大会留声|黄大雷：智慧物流与数字智能技术应用_工作动态_物流装备专业委员会

大会留声|黄大雷：智慧物流与数字智能技术应用

发布时间：2021年05月18日14:11 中物联物流装备专业委员会

关注中物联

“智慧物流是物流与供应链在数字化智能化时代的发展方向，也是传统物流企业转型方向。它要解决的是物流与供应链其他环节的有机融合，它依托的是以人工智能为中心的新一代智能技术。”中远海运科技（北京）有限公司高级顾问黄大雷在2021全球物流技术大会上谈到。

2021全球物流技术大会由中国物流与采购联合会主办，中国物流与采购联合会物流装备专业委员会、中国物流与采购联合会国际合作部承办。大会邀请了多位专家学者和行业领袖，围绕5G、云计算、大数据、人工智能、区块链、运筹学、无人驾驶等前沿技术展开深入交流。

演|讲|嘉|宾

黄大雷

黄大雷，中远海运科技（北京）有限公司高级顾问，中国物流与采购联合会信息化专家组成员，中国电子商务创新推进联盟专家，产业智能化应用创新推进联盟专家，国际智能货运委员会（SFC）中国专家组成员等。自1993年起，获得并享受国务院颁发的政府特殊津贴。

曾应邀在清华大学和浙江大学任客座讲师，讲授物流信息化相关课程，多次在国际和国内航运物流业的学术会议上讲演，在有关刊物发表论文，专著有《智慧物流与供应链》（电子工业出版社）、《可编程序控制器及其应用》（交通出版社）等。

以下为黄大雷演讲速记（略有删减）：

今天我跟大家分享的是智慧物流和数字智能技术的应用。首先想稍微讲点概念，因为这个智慧物流确实讲得年头很长了，将近十年的样子，但什么是它的定义，咱们国内的专家、权威，包括网上、百度上的说法都不一样。其实我觉得在这里没必要讨论出一个很学术的定义，对咱们搞物流行业的人来说，明白它的概念和意义就可以了。

智慧物流最早是从IBM公司CEO彭明盛在08年提出来的智慧地球概念引出来的。他提出来以后，奥巴马总统感觉不错，就把它作为国家战略。09年春天，IBM召开了全球合作伙伴大会，大概六七千人在拉斯维加斯，会上重点推了这个智慧地球。正好我们公司和IBM中国研究院刚合作完成了一个项目，这是一个大制造企业在全国区域配送中心的网络优化，IBM公司就邀请我去参加了这个会，并在分会场做了一些介绍。那个会上，IBM想把智慧地球作为一个新概念推到全球。回国后跟咱们的一些领导，有关部委的处长、科长聊起来，都很关心智慧地球是怎么回事。其实这个CEO提出来的时候是讲了三个英语单词：Instrumentation,Interconnectedness,Intelligence，我理解这就是智慧地球的三个维度。这三个词从哪儿来的呢，据说是让IBM员工大家投票，你觉得将来发展的形势，哪三个技术是最重要的而且最有意义的。投票结果是这三个词，第一个原意是仪器仪表和测量，有人说它就是物联网，我觉得“感知”更准确，第二是互联，第三是智能。我们如果按照这三个维度，还有一个他们在会上重点推的绿色未来的目标，来看一看物流这个行业，就可以把智慧物流理解成个三方面构成的概念。第一，智慧物流是用自动识别和感知技术，透彻的感知和度量物流链的状态和变化，这是感知，第二是互联网的平台技术，实现物流各环节的信息互联+高度协同，这里面采用了物联网、平台包括区块链的技术，实现互联互通。第三个就是用智能技术使物流过程运行和决策更加智能化，来提高决策的科学化、绿色化。所以智慧物流就是把智能技术用在物流的过程当中，提高整个物流系统感知协同，分析决策和执行的能力，提高物流效率和资源利用率。那就涉及到绿色物流，这样的一种创新的服务模式，这是一种数字化的物流。

讲到智能技术，有哪些技术支撑智慧物流呢？那就是近十年来变化和发展非常快的技术，包括基本的智能技术：AI，区块链，云计算，大数据这些是最基本的，加上新一代的网络技术，包括物联网技术，移动互联网技术，工业互联网技术。我觉得这两个方面构成了智慧物流的支撑技术，它们当中起核心突破作用的，我认为就是人工智能，就是人工智能怎样在物流环节当中运用，怎样能够用好。

