最近看了本書，是行業大佬們所寫的《供應鏈場景化運用》

書中不僅講解目前物流行業的發展，未來的物流行業和發展趨勢。

此外詳細講解了自動化/超自動化、物聯網、大數據、人工智能、虛擬現實、數字孿生、增強數據智能、區塊鏈、邊緣計算、供應鏈可視化等數智化技術與產品，以及在各個行業的相關應用，很適合我們在宏觀層面的知識補充。

如果光看這本書且沒有供應鏈的基礎和背景自然會感到枯燥乏味，我結合了書中的內容，并查詢了相關資料對書中內容進行擴展，特此總結出來與大家分享，共同學習和交流。

一、供應鏈的變革與發展機遇

眾所周知，供應鏈的高速發展離不開電商的發展，電商作為ToC/ToB的入口，讓客戶能很方便的進行線上下單，讓企業的訂單量與日俱增，為了讓客戶獲得更好的購物體驗，供應鏈的發展也就迫在眉睫了。

與之對應的則是傳統線下門店，新冠疫情沖擊著整個供應鏈，特別是線下場景，線下的低迷也讓線上的消費/生產變得更加活躍。

但不管怎樣，消費/生產的需求場景始終存在。

除了病毒之外，戰爭也對供應鏈產生深刻的影響。

2022年俄烏戰爭，部分需從烏克蘭采購的原料商品無法供貨，需采購的原料只能從其他地方進貨，造成短期原料價格攀升，成本增加。

現代科技發展和生活已離不開全球化，全球供應鏈精細化分工和聯系也越來越緊密，我們熟悉的資本市場也是如此。

由此看來，對于這些不確定性，我們能得出什么結論呢？

我們應意識到供應鏈的競爭本質是企業之間的競爭，優秀的企業會根據市場的情況調整供應鏈的戰略，提前布局。

衡量一個企業是否成熟，就看他的供應鏈發展，看能否能在有效的時效性以較低的成本滿足客戶的要求。

在此基礎上，我們可以通過發展數字化，保證供應鏈的可視化和安全穩定性。

企業在不斷發展，光靠傳統的人工經驗是遠遠不夠的，我們更應該將傳統數據變成數字化，通過預測的方式來規避未來潛在的風險。

而現在人工智能的發展也讓我們預測和優化更進一步。通過語音大數據可大力發展企業的客服等業務。

傳感器和物聯網的應用讓監控更加深入，打造供應鏈里的智慧園區、結合智慧物流、智慧倉庫，共同為企業降本增效。

二、關鍵技術介紹

1、AI

AI即人工智能，是近10年發展最為迅速的科學技術之一，已經在很多領域得以創新應用。

簡單地說，AI就是能進行自我學習，表現在供應鏈上，可通過需求預測、生產計劃或維修預測等實現自動化，并與人類的經驗相結合，提供優化供應鏈決策。

通過AI結合一些算法，可以完成以下場景。

1）運力規劃

傳統的靠人工去去規劃，費時費力，使用AI+算法模式，更容易完成規劃。

2）智能倉儲

主要是用AI幫助企業實現自動化存儲，分配和揀選貨物，提高倉儲效率。

3）路徑規劃

優化了運輸路徑，在配載方面可結合地圖API對路線情況進行分析，給出最適合的配載和運輸路徑規劃，提高物流效率。

4）質量控制

可通過圖像識別或機器自動檢驗的方式，對貨物的生產/運輸/倉儲過程進行檢測，識別質量問題，避免質量問題造成的損失。

5）預測分析

內置一套或幾套算法模型，通過預測需求，并做未來合理規劃，例如預測采購等。

總得來說，AI更偏向于計算層。

2、物聯網技術

物聯網技術是指在實體嵌入帶有感應能力以及可與外部聯網互通信息的芯片模組，實時感知物體的變化，并且可與外部進行交互通訊的網絡。

簡單低說，就是有傳感器+網絡模塊。傳感器負責采集信息，網絡負責通訊給服務器。

那么它又能給我們帶來什么好處呢？

1）實時物流追蹤

在運輸環節，通過使用傳感器，可跟蹤貨車的實時位置和狀態，以及監控車內溫濕度情況。

在倉儲環節，更多用來提供監控溫濕度情況或提供實時監控畫面。

提高了物流運輸和倉儲的透明度。

2）智能倉儲

主要是通過使用自動化作業設備，包括不限于自動化立體庫、自動堆垛機、自動叉車、分揀設備、自動穿梭車、自動運輸設備、自動稱重設備、溫濕度設備等。

可提供存儲、分配、檢索、提高整體作業效率。

3）質量檢測

表現在對易發生品質問題的貨品自動檢測，提高了檢測效率，更加高效可靠。

總得來說，物聯網技術更偏向于實施層。

3、自主事物

自主事物是指 “系統+人工智能” 技術自動化運營機器設備，包括倉儲ASRS、無人車、無人配送、無人機等。

書中提到了，無人機+攝像頭 進行遠程貨物盤點。它的價值更多表現在以下幾個方面。

提高效率、減少錯誤率、降低成本、提高安全性、增加企業競爭力。

總得來說，自主事物擁有自主性，能根據環境自主做出決策和優化執行。

4、機器人流程自動化

這里的機器人非硬件技術，泛指軟件技術，可以像機器人一樣，在不同系統之間進行數據的錄入、提取和驗證等操作。

在供應鏈管理系統中，RPA可以自動執行訂單接收、處理、跟蹤等操作，提高訂單處理效率；同時也可以自動進行庫存管理、發貨管理等操作，提高庫存管理效率。此外，RPA還可以自動進行質量檢驗、退貨處理等操作，提高供應鏈管理效率。

