<font id="rpfhf"></font>
<dl id="rpfhf"><output id="rpfhf"></output></dl>
<dl id="rpfhf"><output id="rpfhf"><delect id="rpfhf"></delect></output></dl>
<dl id="rpfhf"><delect id="rpfhf"><font id="rpfhf"></font></delect></dl><noframes id="rpfhf"><video id="rpfhf"><output id="rpfhf"></output></video>
<video id="rpfhf"></video>
<dl id="rpfhf"></dl>
<video id="rpfhf"><dl id="rpfhf"></dl></video>
<dl id="rpfhf"></dl><noframes id="rpfhf"><delect id="rpfhf"><delect id="rpfhf"></delect></delect>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><dl id="rpfhf"></dl></dl>
<video id="rpfhf"><dl id="rpfhf"><output id="rpfhf"></output></dl></video>
<dl id="rpfhf"><delect id="rpfhf"><meter id="rpfhf"></meter></delect></dl><noframes id="rpfhf"><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><dl id="rpfhf"><delect id="rpfhf"></delect></dl></dl>
<dl id="rpfhf"></dl><video id="rpfhf"></video><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<output id="rpfhf"><output id="rpfhf"><font id="rpfhf"></font></output></output>
<video id="rpfhf"></video><video id="rpfhf"><output id="rpfhf"></output></video><dl id="rpfhf"></dl><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><output id="rpfhf"></output></dl>
<dl id="rpfhf"><delect id="rpfhf"><font id="rpfhf"></font></delect></dl>
<video id="rpfhf"></video><video id="rpfhf"><output id="rpfhf"></output></video><dl id="rpfhf"><output id="rpfhf"><font id="rpfhf"></font></output></dl>

關鍵詞: 數字物流智慧物流物流機器人

數字孿生時代的數字物流革命

作者:魯曉 陳星浩

來源:物流技術與應用

一、數字物流的發展動力


工業4.0的關鍵,是柔性的物流系統,在飽和、多變且個性化的市場需求下,現代工業要求其物流網絡更具柔性、更低成本的運轉。粗放的增長即將結束,面向效率的整合即將開始,在這個背景下,從物流管理體系到物流裝備,如何提升智慧性和柔性,提升物流智慧化與智能化水平成為未來發展的趨勢。


1.物流產業要素缺乏協同載體


物流行業的產學研,全生態供應鏈合作,已經成為行業發展大勢。如果將物流產業,按照系統集成方、使用運營方、研發應用方、教育培訓方進行劃分,我們可以剖析目前行業存在的問題,如圖1所示。


1.jpg

圖1 物流產業各協同問題


系統集成方與使用運營方之間,是最傳統的甲乙方關系,通過成功案例與行業經驗等“老中醫”模式進行營銷,看“資質”對方案進行選擇。但因其成本過高,無法在個性多變環境下,將提供給運營方的方案進行價值呈現與仿真展現,導致系統集成方在規劃設計之前,缺乏價值協同的載體。


研發應用方(裝備商與咨詢商)在研發新產品、對現有智慧物流裝備進行優化的過程中,缺乏新技術驗證的有效環境,甚至使用運營方提出相關咨詢需求時,雙方都無法得出系統改造與設備改造的關鍵驗證數據。


教育培訓方在進行物流人才培養與企業培訓時,極度缺乏知識的展現條件。專業成績優異,面試“一問三不知”;使用過時的教學裝備和技術,只能“看熱鬧”;價值和方法的呈現,猶如看不見的“天書”。這些問題極大地提升了企業人力成本。


總結來說,在智慧化的浪潮中,新工具、新方法、新業態、新人力等多要素對于最終成本與效率的影響模式越來越復雜,目前行業的各方,缺乏一個低成本的、快速有效的、協同的價值呈現,以及能夠實現可視化管理運營、仿真驗證、知識傳遞的平臺。


