即刻部署、效率提升快速验证、弹性扩容，“灵动模式”订单到人柔性拣选方案如何让仓储物流迎战“VUCA”时代？
我们正在进入VUCA时代，成为了一个既定事实。
最近饱受关注的供应链断供危机，更是印证了这样的事实。 所谓VUCA是volatility（易变性）、uncertainty（不确定性）、complexity（复杂性）、ambiguity（模糊性）的缩写。这样一个时代，给方方面面带来了极大挑战。 迈入VUCA时代的，也包括仓储物流。据灵动科技介绍，在过去，由于未来5-10年内仓库的存储和出货能力可预测，仓库规划一经制定和实施，上线后最长10年内无需修改。而现在，受诸多因素影响，仓储物流需求瞬息万变，难以通过预测来制定长期规划，传统生产方式和自动化设备适用度也较低。 影响因素包括：从预测依据出发，现在的仓储物流规划没有硬数据——过去的数据缺失或者无法参考，没有软数据——很难通过战略规划预测未来，只有海量SKU和碎片化订单，以及大促等事件营销带来的数十倍的出货量变化；从消费者需求出发，消费者对时效要求极高，希望更“快”，同城半小时达、次日达成为常态；从供应商角度出发，需要将设计、生产、出货等生产供应链时间缩短到极致，实时预测和响应客户需求。 灵动科技认为，沿着旧地图找不到新大陆。传统的物流自动化设备投资成本高、部署周期长，很难应对巨大的波动和变化，并且一旦搬仓很难使用。通过“预测-规划-实施”的传统模式已经很难响应各方需求，而VUCA时代需要“快速上线-验证-调整”的新模式。 在此背景下， “灵动模式”应运而出。
灵动科技视觉AMR
01、何为“灵动模式”
所谓“灵动模式”，即订单到人柔性拣选方案，是少量人员与多辆AMR配合，形成一人拣多车，一车对多人，人车相汇，动态分区智能接力拣货的模式。该模式具备“快速部署”，“效率提升快速验证”，“弹性扩容”等特点。
如业内所知，传统的物流仓储作业流程中，一般需要人工手拉地牛或推车，进行长距离走动下的人工拣选，巨大的作业强度也带来了人员的高流动性。如何降低人工作业强度，应用半自动化的设备提升工作效率成为了一大难点。
而“灵动模式”采用人机协作的方式，不仅降低了工作强度，也可以提升工作效率：有AMR配合，人员可以更多的进行拣货作业，而不是走动。同时人机界面友好，也降低了工作难度，使新人能快速上手，实现10分钟上岗，1小时达到平均人员效率。
对企业而言，“灵动模式”带来的改变也十分明显。灵动科技向物流指闻提供了这样一组数据：
灵动视觉AMR上线快：1万平以下2周内上线，而且无需改造仓库，即搬即用，零成本迁移，搬仓后7天内AMR恢复使用。
效率快速提升：灵动模式可以灵活应对疫情等黑天鹅事件，疫情期间在人工资源极不稳定的情况下，助力某3PL效率达到原来的3倍，仓内人工成本节省43%。实现了UPH提升50-200%，仓库产能最高提升400%，在某水饮仓峰值时段UPPH达到450件/时以上，较人工作业提升6倍。
投资成本较低：与各类自动化设备相比总投资具有明显优势，灵动模式ROI仅2-3年。初始投资较小，劳动力节约明显，因为不改环境、不改料架、不改地坪、不改作业方式，2台AMR可承担1个拣选工人工作量，人工成本节约30-50%。
弹性扩容：灵动模式支持多库区、跨库区实时调用AMR，遇到双11、618大促，可以2小时内灵活加减车。截至去年双11，灵动科技AMR累计拣货超500万件，双11拣货为618的3倍，拣选效率是人工仓的6倍，发货准确率99.99%，发货及时率100%，帮助其20+仓库产能最高提升400%。
除此之外，灵动模式可以进行边拣边分、先拣后分、边拣边包等多业务逻辑实时切换，流程优化，智能组单，以及将拣选错误率降低90%等。
02、灵动模式有何可依？
有着以上种种优势的灵动模式，也在不断收获头部客户。此前，物流指闻曾介绍过其服务京东物流的案例，也曾介绍过其服务顺丰供应链的案例。（点击蓝字查看原文）
灵动科技AMR在京东物流中件仓的应用 如今，疫情期间的各种不确定性，使供应链面临巨大的波动。在保障仓储物流正常履约方面，灵动模式效果明显。比如，在长三角的某电商仓，疫情之下人员缺乏，灵动模式不仅使其人效提升了50%，而且还能帮助新人快速上手。最近华东地区米面粮油需求猛增，这一地区的某仓因为有灵动模式的助力，也一定程度上保障了订单了履约的时效性，同时也缓解了人员的劳动强度。 要实现以上效果，并不容易，这背后需要各个方面的支撑，比如技术。灵动模式的技术支持表现为两个方面：单机智能与集群调度。 据介绍，灵动科技视觉AMR利用自动驾驶级视觉算法，实现视觉SLAM技术从二维至三维，形状至语义的升级。一方面，视觉特征识别更精准，可检测并持续跟踪视野内多个人并识别人数属性，让AMR在自主移动之外实现自动跟随；另一方面，AMR能“看到”更多环境特性，更好适应物流仓储人机混行的高动态复杂场景。 “灵动模式”采用的是人机协同的方式，涉及AMR的大规模部署。当遇到复杂多变的运行环境时，如果调度不好容易发生碰撞等问题，影响整体效率。