說得通俗一點，就是可通過流程作業配置或多系統的協作，減少了人為操作。例如我們熟悉的倉儲流程配置、訂單流程節點配置、審單規則、驗證規則等。

總得來說，機器人流程自動化提高了軟件的易用性和擴展性。

5、數字供應鏈孿生

數字孿生是指整個或部分供應鏈環節實體端到端的數字化呈現，是一種模擬現實的方式。

他的價值主要表現在以下幾點。

1）提高供應鏈的可視性

更加直觀的顯示形態和貨物流動狀態。

2）提高預測和預警能力

能幫助企業對物流需求和貨物狀態預警預測。例如對貴重物品執行待盤點、臨期預警等。

3）改進設備維護

通過對接不同的外部設備API，提供檢測設備故障，及時發現問題并預警，提高預測能力。

4）提高資產管理效率

數字孿生可以捕獲資產的當前狀態和運營歷史，可建立預測性維護模型,實現故障預測和提前預警。

例如某個庫位最多只能放10kg的貨物，結果系統檢測放了20kg的貨物，則可進行庫位預警。

可以進行集成,優化資源調度和協同管理。通過系統可發現大多數倉庫人員現在作業的情況，緊急安排人手進行分擔作業壓力。

數據可追溯,更好評估資產使用壽命，方便更新維護。所見即所得，可在數字孿生系統增加資產的配置修改。

所有操作都會記錄為數據，實現了資產全生命周期的數字化管理。

總得來說，數字孿生提供了可視化和預測、預警能力。

6、沉浸式體驗

主要包括AR和VR。經常玩3D游戲的小伙伴肯定熟悉AR和VR，通過虛擬現實技術可以幫助企業模擬物流流程、評估路線、驗證設計方案。

1） 模擬物流流程

用戶可在虛擬倉庫中進行練習,熟悉流程,提高培訓效果。

讓用戶身臨其境地體驗定制產品和服務。

不同地點的團隊可以通過沉浸式會議,進行虛擬現場交流和協作。這也是未來在線會議的一個發展趨勢。

2） 評估路線

通過虛擬仿真技術，模擬不同配送路線的效果，不斷驗證算法找出最優方案。

例如模擬執行不同配送路線，評估各路線的時間消耗、能耗消耗、風險等。

在系統中設置相關參數，如配送車型、載重量、時間窗限制等。

建立虛擬的配送環境。包含道路、交通信號燈、其他車輛等路況信息。

在實際環境中驗證最優路線,并進行動態優化，反復試錯，提升配送效率。

3） 驗證設計方法

可提供3D動態可視化平臺，實時監控倉儲流程、庫存狀態，方便進行決策。

總得來說，沉浸式體驗讓培訓和效率驗證得以提高。

7、區塊鏈

區塊鏈技術是一種分布式賬本技術，它可以記錄所有參與方/系統之間的交易，并確保這些交易是可靠和安全的，并能增加信息的透明度。

主要可運用于以下幾個方面。

1）產品追溯

提供全材料到終端的全鏈路追溯。

2）防偽溯源

通過產品唯一數字碼和區塊鏈記載數據，防止假冒偽劣產品。

3）出口供應鏈數據管理

記錄關務信息，簡化報關流程。

4）倉儲管理

可記錄入庫和出庫數據，保證庫存信息透明。例如小到倉庫的庫存流水日志，大的訂單明細，收貨揀貨涉及到的唯一碼數據等。

5）物流監控

在運輸鏈路中實時記錄位置和環境參數。

6） 交易結算

通過智能合約實現訂單交割和自動支付。

總得來說，區塊鏈技術提高了管理的透明度、降低風險和成本、提高可靠性和可信度。