人工智能这个概念早就听说了，应该是从1950年那本书开始，就是被称为计算机科学之父的图灵写的《计算机与智能》，在欧美学术界引起了很大的轰动。他第一次提出了怎样知道一个机器有智能的方法--图灵测试，一边是人来用键盘在终端操作，一边是机器来操作，和另外一端的测试人员通过屏幕交互问答，如果测试人员分不出来哪个是机器操作的，哪个是人操作的，就认为这个机器通过了图灵测试。因为测试人员觉得人跟机器差不多，这就是对机器智能的基本的概念。起步期实际上是1956年的达特矛斯会议，第一次提出了人工智能AI的概念，然后形成了第一个繁荣期，大学教授和专家做了很多这方面的研究，提出了用机器模拟人脑神经网络的算法思路。这个繁荣只持续了十几年，后来遭遇包括计算机性能在内的一系列瓶颈，AI就止步在学院的纯学术研究里面，最后政府的资助都停了，所以没有办法，停顿了大概十年的样子。第二阶段的繁荣期是80年代，先是美国成立了人工智能研究会。然后在1980年有一个东西出来了，叫做XCON专家系统，确实给一个美国有名的公司创造了几千万美元的利润，很多东西就接二连三的出来了，包括各种各样的基于知识库的专家系统，基本的处理方法其实是处理知识，把人类专家的知识集中在一起，形成某个专业的知识库，然后用推理机调用专家知识解决实际问题。当时日本处于经济起飞期，搞得特别起劲，他们叫第五代计算机，雄心勃勃想超过美国，当然美国不会让他们超过。但到1990年后，AI又进入了低谷，还是因为当时的软硬件技术的限制，做不出更多有用东西来。一直到90年代的后期，AI第三次发展起来，最开始的一个象征就是IBM搞了一个叫深蓝的计算机，和国际象棋冠军下棋把他赢了，当然国际象棋相对后来的围棋来说简单的多。但是他背后支持的技术理论叫深度学习的神经网络，直到现在人工智能发展起来也是靠对这个网络研究的不断突破，而且应用到实际当中。在2015年发生了一件几乎人人皆知的大事，就是谷歌第一代用深度学习训练的阿尔法狗赢了围棋大师李世石，然后接着呢各种各样的基于深度学习神经网络的新技术随之推出，图像、视频、音频的识别，包括机器翻译，比如今天咱们会上用的这个。图像识别就太多了，违章抓拍啊，人脸和车号识别啊，北京几乎每个小区的进出口都有这些东西，还有刚才有嘉宾讲的自动驾驶技术等等。深度学习神经网络算法已经被做成硬件AI芯片，还集成到手机的处理器里，如华为的麒麟。所以这个时期叫做复兴期，特别是在最近这个十年或者是五六年，我们可以把它叫做突破期。

这个突破期怎么来的？以前AI老有低潮，现在二十多年没有低潮了，而且看起来AI应用越来越广越来越深入到全社会和普通人生活中，以后也不可能有前面那种低潮了，为什么？那是因为这些年计算机科学有了三种重要的技术和研究的大突破，一个是算法，一个是数据（指大数据），一个是算力（计算能力，包括硬件、基础软件、网络和云架构等），也被称为驱动人工智能技术的三架马车，是近年来很多人都在讲的。

三架马车这个概念提出来有那么几年了，回到智慧物流这个话题，靠这三匹马就能够推动智慧物流大发展吗？

从2015年开始，我们公司就配合数字化转型大潮，全面开展大数据、人工智能技术的应用研发，做了很多物流企业，包括制造企业的供应链管理，应用这些新技术做企业的数字化转型。但是我们有一个很深的体会，就是你纯粹靠技术很难推动人工智能在一个具体行业领域的应用，可以说你要仅靠技术来推智慧物流是很难的，有一个简单的例子，就是下面要提到的案例，你单靠模型和算法没有办法求解非常复杂的大型车厂入场物流的调度系统难题。我们的体会是，需要有另外的东西和技术一起支撑起智慧物流的企业应用。如果看前面那个三架马车的图，拉的是人工智能，纯粹是技术，没有问题。但是这些技术你应用到行业里面，比如智慧物流，还需要有另外的东西。最近我在网上开始看到有专家在谈这个事，我把它总结起来呢就是两个东西，一个叫做领域知识，就是专业的行业知识和新技术的深度融合，这是很重要的一个支撑点；二是生态系统，物流是供应链的一环，对上下游生态系统的依赖性更强，比如没有上下游协同你就拿不到必要的数据，所以刚才开幕式蔡会长特别提到了生态系统。如果按英文字头看，前面那三匹马算法数据算力叫ABC，这后面两个东西领域知识和生态系统就加上了D和E，我们这个智慧物流的小车就能够跑起来了，所以我觉得呢这两个东西其实就是支撑智慧物流的两个轮子。

