人形機器人在快消物流的應用

快递搜·KdSo >> 物流电商新闻

人形機器人在快消物流的應用－快遞搜

最近人形機器人成為最熱門的話題，技術進步超出想像。而機器人說到底，也在自動化替代人工的範疇內。人形機器人的出現和進步，逐步滲透到供應鏈裡頭的物流領域，尤其是倉內作業領域。

自動化取代人工的時薪門檻下降

作為行業人士，從快消物流角度，我有如下思考關於過去行業內討論的兩個話題。

一是判斷倉庫自動化程度的標準是什麼。過去有不同說法，但是無非在高度，中度，或者部分環節等無法量化的措辭。我是傾向用工時對比，或者費率構成兩個指標來看。

自動化程度：自動化設備工作工時可以取代的人工工時（不是設備工時，是設備可以替代的人工工時）/全人工環境下的總工時。總工時中，需要包括設備維修維保人員工時。

用費率看，是上述工時更換為財務指標。因為不同環節人工工資不同，所以兩者公式一樣，但是結果不同。工費用中，需要包括設備年度維保維修費用。

簡單粗暴劃分的話，如果上述指標如果大於60%，可以認為是進入自動化的倉庫，60%-80%是高度自動化。實踐中估計很難出現超過95%的全無人倉庫，或者說達成這種程度的倉庫，往往會以犧牲上遊的成本和下遊的利益來配合本環節的自動化程度指標。

二是之前和同行在討論自動化取代人工的時候，我一直有個觀點，就是人工到了50元時薪的時候，物流行業（特指倉內）才可能出現大規模自動化替代人工。現在看來可能用不了50了。技術進步和用工環境的變化改變了這個數字。

製造端，銷售端，供應鏈端的機器人應用

現在看各類廣義定義下機器人的應用，從全產業鏈看，可以分成製造端，銷售端，供應鏈端三個板塊。

機器或者機器人替代人，製造端已經受益很多了，應用最大。

1.人工工資在三端之間處於中等。

2.目前製造端模式少部分是工作島裝配模式，大部分還是流水線模式，工人不用走動，只用考慮上肢的動作。

3.因為流水線製造端的作業對象，往往是標準的半成品，處理的批量很大，不會隨時進行更換，所以處理的對象相對是固定的。

4.對應的，人工需要完成的動作，已經被過去多年的實踐，嚴格分解成了標準動作SOP，所以一個低成本的機械臂/手，就完全可以完成人工的替換。

銷售端，或者從事銷售業務機器人，因為如下情況、註定了大規模應用場景有限。目前更多是無人服務等輕度，少接觸，標準化的場景，也可以理解是客戶有目標的購買行為，類似一個執行客戶的採購行為。

1.銷售端人工工資成本最高。

2.場景變化非常大，商業模式變化也非常大。尤其電商網購開始後，銷售模式變化對隨機應變的能力要求非常高。

3.安全性要求高。需要在不同空間內頻繁和客戶互動，包括避讓其他人。

4.恐怖谷反應：人類對機器人天生的一些排斥。至少在完全類人化之前，需要技術努力爬出恐怖谷。

5.家庭用機器人，因為工作場景有限，其實更加像供應鏈端的人形機器人。還不能算銷售端。

供應鏈端（包括製造端的輔助工種），或者部分狹窄領域的作業，需要四肢協調工作的。

1.勞動力價格相對兩端來說最低—-增加了機器替代人的難度。

2.過去的各類工具場景，都是基於人類使用的前提；和流水線的前提不同。

3.作業場景變化介於上述兩者之間，更多是在四面牆以內的環境，面對貨架，叉車，商品，各種工具等等，處理的動作任務包括收發存退等等。上述作業環境、作業工具和作業任務三個維度交叉起來，就是多種組合了。因此需要人工移動，上下肢協同。

4.因為小單快反模式，所以作業對象又是多種多樣並且隨時變化的，需要人眼不停進行識別、互動，以及團隊之間進行必要的配合。

5.這種場景下，單一機械手/臂，或者只有上肢的，比較難以應付。

如下以用工比較多的鞋服行業為例：

(1)即使部分倉庫實現貨到人場景，也同樣需要人工在料箱內進行識別和分揀。

(2)鞋服行業女裝退貨60%，男裝高於20%。在退貨場景下處理的是單件服裝，兼有質檢功能。消耗的工時佔據了物流內部工時的一半以上。同時質檢功能有一定的專業性，知識的及時傳達，分享非常重要；面對不同貨主不同的質檢要求，需要快速切換質檢標準。

