主页 > 观世界之趋势 >

一键进入物流元宇宙如何制订“工业4.0+物流4.0”的数字化升级策略?
时间:2022-10-18 18:05       来源:文|本刊编辑部

导读

“引领产业发展”是本刊发展愿景。新零售已在两岸如火如荼展开,中国大陆尤其神速,本刊特别邀请林希梦先生担任主笔,借由他的讲解,让我们更加清晰了解新零售产业的发展。林先生曾任职中保物流与统一企业(中国)负责物流业务多年,也曾任职多家知名企业,负责供应链管理,在任职北京物美超市集团期间,负责“多点”新零售业务发展,拥有丰富的实操经验,对两岸新零售业务发展有独到的见解。

作者简介

林希梦先生

美国CCXA客户体验管理协会CCXM认证

中国台湾政治大学Global EMBA经营管理硕士

中国台湾政治大学 信息管理学系学士

著作:《客户为王的4.0世代——广义新零售的策略规划》

林希梦先生曾任职于多点生活网络科技有限公司(dmall.com)担任履约中心副总裁,负责推动上千家超市的在线线下一体化运作。通过近20多年来担任第三方物流,食品、汽车、新零售等产业供应链部门的高阶管理工作,累积了丰富的供应链数字化、客户体验管理优化、流程改造(BPR)等经验,对于新零售策略规划与第一线实施均有深入见解。

FB粉丝团名称:《云之萃》

LINE官方账号:@yunzhicui

今日头条账号:《云之萃》

林希夢先生

上期我们说明:数字化升级的核心目标,就是“工业4.0+物流4.0”。事实上在面对“工业4.0+物流4.0”数字化升级的高强度竞争之际,无论对于制造业或是物流业而言,其实都须要对于4.0时代的数字化升级挑战加以研究,因此本期我们进一步来分析:“工业4.0+物流4.0”如何建立一致且符合智慧化、精益制造、精益物流三大特征融为一体的4.0时代数字化策略?

“物流4.0”是“工业4.0”的骨干

——德国联邦物流研究所

我们首先来分析“物流4.0”的部分。如果大家去维基百科查询“工业4.0”(Industry 4.0),无论中英文你都会立刻得到相当丰富的答案!但是如果大家同样在维基百科查询“物流4.0”(Logistics 4.0),无论中文或是英文,都只会看到维基百科之中只有对于“物流”(Logistics)的解释资料,而没有“物流4.0”的说明资料。这是一个很有意思的现象,笔者已经连续观察了好几年都没有变化!

01-“物流4.0”的定义

我们之前已经提及“工业4.0”是德国在2011年汉诺威展览之中发表对于第四次工业革命的相关架构,并且把“工业4.0”列入德国的高科技国家级战略,每年由德国政府给予大量的经费,进行投资补助与研究发展。但是同一时期,德国联邦物流研究所也发布了“物流4.0”白皮书,对于物流4.0有相当深入的阐述,这部分就比较少为人所注意到。也许就是因为过去以来,物流机能在制造业公司,经常被排在后勤单位的既定观念所影响,连维基百科这个由全球公众共同维护的数据库,也没有记载对于“物流4.0”的定义。

如果有心人去下载并且研读这份报告就会发现:在德国联邦物流研究所的“物流4.0”白皮书之中,特别提到:

●“物流4.0”是“工业4.0” 的骨干!

● 物流是第四次工业革命的驱动力!

● 在“工业4.0”定义下,供应链全程的任何实体移动与管理都属于“物流4.0”需要关注的部分。

当看到这些信息时,一直以来耕耘在物流与相关行业的我们,是否有一种油然而生的自豪感?没有优秀的物流4.0,就没有优秀的工业4.0!关键问题是:怎样把物流辛苦的日常,做出物流4.0的高科技与智慧化精益物流?