三、其他補充

1、自動化

顧名思義，自動化是為了取代揀貨、裝箱、搬運等人工重復性勞動。

但真實實踐中，也存在一些困難，例如對復雜性任務處理機器是不夠靈活的，例如異形商品分揀。

另外人工智能缺乏人際關系，正確規劃和預判能力。

因涉及到多個模塊和多系統軟硬件的對接，自動化設備的投入成本都比較高，機器人+系統要10~15W美元，投資回報率較低。

所以自動化設備是否引用取決于企業的長期發展計劃。

畢竟長期來看，可以解決勞動力短缺問題；自動更加流程化，減少差錯，提高客戶滿意度；自動化與數字化關系密切，提供數據支撐。

2、超自動化

超自動化是指，自動化加上了AI，即AI+RPA。

主要用到的技術包括機器人流程自動化、低代碼應用平臺、人工智能、智能OCR、機器學習等技術。

在供應鏈場景上，有以下幾種場景。

1）發貨計劃與跟蹤

包括手工訂單或發貨計劃實時處理，例如從電子郵箱提取訂單，生成作業訂單；利用AI助手與客戶互動，更新訂單的處理狀態，提高客戶滿意度。

2）發票處理和收款

通過集成其他系統的API，以便更快的獲得回款。

3）訂單處理

允許自動提取貨物的相關信息，并自動完成訂單流轉處理，例如不需要實物的虛擬出入庫操作、以及自動審批流程。

4）有效主動溝通

可例如通過電子郵件通知客戶實時情況，延遲訂單信息。

5）庫存管理與監控

制定合適的庫位整理，優化庫存管理，按照ABC分類管理。

6）其他

包括快速開票和訂單跟蹤等，快速建模開發（低代碼平臺）。

3、物聯網

物聯網，其實就是各種實體物品通過互聯網進行連接，例如我們熟悉的智能凈水器，路由器，智能電視等。

技術架構分為感知層、網絡層、平臺層、應用層。每個層面環環相扣，優勢互補。

感知層由傳感設備構成，包括感應器、攝像頭、激光掃描器等。

網絡層看接入的場景，近距離有RFID,NFC,WIFI,藍牙；短距離有ZigBee；無線遠距離有GSM、NB-Iot、LoRa。

平臺層如同大腦，相當于CPU，主要處理整合設備和信息，調節其他設備。

應用層即我們使用的終端設備，分為監控型、控制型、掃描型、查詢型。

4、大數據

大數據沒有明確的大小規定，一般數據單位量達到PB、TB等，數據就會被稱為大數據。

根據數據收集的端口，大數據的數量級別也是不同的，企業端（B端）數據近十萬的級別，就可以稱為大數據；個人端（C端）的大數據要達到千萬級別。

大數據的價值并不只是存儲，而是數據挖掘，提煉隱含，先前未知有潛在價值的信息過程，即提取有用的那部分。所以常和數據清洗，數據提煉有關聯。

使用到的技術如下。

5、其他

此外書中還介紹了人工智能、ChatGPT、OCR、虛擬增強現實技術、數字孿生、邊緣計算。

這里就不展開來聊了，詳細的請查閱書籍，我在文末的最后也分享了整理的腦圖，感興趣的小伙伴可以自行查閱。

四、發展趨勢與解決方案

書中提到了供應鏈管理KPI、供應鏈控制塔、物流管理系統選擇方案。

1、供應鏈管理KPI

關于供應鏈管理KPI雖然沒有明確給出具體的公式和準則，但是也給我們提供了一些思路，感興趣的小伙伴可以自行展開來看。