2.物流系統體系化的通途是人機共智


物流系統要素,從上文中的幾個主體,可以總結為參與管理和生產的人,以及參與物流管理的自動化與智能化系統裝備,比如物流信息系統、多穿、立體庫、AMR等組成,其共同作用形成了一體化的智慧物流系統。通過人、智慧體系統、智能系統等全面融合,協同作業,共同構建統一目標的利益共同體,將物流成本與物流效率進行完美結合,是數字物流革命的終極目標。如何實現人機雙方的協同、聯動、共智,途徑就是打通人機認知與決策體系,包含以下兩個方面:


(1)物流管理智慧化


物流管理智慧化,是在物流管理當中,針對人員、裝備、貨物、時間、成本等元素,將進行計劃、調控的有效經驗模型數字化,從而將人和系統的知識經驗協同。這里包含了兩個層面的管理智慧數字化:第一個是明確機制的智能指標庫,將行業中的通用指標,比如周轉率、人效、坪效等指標公式進行抽取,形成物流管理智能指標庫;第二個是不明確機制的智慧評價庫,也就是通過對管理人員經驗的總結或對歷史數據的挖掘、行業公認的、影響物流整體或局部系統目標的關鍵因素總結。兩者一起奠定了物流管理智慧數字化的基礎。明確的預警線、不明確經驗都將通過系統能夠理解的方式進行數字化表達。


(2)物流系統智能化


物流系統智能化,在傳統物流智能執行裝備與系統的基礎上,更加強調從數字智慧化和智慧交互可視化兩個維度理解。數字智慧化是以系統的物聯網化與數字化為基礎,通過可視化仿真體承載多維度數據,在近真環境下,與多個仿真體或業務系統、人員進行呈現或推演;通過數據整合、清洗、挖掘、再生成的方式,提供未來不同情況的關鍵數據;并通過價值挖掘的方式,挖掘出影響目標的更多未知要素,比如快遞上貨輸送系統效率與積放關鍵參數之間的關系等。與此同時,物流系統智慧交互可視化,則是將系統實時狀態與未來不同條件的可能狀態,以人最能理解的方式,進行可視化、交互化以及時間空間多維度分層化的方式進行快速呈現到管理者腦中,從而達到人機共智的最終目標。


3.數字孿生應用技術快速發展


2020年11月,工信部從國家層面定義了數字孿生的基本概念,其源自近年來,數字孿生得到越來越廣泛的傳播。同時,得益于物聯網、5G、大數據、云計算、人工智能等新一代信息技術的發展,數字孿生的實施已逐漸成為可能。從2020年開始,物流行業也開始了自己的數字孿生之路,特別是針對物流場站與裝備,展開了大量的嘗試,從倉儲三維可視化項目,到配送中心三維管控SCADA項目,以及傳統仿真生成的exe,都穿上了數字孿生的“馬甲”。


針對物流行業鏈條長、環節多、鏈接領域廣等特點,如果要構建完整的物流數字孿生體系,需要包含以下必備點,簡稱3MF,如圖2所示。


2.jpg

圖2 3MF物流數字孿生必備點


Mod細顆粒度低成本建模能力:物流系統的數字化,需要比現有傳統仿真軟件更低成本,包含包括虛擬傳感器與執行器、帶有執行邏輯的裝備與人員系統,通過更多非傳統仿真技術人員參與,通過參數化建模,才能完整更細維度的數字孿生模型構建;


Mass大規模系統仿真能力:借助云計算與最新的仿真技術以及圖形圖像技術,構建滿足上萬平方米倉庫、上千貨物信息點與眾多人員智能體進行混合仿真的能力。這都得益于近5年在3A游戲領域的技術進步,讓大規模流程、數據交互、人機智能體仿真成為可能;


Mixed多維度的業務與IoT數據混合對接能力:通過5G技術提供的通訊通路,以及數據總線技術,建立數據高速標準體系,融合包括物聯網、WMS、ERP、WCS、多維仿真體數據,AVR人員交互與數據,構建數字建模的真實可信度數據基礎;