在此我们先把物流相关行业的范围作个分析,由于笔者曾经任职于第三方物流公司,也曾经任职于制造企业的物流与供应链管理部门,甚至两者的时间也各自都有10年之久,因此笔者个人的意见是,物流业范围包含了第三方物流公司与制造企业的物流与供应链相关机能部门(无论各家企业如何定义与拆分)。

02-“供应链4.0”

如果就物流4.0的定义来看,笔者个人认为物流的范围是不必区分第三方物流或是制造业的自有物流部门的,就工业4.0的企业来说:物流4.0就是要涵盖该制造业的全部供应链!就工业4.0的企业来说,无论是入厂物流(Inbound Logistics)、厂内物流(Factory Logistics)、出厂物流(Outbound Logistics),都有可能是自行营运或是外包给第三方物流公司,也就没有必要去区分哪一段是否由第三方物流公司在营运?更重要的是:整个工业4.0企业的物流与供应链运作,必须达到物流4.0的标准,以便使得工业4.0所要求的超高精准度与超高正确性,都能完全符合标准。甚至可以说:物流4.0的定义,就可以视为“供应链4.0”,也就是“供应链管理”(SCM: Supply Chain Management)在4.0时代的升级版定义。

03-物流4.0的特征之——超低拣货错误率

我们把工业4.0的最大特征:大量订制化(Mass Customization),分解到工厂的相关物流作业来看,就会发现:大量订制化的制程要求,每个步骤都有可能是订制化的零部件,要送到不同的制造工作站,因此每一次拣货的正确性最好就是100%,否则这张订单所生产出来的产品就是一个错误的产品,而对于客户来说,这张订单是100%错误的,相信没有一个客户会接受!

所以“物流4.0”的第一个课题,就是超低拣货错误率!有多低才能接受?最好是:零拣货错误。我们看上期提到的西门子PLC德国Amberg工厂,2016年的成品不良率低于12PPM(百万分之12),这个不良率本身就超低!而它是由制造不良率+拣货错误不良率+供应链总体错误率三大因素所组成的总体成果,可见物流部门的拣货错误率在西门子PLC德国Amberg工厂必须是低于10PPM(百万分之10)以下。百万分之十也就是十万分之一,曾经身为资深物流作业主管,我深知这个标准可说是世界级的难度!

一般人工作业仓库,拣货错误率在1/1,000~3/1,000(千分之一到千分之三之间),如果有计算机辅助拣货设备(例如:拣货标签CAPS)可以使拣货错误率降低到万分之二以下,但是也很难低于万分之一。如果加上条形码扫描与自动化物流作业,才有机会接近十万分之一的拣错率,但是作业团队的标准化作业训练也必须是顶级的熟练度。因为自动化物流的许多设备,本身的机械错误率就已经是十万分之一。经过2~3个拣货与合流的物流自动化作业后,这个机械错误率本身就会累加,而达到潜在的自动化物流中心总体机械错误率在十万分之二至十万分之三以上!

相信各位熟悉拣货错误率管理的资深物流主管看到此处,已经发出一身冷汗!在机械错误率已经达到十万分之二至十万分之三以上的情况下,怎样做才能把总体拣货错误率降到十万分之一以下?更别说工厂零部件的入厂物流本身还有其拣货错误率没计算在这里面!

经过上述分析我们很容易可以理解到,为何德国联邦物流研究所会说:“物流4.0”是“工业4.0”的骨干!因为没有超高精度超低拣货错误率的物流作业,连厂内物流这关都过不了!不用再谈什么工业4.0的大量订制化了,勉强去做的话,应该是客诉不断的结果吧?

如何升级进入物流元宇宙

(物流业数字孪生系统)

上期我们也曾经提到:数字孪生系统就是工业4.0制造企业的高度体现,无论是西门子PLC的Amberg工厂或是奥迪Ingolstadt工厂,都建立了完整的数字孪生系统,对于工厂的制程与全供应链的物流作业质量进行了深度的感知与高精度的管理!很可惜的是,目前公开资料之中,对于物流4.0如何精进做好数字化升级,以及如何实现超低拣货错误率都很少见到相关的资料。可见这也是破解“工业4.0+物流4.0”核心问题的关键要点!

