自2017年中以来，人工智能（AI）席卷了全球各大媒体版面，几乎各行各业，都希望与人工智能沾上边以降低成本、提高效率，甚至可精准预测未来。所谓的“预测型物流规划（Anticipatory Logistics）”，就是要通过日常作业中的大数据，预测短期未来可能需要的资源（如人力需求、车辆需求、物流空间需求）与订单需求状况，而在消费者尚未正式下单前，就预先部署好所需的库存与运输资源。

 

 

之所以需要预测型物流作业，主因就是客户对于缩短前置期(leadtime)的需求越来越大，每个客户都希望最好一下单，马上就可交件，而且没有人希望备置大量库存，在这种状况下，如何预先把资源放布署在正确的地方，并且避免资源在需要使用时却发生故障（例如运输车辆抛锚），就不是单纯“靠经验”可解决的问题。

值得注意的是，AI的预测不在于诉求“精准”，而是强调“抓重点”、“找趋势”，之所以可做到这样，是萃取大量历史数据而来。而现阶段要做到预测型物流，恐怕还是得靠供应链体系中的大厂来主导，例如WALMART、UPS、FedEx等。

对于中小型物流企业而言，利用AI先做局部改善是可行的，AI特别适合简单、重覆性高、耗工时处理的低附加价值工作，在物流中心内，包括手写字体辨识、出货检查、定期盘点、客户常见问题答询，包装箱尺寸自动选择，甚至出货配送，都有AI发挥的空间。

AI要成功，必须有大数据，称为训练资料（trainning data）。例如我们要预测某个商品可实际配送到消费者手上的时间，或是预估某一日的所有待配送物件，会有多少件无法于当日20:00前配送完毕，可通过每次消费者实际签收的时间，以及当日的总配送件数、商品重量、配送总距离、配送员步行距离、天气状况等数值资料，导入AI网络模型去学习，而且学习过程，必须给定AI两种资料，一种资料称为真实资料（ground truth），另一种称为模型预测结果（predict），AI模型就是希望使得每一次的预测结果都尽可能贴近真实资料，因此物流企业在准备训练资料时，需要有消费者实际签收时间，以及原本规划预计配送到着时间。

 

 

物流业大数据的资料来源相当多，但多半缺乏科学化记录与回报机制，例如宅配司机每日实际步行距离、宅配车辆行驶里程、油耗、载重量、每地点停留时间等，有良好的大数据，AI才能真正发挥效益，这是要实施AI物流前需要有的基本认识。

在本季系列报导中，我们将陆续介绍国际上知名厂商与物流公司，如何利用AI让原本的产品与服务更加深化。

这家超过130年历史的老牌饮料企业，从以往的可乐起家，到现在跨界果汁、茶饮，甚至跨界到服装、香水等时尚产业，品牌价值高居全球第三，其成功的因素就是不断创新，并且运用科技来解决老问题。目前可口可乐公司除了自身生产线的自动化检查，甚至把AI的触角延伸到自动贩卖机，以往自动贩卖机仅能统计当天天销售了多少瓶饮料，卖了多少钱；拜硬件成本降低之赐，新的贩卖机往后将可加装摄影机，通过影像识别，可以很精准的分析哪一类的人、性别为何、年龄为何，买了哪一种饮料，甚至消费者在贩卖机前面看了某瓶饮料看了多久时间才做投币决策，这样可以精准评估贩卖机内部的黄金柜位；这还不是最厉害的，最新的贩卖机可以做人脸识别，也会记得消费者的口味，例如喜欢哪一种咖啡、温度为何、甜度为何，消费者仅需投币，贩卖机递出来的饮料绝对是完全客制的。

随着消费者健康意识抬头，对于低糖、低发泡饮料的需求增加，可口可乐公司也设法做出改善。

在供应链更上游，可口可乐公司把脑筋动到“种植”这件事上，通过过卫星影像、气候、雨量、土壤酸硷值等数值纪录，以及水果的甜度关系，可口可乐公司可以知道何时收成是最佳的，甚至其水果原汁的甜度，已经很接近市场的真正需求，如此就可以在最少的加工与添加物下，做出消费者喜欢的商品，整件事与其说是降低生产成本，不如说是将生产成本，改投资于供应链的上游环节，使供应链整体的销售更大。
 

UPS
 

UPS每年在科技上的更新与投资超过10亿美元，在2016年底，开始引入聊天机器人（chatbot），把这样的聊天机器人配置于脸书粉丝团，用来实时回答消费者问题，包括运费、寄件时效，甚至消费者往后直接在社交软件如脸书（Facebook）要求寄件，都可使用自然语言（natural language）与聊天机器人交谈，这个改善主要可以黏住末端消费者，消费者不需要再拨入客服中心等待人员接通，可一对一快速获得回覆，聊天机器人的设计，其实是一连串科技与数据整合的结果，以往消费者要自行登入UPS网站，挑选正确的页面后才能进行货件查询，使用聊天机器人，可以让小朋友甚至老婆婆，都可用自己熟悉的对话去询问所需讯息，因此是服务界面（interface）的大跃进，一旦服务机器人技术成熟，后端的客服人员至少可减少一半以上。

在配送方面，早在2016年九月，UPS就开始测试无人机送货的可能性。

FedEx
 

每年圣诞节前夕，对这些世界级配送企业而言就会是噩梦一场，因为有的员工会提早休假，物流中心却涌入大批待处理货件，码头区也有堆积如山的货件待配送，就算找员工开私家车协助配送，还是难以消化，而自动驾驶汽车（即下文自驾车）将会是这个头痛问题的解决方案。

FedEx一直致力于自驾车技术，自驾车的效益主要就是减少意外事故率与碳排放，以及通勤时间可以用来工作或娱乐，而自驾车最大的优点就是车辆的AI反应速度快，约仅需人类驾驶员的1/10时间就可做出反应，该刹车、加速或是转弯，通过学习机制，系统可以做出和人类几乎一样的反应，学习的方法就是让自驾车的运算模型（model）看许多的实际道路影片，以及人类驾驶员在各种状况下会踩下刹车或是油门，力度会放多少，这些实际的驾驶参数只要在车辆安装纪录器就可搜集到，就好比在人类司机旁边放一个机器人，人类怎么开车，机器就会学起来，以后机器遇到特定状况时就知道怎么控制车辆，当持续训练一定时间后，机器就可几乎完全自动驾驶。

在实际上，“客运公交车”及“大货车”一直是肇事率最高的，美国的公路系统中，几乎每个月有3.2万人死于交通事故，通过严谨逻辑设计的自驾车，将会是解决这类问题的最佳方法。
 

目前几乎可以确定，整个供应链中，越是前端作业，例如订单处理、拣货、盘点、包装、出货，至少会有30%以上的作业在2030年以前会被自动化所取代，风潮将慢慢由欧美席卷到亚太，短期间内，还有“最后一公里”的配送处理是比较困难的，因为都会短途交通的不可测性，以及最后一公里配送经常需要宅配司机与消费者当面签收互动，甚至宅配员得按门铃、爬楼梯、问候消费者等诸多动作，不是那么简单就可由AI处理的。

AI的应用需要靠人类的想象，欧美厂商勇于作梦，勇于挑战，因此在科技应用上总是比亚太国家早，目前甚至有厂商结合气候资料，利用AI来预测未来几天将会有多少员工正常上班，多少员工感冒，这些看似有趣的应用，其实都是管理者日常会遇到的问题，而对管理者来说，多一份预测资料供参考，决策就多一分的稳健性，现在的企业不就是该追求“洞悉未来”吗？
 

（未完待续......）

（本文不代表本刊观点）