Feedback大數據挖掘與反饋學習技術:通過歷史數據與多變量調節的仿真數據,具備雙工通訊能力,產生虛實交互學習的方式,提供人機共智的基礎機制。


二、數字孿生技術將全面推進數字物流發展


1.系統數字化——物流系統數字建模


物流數字系統軀體構建,簡單來說就是構建三維物流裝備與系統的數字化、可視化模型。不僅僅包括狹義上的輸送機、立體庫、人員,也需要包括近幾年新興的各種物聯網裝備等。傳統仿真的重要成本,往往就是仿真建模部分,目前有三種可行的解決辦法,第一通過外部3d MAX等建模軟件建模進行導入;第二是通過軟件本身的類似或接近的模型進行代替或簡單變形;最后一種則為基于工業小顆粒組件,進行全新設備與系統的拼接構建,在更細顆粒維度的軟件內建模,目前行業更加推崇最后一種即建即用的建模功能,極大地降低構建成本與周期,如圖3所示。


3.jpg

圖3 物流系統基于組件的即建即用數字建模


2.價值互動——價值可視交互傳遞


提升孿生仿真體應用價值的鑰匙是可信度,如何達成物流系統“所見即所得”是價值互動的關鍵。價值互動在于為物流數字系統提供神經系統與傳感系統,讓其具備能夠模擬系統邏輯、實現系統目標的能力。不同于傳統仿真,物流數字孿生需要具備強大的數據總線,來交互物聯網與業務數據,以及交互仿真體的虛擬物聯網與系統數據。其整體目標為:構建盡可能逼真的還原關鍵裝備系統的物理交互與控制邏輯,例如堆垛機的二段加減速與電控延遲時間,大幅提升仿真的逼真度;構建融合IoT數據與業務數據,具備信息通路與整合能力的信息傳遞網絡,類似脊椎動物的誕生,只有高速、準確的信息傳遞,才能進化出足夠高級和智慧的生命體;構建虛擬物聯網傳感系統,檢測比如輸送流速、擁擠度等一系列數據,正是因為虛擬IoT系統的引入,才使得我們能夠以更加全面的角度,掌握了解。


通過三方面的構建,最終形成可人機互動,快速理解,集成仿真展現一體化功能的系統,從而進行投標展示,宣傳展示,實訓教學內容的低成本、高可信度的展示,提升多方的價值傳遞效率。


3.問題先知——物流系統智能化


物流系統智能化類比為掌管邏輯的左腦,也可以理解為應用智慧管理的過程,將明確機制的檢測與自動控制的指標和算法融入系統的智能判斷,進行實時檢測或仿真的技術。通過以明確的指標庫為基礎,構建仿真環境進行仿真的過程。以運營角度為出發點,在通常的數值計算和工程算法之外,加入經驗公式與計算程序。在工程實踐中,形成一套實時數據驅動的人機交互界面,以及通過類LOD的方式,降低仿真資源消耗,提升仿真的實時性仿真系統。這樣管理者既可以看到觸發既定規則的問題,又可以通過快速的仿真得到明確發生的未來問題信息,比如分揀系統的擁堵信息、PHM信息等都通過數字化方式,固化到智能系統流程中,降低管理者精力消耗,并通過可視化方式進行快速的人機呈現,如圖4所示。


4.jpg

圖4 典型的多穿指標庫


物流系統智能化,是數字物流革命當前的最重要步驟,如何將運營主體經驗、物流行業典型經驗進行數字化,最終形成的指標庫和經驗庫,是決定能否實現物流系統預測先知性的基礎條件。


