT驅動下的供應鏈數字化升級，能夠帶來哪些方面的優勢？

第一個，講到實時性脆弱性。在實時理解自身的脆弱性方面，我們可以與人為的經驗進行相互佐證和判斷，避免人們因為一些管理經驗的盲區，或者是誤解，所產生的影響?？陀^準確地判斷數據的產生。

觀看直播回放，更多了解：供應鏈經典案例分享 沃爾瑪托盤供應商如何利用IoT化設備提升周轉周期、損耗率預測。

我們有很多時候對于供應鏈的脆弱性的理解和影響，其實是偏重于先驗主義的，就是我們更多的是通過人為經驗判斷的。IoT的一個很重要的原因，就是我們能夠把這部分東西刨除掉，只看到真正客觀的事實，打開這個黑箱子看到真實情況，我們才能真正地進一步了解我們的供應鏈的脆弱性。

第二，牛鞭效應就是斯坦福大學的教授李效良（Hau L.Lee），八十年代發明的一個詞，解釋起來的意思就是專門特指在供應鏈端由于信息的不對稱，當需求從前端，需求前端向供應后端去傳導的過程中，會產生一種放大的效應。這種放大效應的原因就是在于信息的不對稱，不充分的競爭，以及扭曲所逐級放大的情況。就像說鞭子端稍微抖一抖，那辮子梢就甩出去非常遠一樣，所以把它形象地稱為牛鞭效應。

為了更準確地預測，催生了很多的信息化的建設，比如說協同預測與補庫計劃，CPI法，CFRP，供應鏈計劃管理。

觀看直播回放，更多了解：供應鏈經典案例分享 潤滑油廠商如何利用加注終端的設備IoT化，銷售自助加注結算的散裝潤滑油。

第三，柔韌供應鏈。我們可能更多的會訴求靈活性的建立，目前來講我們能看到的靈活性的建立，是應該在供給側，也就是在我們的執行端，在更細粒度的情況下構建靈活性。舉例來說，從去年年底開始，快遞快運行業，都在積極跟我們談一個合作，就是希望能夠加裝一個載重量方設備，用來直接了解車輛現在的安裝進度。因為現在競爭壓力，每半小時或者每一小時排班，必須縮減到每15分鐘。他的車輛閑置率，有效調度每15分鐘的提升，都是直接和毛利率相掛鉤的。利用這種實時的IoT數據的傳導，比以前的人工之間的調度，調度，可以直接與智能調度系統進行掛鉤，從本質上可以更靈活的，更加細粒度的對車廂的調度、排班和線路的運行，進行構建靈活性。

最后一點，我們可能回到一個供應鏈的本質上去看，就是降本增效。Gartner每年都會做一個趨勢預測未來的十年過程中有哪些供應鏈的技術可供使用。這個圖上從左邊往右邊大家可以看到，基于動態的庫存，車輛運力動態的分析是成熟還有五到十年。區塊鏈，在于供應鏈領域的應用，這個他認為更長，超過十年以上。但其實對于我們現在通過疫情的影響，我們可以看到剛才的一些物流企業，尤其是國內的一些物流企業，已經在積極探索和落地這些相應的試點項目了。這個過程中我們回到一個本質上，就是說其實IoT本身的賦能也好或者配合其他的AI技術的矩陣也好，自動化技術也好，整個無人化會加速到來。

G7在疫情期間也推出了一個面向疫情的一個園區的作業。這個作業的核心是說無紙化、自動化和零接觸，從車輛預約到物流園區開始之前的在線預約，園區進入的調度和自動的放行排隊，以及它分配作業任務，月臺上的有效的裝載的識別以及到它最后的授權出園，其實不需要有人接觸。由于疫情的原因，一下子在今年我們能夠看到非常廣泛的推廣的一個趨勢。在未來不管你有沒有這樣疫情的影響，這種無人化的趨勢，我們相信通過IoT的手段，通過AI的手段，都是永遠都要去做的。   