如果只是一味地想要降低拣货错误率,可能会使我们在精进到物流4.0的路上,走错方向。想要真正达成物流4.0的超低拣货错误率也好,建立完全配合工业4.0等级的厂内物流作业标准也好,其实都应该以工业4.0为终极目标:建立单位成本小于等于大量生产单位成本的超高质量且相对低成本的供应链体系。其主要方式有两大部分:

1.建立以CPS虚实融合系统为主的生产体系相关信息系统。

2.建立能体现深度感知的物流体系与相关信息系统。

以上两者都可以被汇集到一个焦点之上:数字孪生系统。

01-西门子的现场应用

如果我们检视西门子PLC德国Amberg工厂的案例,就会发现其独到的关键能力(年增60,000个客户以上,新品包含设计制造与交付,交期为24小时,成品不良率12PPM)全部建立在拥有数字孪生系统的基础上,而西门子的数字孪生系统已经非常成熟,包含了产品生命周期管理(PLM: Production Lifecycle Management)的全部流程:智能型数字设计、智能型数字模拟生产与物流全部流程、智能解决交付的所有方案模拟与执行建议。当然,对许多工厂来说,这都是一个相当高的境界,并非一蹴可几。

02-台积电“5纳米”的幕后英雄

然而我们并非没有可以就近参考的案例。例如:台积电在中国台湾地区与其他工厂已经实现以人工智能系统对于复杂的生产步骤进行机器学习与最佳化的机台调适。例如2021年10月27日台湾中央通讯社等报导:“台积电揭密5纳米幕后英雄是AI数字化”之中就说明:“台积电每个工厂有2,000至5,000台机台,同时生产上千种产品,数千道工序,每天产生800万至1,000万派工命令,不能靠人控制,要靠计算机。”因此我们可以看到:过去靠人,未来工业4.0靠的是人工智能系统,由人来设计与指挥人工智能AIT系统(给予规则),而操控机台的指令则是由人工智能系统来发出(每秒数百条以上)。我们可以归纳这样的管控模型如图一。

图一:工业 4.0 时代的管理模式

03-物流4.0模式

如果上述的模型,能代表某个程度的工业4.0运作模式,那么与之配套的物流4.0模式又会是怎样的?根据德国联邦物流研究所的物流4.0白皮书相关文件,我们可以把它绘制成这样的架构图(笔者根据物流4.0白皮书原创绘制),这个架构分为两层:

图二:物流 4.0 白皮书中描述的规则层与操作层架构示意图

(本文作者根据白皮书说明原创绘制)

● 物流4.0规则层:与工厂ERP配套,建立人工智能的物流4.0系统,给予生产线与物流最佳化的原则与目标(目标方程式),其目标就是最佳化生产与最佳化物流质量+效率。

● 物流4.0操作层:根据规则层制订的目标与规则,进而使用物流4.0的智慧系统,来指挥现场作业的自动化物流设备/生产设备。而这些设备则建立在基于CPS虚实融合系统的基础上。

由于CPS虚实融合系统的观念较为复杂,我们将会在下一期之中,把CPS与物理互联网(PI: Physical Internet)一并介绍。在此我们姑且把CPS虚实融合系统,就看做是以AIoT系统为主体的新一代智能型自动化物流与生产设备的管理系统。

04-“人的工作什么?”

这时候也许有读者想问:如果人工智能把最佳化的事情都做完了,人要做什么?答案是:人要做人工智慧系统的导师,给予人工智能系统作业规则与最佳化的目标方程式。例如:在《天下杂志》(台湾地区)2015年对于台积电军机处的报导中就曾经提到,在接订单时,台积电会根据每张订单的最佳化利润来安排其时程,甚至在满载生产时期,还须要考虑是否接下某一张订单?以充分做好公司高阶想要达成的最佳化。

就物流4.0所须要考虑的相关因素而言,笔者建议参考一篇博士论文所整理的完整架构图如下:(引用自Sven Winkelhaus & Eric H. Grosse (2019): Logistics 4.0: a systematic review towards a new logistics system,由笔者中文翻译),这篇论文整理的物流4.0架构相当完整,可以给我们一个全面的认知与理解。而其作者与工业4.0三位提案教授来自相同的学校,因此非常有参考价值。

图三:物流 4.0 身层次架构

(引用自博士论文,由笔者中文翻译)

综观上列架构图,我们可以归纳一个简单的结论:虽然须要使用CPS虚实融合系统等多种最新技术,物流4.0的管理理念核心还是可以归纳在传统的工厂管理最关心的三大指标:质量Quality、成本Cost、时效/交期Delivery。因此,无论是物流业元宇宙(物流业的数字孪生系统),或是工业元宇宙(工厂用的数字孪生系统)最终所要探讨的深度感知与智慧化,应该是围绕着这三大主题来发展的!