包括不限于資金周轉率（庫存天數、應付賬款天數、應收賬款周轉天數）、訂單履約率、應收賬款周轉天數、存貨周轉率（庫存周轉率）、投資毛利回報率、倉儲成本、供應鏈總成本、供應鏈成本與銷售比例、準時發運率、交付時間、退貨原因、庫存銷售比率、庫存速率、庫存供貨天數、計費基準度等。

2、供應鏈控制塔

供應鏈控制塔提供了一個可視化的思路，基于數據分析、實時監控和預測模型，幫助決策者做更準確、更快速的決策。

大致可分為以下幾個方面。

1）運輸成本和交貨準時率

可通過顯示運輸成本和交貨準時率，評估供應鏈成本和風險。

2）供應商相關

展示供應商的基本信息，質量評估、交貨能力、價格、合同等，從而篩選出優秀的供應商長期合作。

3）物流相關

展示運輸線路、物流成本、運輸時間、貨運裝載量。找出運輸環節的問題，提高運輸效率，降低物流成本。

4）庫存相關

展示庫存水平、庫存周轉率、安全庫存情況。

5）生產相關

包括生產計劃、生產進度、生產效率、質量控制等。

6）質量相關

包括質量評估、產品校驗、客戶反饋等。通過評估并改善產品質量，提高客戶滿意度和忠誠度。

3、物流管理系統選擇方案

文中提到幾個著名的系統供應商公司，這里就不展開聊了。重點說說兩點。

1）內部獨立部署 VS SaaS部署方案

內部獨立部署的優點，不依賴于互聯網，內部獨立部署方案操作往往更快。

擁有更強的企業信息安全，敏感數據被泄露可能性較小。

可提供額外的安全屏障，降低被黑客共計的風險。

要說缺點的話，就是成本高一些，畢竟需要單獨購買服務器，還得準備機房和散熱監控溫度設備等。

SaaS部署現在很普遍了，是一種性價比很高的部署方式，采用訂閱模式，大小可隨意配置，節約成本。

具有較強的靈活性，知名廠商的云服務器（例如微軟云）可在全球任何地方進行訪問。

系統更新和維護也不用過多操心，由云服務器的供應商負責，節省了大量的運維成本。可保證能把有限的資源投入更有價值的業務上。

2）自主開發 VS 外包

當搜集好一定的需求，需要進行研發時，由兩種方式，一種是自住研發，另一種是外包模式。兩者各有千秋，如何選擇取決于實際場景。

自主開發的優點當然是可充分利用IT團隊的技能和知識，畢竟是為咱們專項服務的，企業更具有靈活性和控制力。

缺點則是需需占用大量的時間和資源，需要不斷的更新和維護，長期投資和管理才能發揮最大的價值。

外包模式的優點自然是，可立即擁有豐富的開發經驗和技能，提供高質量解決方案。并且減少開發投入，可專注于核心業務。

缺點則是，所找的供應商可能會對企業的需求和文化理解不透徹；素質和可靠性存在不確定性；溝通成本較高，安全風險較大，代碼會外泄。

總結一下，企業可前期嘗試外包，當積累一些經驗后選擇自主開發。

但如果只是抱著試一試的想法來弄，那還是建議使用外包模式，如果自己的業務經常會根據市場的發展調整，并且預算充足，那建議使用自主開發。

五、行業案例

最后作者提到電子制造業、冷鏈物流、時尚業供應鏈、汽車供應鏈的場景特點應用和解決方案。

這里我就不一一展開來聊了，大家可查看我的全文腦圖了解具體的內容。