4.要素先覺——物流系統管理智慧化


物流管理智慧化類似掌管直覺的右腦,是產生智慧的過程,是數字孿生的重要目標,實現預判、預測和分析功能,來提升實際系統的效率。要想精準的、全面的、物理的可信仿真,產生多維度、跨傳統業務層的未知大數據,是物流系統管理智慧化的關鍵,有助于建構學習網絡的隱含層。


行業中常說的人工智能與物流的應用領域,除了諸如貨物等圖像識別等技術點之外,通過數字孿生結合物流體系整合的大數據分析與挖掘,成為物流系統柔性與價值最大化挖掘的“金礦”。


5.智慧體協同——供應網絡智慧化


當物流網絡中的細胞、組織、結構、器官被逐級深入構建,那么形成特定供應鏈數字孿生就不遠了。當智慧體通過數據總線進行信息傳遞與相互影響,從下到上的物流系統到供應鏈的構建過程中,需要通過對供應鏈的可視化、互動協同共智、預測化、推演化,能夠整合需求主體,制造、倉儲、人力、信息、管理、運力等諸多信息,將降低物流資源匹配成本,提升經營主體甚至全社會的供應網絡柔性與服務能力。


三、面向數字孿生的物流平臺關鍵技術


如何讓數字孿生技術,助力實現數字物流革命,需要突破數個關鍵問題:


1.構建技術(Build)


突破低成本物流三維仿真構建與設計技術。面對仿真與數字孿生應用瓶頸點,將聚焦物流行業,進行三維仿真展現,包含通用物流服務資源工程組件庫開發,倉儲搬運類、分揀類、顯示反饋類、先進制造裝備類、空港物流類、冷鏈生鮮物流類、?;锪黝?、貨物類、建筑園區類等物流服務資源的建模開發,可視化零代碼邏輯編程系統開發,如圖5所示,最終實現覆蓋主流物流服務資源,突破建模成本高、技術要求高、時間花費高的無法落地的“三高”關鍵難題。


5.jpg

圖5 快速仿真展現一體化設計工具Builder系統


2.孿生仿真技術(Simulation)


(1)解決物流資源網絡/系統孿生智能體仿真與組網推演分析問題,突破細顆粒度零件級物流資源孿生仿真技術。


面向物流資源自動化、智慧化趨勢,展開針對孿生物聯網類,機器人與自動化裝備類,人員與車輛智能代理類的研發,研究大規模物流服務資源孿生化的標準與突破關鍵裝備仿真技術。如RFID與條碼識別孿生系統,工業光電等孿生傳感系統,WSN與5G孿生系統的研發,為后續物流服務資源快速構建提供全面參數化通道,沉淀工業巨頭的傳感器參數與孿生鏡像,從而為后續的物流服務網絡系統孿生化構建,提供高可信度的仿真基礎。


(2)解決行業數字孿生應用適配問題。


面向從物流教育、先進制造業到電子商務物流、冷鏈物流等多個行業,展開企業應用驗證,降低資源的適配成本,提升整體物流網絡的柔性與服務能力。突破VR/PC 3D混合仿真形式,既能夠實現人因與物流其他要素的適配測試,又能夠實現跨時空低成本的3D物流仿真適配測試,擴大研究行業對于物流服務資源的適用面,提供更多的數據進行精準適配分析支撐。


在物流教育方面,北京科技大學與北京中物匯智科技有限公司合作,通過產學研聯盟,應用VR/3D混合人機交互技術、低難度低成本建模技術等新興技術,開發了“基于虛擬現實的倉儲配送綜合實訓課程”等(如圖6所示)可支撐教學、實訓、科研、創新、競賽的綜合性教學仿真模擬平臺,并入選“校企合作 雙百計劃”典型案例,擴大了系統對專業課的適用面,提升了物流人才的培養效率。


6.jpg

圖6 實訓課程與“校企合作 雙百計劃”典型案例獲獎照片


3.數據總線技術(Information)