(3)攬收完成後（完成消費端和平臺要求），退貨在倉內處理的時效性對比新品發貨，時間充裕，更加有利於發揮機器人長時間恆定工作的特點—畢竟正向發貨有時效要求，必須在特定時間內，投入大量資源完成。高峰過後則是資源浪費。退貨無疑是相對恆定的工作量。

(4)按照鞋服行業退貨人工，熟練帶質檢能力的工人年薪10萬測算，年度有效工時是12月*26天*9小時=2808小時，折算全時薪是35.6元。人形機器人按照兩年回本，那麼是20萬一臺，年度工時按照12月*30天*20小時（假設4小時維保及更換電池）=28元/工時。

因此，人形機器人如果要在供應鏈領域進行應用，從人工消耗比例最大的行業和環節入手，鞋服等快消行業應用的話，那麼鞋服退貨行業是完全可以進行試水的行業。

例如以常規的鞋服退貨標準來推測作業場景：

前提是產品設計或者質檢部門，將新品服裝各個視角的3D視覺資料，導入資料庫中，作為後期判斷的一個參考。

一，退貨通過流水線傳送過來，不用下肢移動，退貨整理動作可以在一個工作檯上完成。因為只是考慮上肢，那麼供電系統都可以在工作檯附近部署，降低成本。有4個上肢，AB是承擔簡單的任務，CD是靈巧手，承擔更加靈活的工作。

二，機器人用AB雙手提起一件衣服，先抖一抖，確認有什麼零碎或者附件。

三，通過3D視覺系統採集，完成正反兩面的視覺掃描檢查，判斷出汙漬或者破損的位置、大小、深度，對照事先植入的新品服裝標準，通用質檢標準，以及對照本公司其他的案例庫（包括質檢員工人工製造的案例），來判斷是否可以讓步，還是需要進一步處理—這步非常重要。因為傳統模式下完全依靠質檢員個人的素質來評估。在數量效率的績效壓力下，實際質檢標準因人而異，因考核而異。也是後期造成二次客訴的主要原因。

四，掏兜。通過3D視覺採集判斷、結合之前輸入的資料庫，判斷出口袋的位置。因為之前有口袋的角度和深度數據，第三、四隻更加靈敏的、帶有觸覺系統的靈巧手CD可以完成這個動作，確認口袋內沒有異物。

五，AB手放平展開衣服後，CD靈巧手完成摸的動作—這步難度比較大，尤其是判斷哪些是異物，哪些只是扣子，繩結，附件等等造成的凸起。不過從實操角度看，如果上述執行了抖一抖的動作後，這個摸的動作也可以優化。或者最低限度，也可以通過人機配合來完成；畢竟後續的疊衣服、小心打開塑膠袋、裝衣服進塑膠袋、封口這些動作，還很難用機器人熟練高速完成，或者說性價比比較低，機器人的時薪會高於人工。

上述各項任務的核心，一是機器人的視覺系統，尤其是具備了3D視覺系統的機器人。過去平面視覺機器人無法判斷一個陰影是褶皺，還是汙漬，還是被光線遮住的一個點，通過3D視覺可以很好的完成這個任務；同時其他任務也多是建立在3D視覺的基礎上完成的。

二是海量的資料庫和案例收集，這點和各行各業的核心都是一樣的，用作投餵機器人的學習資料。

鑑於人類90%對外界的感知是通過視覺完成的，並且從上述分析也可以看出，3D視覺，不是傳統的平面視覺，可以說是各類互動動作的基礎。

專業人才是實現ROI最佳的關鍵

人形機器人應用場景很多，如何才能從ROI最佳的應用環節入手？

簡單來說，在實際替代中如果進行匹配的話，那麼左邊一列A是，按照SOP和業務場景等多種因素分析組合，對各個組合內的價值或者成本，進行從高到低依次排列；右邊一列B是技術難度或者投入。最後按照A/B的大小依次進行排列，決定順序或者取捨。可以看出，能完整分析完A列各類要素組合併排序的管理專家人才，是這個對比的關鍵因素。

访问：25

[关闭窗口]

「最近新增的包裹追踪记录」

「more」