總結起來，并沒有解決所有問題的銀彈，只有在適當的場景去匹配適當的技術組合，以及業務需求，IoT比較擅長的是解決這四件事情，利用實時的數據客觀的數據去讓供應商或者讓我們的客戶更加了解我們的脆弱性。通過實時的和客觀的真實數據發生，讓設備自己去告訴我們目前對市場的需求和供應的依賴性，減少對傳統統計型的依賴。另一方面在供應側我們可以建立更細粒度的靈活性，這是針對自動化來說的。本質上我們做的所有的工作都在減少人員的涉及和進一步的降本增效。這是我們能看到的在現有情況下的，利用IoT手段如何去幫助我們的物流進行數字化的實踐。

目前的國內的疫情，雖然高峰已經結束了，但是后續的影響和后果還在持續。物流企業也好，供應鏈的從業人員也好，其實這種競爭會越來越激烈。但是信息和思想的充分的共享和交流下的競爭才會真正帶來技術本質性的突破。這也是我們這個目標去打造這樣一個IoT技術也好，或者這樣一個開放平臺的本質性的工作的最終的理想。

Q&A精選：

Q：請分享車輛安全駕駛方面技術最新的進度

A：我們最早就是做車輛的安全設備，來不斷地擴展我們的終端的數據和車載應用場景的。在目前來講，我們從最早的后裝的安全設備，ADAS輔助安全駕駛系統，這個設備不斷地跟客戶和跟我們的終端司機的車隊的使用者，包括我們的物流提供商服務提供商的合作過程中，逐漸也探索出一些新的發展領域。

一方面最早的時候就是單純的防碰撞，利用我們的車輛的感知，對于前端的車輛進行報警，超速的時候進行預警，這些是基礎功能。再進一步延伸到我們對于車內司機危險駕駛行為的分析。我們又引入了所謂主動安全的概念，如果你及時給他提醒，司機可能在短時間內對于駕駛行為本身會有一些觸動，比如說防碰撞前的2.7秒給他一個車基端的報警，他可以避免這種行為的發生，但是時間過了之后又會有影響。所以我們必須通過人工加智能的方式，對他進行干預。

在這個基礎上，我們把剛才所說的車基端和人工智能的報警結合主動安全服務的打包，形成了一個跟保險公司合作的基礎，因為從本質上來講，最終被車輛設備和所謂的車輛貨損、車損所買單的，實際上是保險公司。保險公司本身在業務模式和商業驅動力上，它愿意跟我們一起合作，把它的車輛發生事故的這部分的大數據，跟我們共享。我們認為G7在國內還是比較領先的，因為真正我們實現了一個，從技術到運營再到保險，再到我們的最終業務場景的這樣一個閉環，而且這是一個持續不斷在累積數據并且把數據反哺成算法優化的高效的閉環。這是我們正在做的事情。

Q：請教劉總IoT在貨運領域，除了定位、主動安全、自動駕駛，未來還有哪些發展的方向？

A：我們除了能看到剛才說的定位、速度、車輛、貨運本身，我們對于有一些領域的多功能的傳感，還有很多的應用場景。比如第一個是冷鏈，尤其從這兩年，我們能看到國家整體對于冷鏈物流的需求是不斷在提升的。很多傳統的直營電商新一代的業務系統的平臺支撐，不再依賴于傳統的TMS，而是一個簡單的網上訂單的OMS系統，加上對于它的便攜式的傳感，溫度傳感和濕度傳感的設備，就組成了它的整個一套傳感。因為它從田間，直接把貨物收集好了之后，通過直營的方式，運輸過程中，真正對他需要的是整個過程里面的溫濕度的狀態，

我們還有對于光感，對于整個運輸過程中的重量的變化，以及利用我們現在的圖象識別技術，對于一些危險行為或者說是駕駛過程中的一些情況，進行一些人工智能的模式識別的判斷。這些幾個領域我們綜合在一起，都是對于IoT方案的補充。這個技術本身我們不斷在擴展，也不斷在豐富它的感知的場景。但是說回來，沒有一種單純的技術或者單純的組合，我們嘗試的更多是用不同的底層技術在一個豐富場景下的一種應用場景，達到最終的客戶需求的目的。