如何打造实用的物流4.0系统

也许有人会说:这似乎太偏向理论架构的探讨,我们在实务工作上很难应用。这是一个非常关键的问题:如何才能从易懂易用的标准上实现打造一套实用的物流4.0系统?同时具备下列特性?我个人认为应该有以下几个特征:

几大特征

● 深度感知 (Deep Sensing)QCDP四大领域:打破现有系统限制,实时体现自动化物流中心的完整运作状态,包含:质量Quality、成本Cost、时效/交期Delivery,以及利润Profit。

● 智慧化拣货策略建议:现代化物流中心经理,须要拥有可以灵活应用智能型拣货策略与排班规划软件能力,即具备多年经验才能反映出来的拣货策略管理能力,以快速面对、弹性适应每天不断变化的订单需求,智慧分析大幅度提升物流中心拣货作业效能。

● 机器学习不同区域的设备运作最佳化参数:通过机器学习,在每天订单需求变化的不同场景,不断学习精进,使得最佳化的智能型排班,成为具备自主计算能力,自我学习成长的一个精准数字来源。

● 使用国际型的云端服务,连通世界各地的物流中心/工厂:要具备快速运算数据库甚至图形运算能力,才能使得跨越不同城市的物流中心/工厂均可以直接互相连接,做到“天涯若比邻”。

● 完整地考虑“工业4.0+物流4.0”特性融合,既可以适应第三方物流公司使用,又可以具备工业元宇宙(工厂数字孪生系统)的扩充模块,可以适应制造业对于物流4.0的需求。

根据上列的需求原则,在云之萃公司我们建立了“物流云萃宝”,来实现一键进入物流元宇宙的目标。“物流云萃宝”(StratusTwinTM),具备了完整的3D VR环境,可以体现多个城市的不同物流中心完整的面貌:

● 深度感知 (Deep Sensing)QCDP四大领域:“物流云萃宝”除质量Quality、成本Cost、时效/交期Delivery三大指标外,还增加了所有高阶主管最关心的:利润Profit指标。且每一种指标都可以按照:物流中心别Distribution Center、不同仓库内区域、不同客户、日期、小时来进行多维度的立体化深度感知。也就是说,高阶管理者可以任选位于不同城市的某一个物流中心,特定的仓库区域,分析在该区域的任一客户有关:

■ 质量(例如:MTD Month-to-Date拣货错误率)

■ 成本(例如:MTD平均每行作业成本、MTD实际成本与目标值差异数)

■ 交付(实时订单拣货作业进度VS当天目标值%、实时订单拣货作业效率的完成分数,以100分为满分,等等)

■ 利润(MTD该区域利润率、MTD该区域单一客户别利润率等等)

● 智慧化拣货策略建议:在智慧化拣货策略建议部分,云之萃公司首创“ABC-XYZ的EIQ分类法”,使得不同出货频率与不同销售预估准确度的产品,可以被适当的分类与处理,能展现更高的拣货效能。例如:针对可预期的电商爆品iPhone新机出货时,就规划以越库方式+建立路线别贴出货标签专用工作站,直接在托盘上就贴上相同路线别的出货标签,快速完成只有订购一个手机的出货单。这样的智能型批次分类处理方式,可以真正大量节省上架与拣货的动线来回所须要花费的时间。

● 机器学习不同区域的设备运作最佳化参数:机器学习后,可以对于每个物流中心仓库区域内的特定设备相关参数,完整地掌握其统计学模型,并能用于后续的排班加速模拟计算,因此可以使得智能型排班最佳化运算,达成精准有效的最佳化。

● 云端服务:使用Oracle云,内建Oracle数据库,且具备GPU选项,运算速度更快,并且连通世界各地的物流中心/工厂。

● “物流云萃宝”可以直接支持以第三方物流中心建置基本规格,未来更将推出“工业云萃宝”具备厂内物流与特定行业生产线的扩充模块,可以适应制造业对于物流4.0的需求。

END

文章精选/现代物流-118期


下一页
参与评论
资讯

更多>

风云人物

更多>

活动一览 国际考察团 论坛

更多>

物流中心案例

更多>

高效的信件分拣解决方案


扫描二维码
关注《现代物流》公众号
中华人民共和国电信与信息服务业务经营许可证编号:沪ICP备19011712号-1