解決基于數據總線的物流服務資源虛實連接與組網系統研究。物流服務資源中,存在大量的數據與信息異構性,物流服務資源網絡的CPS系統復雜,融合多個行業的硬件、物聯網系統、自動化裝備等,研發物流InforBus數字孿生總線,研發InforBus總線控制系統、網絡安全機制。最終實現物流服務資源虛實、軟硬、人裝、信息與業務的大數據融合與組網,從而提供精準適配的數據通路與聯合測試仿真通路。


4.數據分析與價值挖掘技術(Mine)


通過數字孿生的數據分析與挖掘技術突破,針對IoT數據、業務數據、人員數據、環境數據,融合模糊分析、神經網絡算法等分析與挖掘技術,架設行業指標庫、算法庫、評價庫、經驗庫為基礎,以系統智能化與管理智慧化為目標,最終實現整體系統柔性化。


我們可以總結上述內容為:Build—Simulation—Information—Mine,BSIM的數字孿生關鍵技術框架。


四、結語


數字孿生作為智力協同的新基建,將會有效解決教育培訓、集成與設計、運營主體與裝備研發各方的矛盾。有效地讓企業經營個體,更好地應對多樣化、個性化、定制化的需求沖擊,通過物流管理智慧化與物流系統智能化兩個方向,打通人機共智,智慧體協同共智,最終降低物流網絡與供應鏈的資源適配成本。同時也從需求端,加速5G/AI/云計算等技術的真正價值落地。


相信行業將不斷樹立數字孿生結合物流系統的應用燈塔和研發基地,提供低成本物流系統設計與再造平臺,構建物流數字孿生仿真資產,鋪設數據高速公路,幫助物流產業各方降低協同成本,一同迎接數字物流革命。


  • END
聲明: 1、凡注明“來源:物流+”的所有內容(含圖片),未經允許不得轉載。 2、本網轉載內容目的為傳遞更多信息,不代表本網觀點,亦不對其真實性負責。 3、如因內容、版權等問題,請及時與本網聯系。

{{ total }}條評論

  • {{ item.representName }}

    {{ item.comment }}

點擊查看更多評論
回到頂部
亚洲综合图色40P
<font id="rpfhf"></font>
<dl id="rpfhf"><output id="rpfhf"></output></dl>
<dl id="rpfhf"><output id="rpfhf"><delect id="rpfhf"></delect></output></dl>
<dl id="rpfhf"><delect id="rpfhf"><font id="rpfhf"></font></delect></dl><noframes id="rpfhf"><video id="rpfhf"><output id="rpfhf"></output></video>
<video id="rpfhf"></video>
<dl id="rpfhf"></dl>
<video id="rpfhf"><dl id="rpfhf"></dl></video>
<dl id="rpfhf"></dl><noframes id="rpfhf"><delect id="rpfhf"><delect id="rpfhf"></delect></delect>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><dl id="rpfhf"></dl></dl>
<video id="rpfhf"><dl id="rpfhf"><output id="rpfhf"></output></dl></video>
<dl id="rpfhf"><delect id="rpfhf"><meter id="rpfhf"></meter></delect></dl><noframes id="rpfhf"><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><dl id="rpfhf"><delect id="rpfhf"></delect></dl></dl>
<dl id="rpfhf"></dl><video id="rpfhf"></video><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<output id="rpfhf"><output id="rpfhf"><font id="rpfhf"></font></output></output>
<video id="rpfhf"></video><video id="rpfhf"><output id="rpfhf"></output></video><dl id="rpfhf"></dl><dl id="rpfhf"></dl>
<dl id="rpfhf"></dl>
<dl id="rpfhf"><output id="rpfhf"></output></dl>
<dl id="rpfhf"><delect id="rpfhf"><font id="rpfhf"></font></delect></dl>
<video id="rpfhf"></video><video id="rpfhf"><output id="rpfhf"></output></video><dl id="rpfhf"><output id="rpfhf"><font id="rpfhf"></font></output></dl>