简单讲一下这些技术当中听起来很深奥的算法。一讲到算法就会提到模型，就是一系列的数学表达式用来描述所要解决的问题。算法是求解这个模型的具体的方法，通过编程来实现，也有人把这个模型和算法看成一起，或者叫模型，或者叫算法，其实概念都是一个基础的东西，它就是人工智能，也是所有我们说智慧系统的核心和灵魂。下面这个图就是一个算法求解的循环过程，首先你要建立模型，模型看起来是一大堆的数学表达式，其实它们表达的东西就是要解决的实际问题，包括相关的数据、要做出的决策和影响决策的变量，影响决策的所有相关因素，还有很重要的目标函数，一定要考虑并把它表达得清清楚楚，最后是涉及整个实际问题的大量的约束条件，和业务知识密切相关，也是非常非常重要的。有了模型就可以用计算机语言写出解这个模型问题的程序，就是算法，然后在计算机系统计算。但计算的结果很可能是无解，遇到这种情况一点都不奇怪，你说人工智能算了半天，机器再灵，最后算不出来那就是无解，怎么办呢？倒回去，重新研究领域知识，求教领域专家和用户，推敲这个要解决的问题，然后重新研究并修改你建的模型，检查你的决策变量合不合适，你的约束条件是否合理或相互冲突，数据有没有问题，然后再算，最后直到有解，变成模型优化解，再次返回对照问题进行优化，最后得到目标的最优解，这个过程可能是很枯燥很困难的，最后从无解到有解的突破，往往靠的是领域知识的支撑和融合。

把这些概念讲完了，我就简单的讲一下智慧物流生态链的数字化解决方案。在图中可以看到，从采购环节，生产环节，分销环节最后到最终用户，这样的一个完整的智慧物流的过程，靠的是各种各样的数字化应用系统的技术支撑，此外支撑整个物流和供应链运作的还有它的生态链，包括了供应商、服务商、政府部门（如海关三检），还有金融服务和保险行业。刚才前面的领导和专家提到了供应链金融，这是很重要但又非常敏感的问题，十多年前，中远和很多其它物流企业都搞过这个，最后出了很多问题，主要是风控。解决这个问题需要金融和监管部门，及所有的参与方都要参与到这个生态链里面来共同面对，规避风险，这同样要依赖这个图下面的一大堆智能技术，包括我们底层的支撑技术，各种网络技术，还有这个大数据、云计算，区块链、人工智能，最底下的驱动技术就是ABC，数据、算法、算力。

因为时间关系，下面就简单地介绍一些我们近年来做过的智慧物流实际案例。

第一个就是智能调度。这个案例其实就是我们在一个大型的汽车制造企业的数字化转型项目之一，我们给这个制造企业不光做了入厂物流的智能调度，还做了流水线的排程。对于一个大型车企的制造基地，最早是左边这个小图的情况，就这么几个供应商，这个仓库都在他80公里范围之内，很容易人工来做调度，后来一下增加到500多个供应商的时候，调度人员就忙不过来了，每个人看一条线都看不过来，还有每天3000多张订单，靠1800辆车到处跑，每天的入场货量达到7万立方米，所以这种情况只能靠基于人工智能技术的智慧物流来从根本上解决。我们的解决方案就是三个，一个是根据业务规则，做数字化建模，然后反复优化，最后搞出一个最优算法，实现效率远超人工的智能调度系统。第二，用移动终端锁定所有的订单跟踪的路径，所有的车辆每个订单的执行情况都要做实时跟踪并实现过程分析、运输预警、及时处理车辆排队等问题，可以应付突发状况。第三，通过交互式情景建模预测各个业务变化时，对成本等关键指标的影响，从而做出优化改进。2018年，这个大型车企为我们颁发了智能物流奖，是对我们很好的鼓励。这个项目中我们遇到一个难题，也是我想重点讲的，按照最初的业务调研搞出来的模型算出来无解，问题在哪儿？我们分析了建模过程中的各个环节，发现最初设置的有六七十个业务约束条件，例如配置的车辆数不能超过拥有的车辆总数、单位时间到达车次数不得超过提货点的装卸能力等等，最后发现在这些项的整理上出了问题，有一些我们叫做必要的硬约束项，它们其实是互相矛盾的，有这个不能有那个，所以无解。我们又和这些调度业务人员反复商量、协调，一个一个排除哪些是互相矛盾的、哪些是不需要的，最后清理到大概40个约束条件，终于有解了，而且经优化后取得了很好的效果。下面这个是我们做的另一种智能调度，是用于烟草行业的，他们的调度环境没有车厂那么复杂，要求没有那么高，但它是考虑到从原辅料进场、生产到成品出厂的全程供应链，考虑的范围和协同内容增大了，我们做了两个大型省级生产公司的智能调度项目。

第二个是传统的港口理货行业的数字化、智能化转型案例。以前的理货公司只能由交通部批准，全国就两家，包括价格都是有规定的。2015年行业开放，批准权限下放到地方，价格也市场化了，而且这个行业的门槛很低，谁都可以做，一下就出现了一大堆新成立的竞争对手，而且大打价格战，这两个大企业都是我们的客户，当时很有危机感，我们就给他们介绍并建议用新技术做转型。第一步是先把形势稳住，利用他们手里的大量历史数据，别人没有的，集中起来做成大数据平台，使他们很快就具有了信息服务的新能力，就是对他们的客户主要是船公司，不光是卖这个理货的服务给你数箱子出装卸理货报告，还为你做你的箱量分析，还有全国各港口的流量分析，操作效率分析等等，大大提高了客户满意度。第二步呢就是我们用人工智能技术来彻底改变传统的港口理货操作。过去的操作基本全部用人工，每台装卸吊下面站一个人，船上面一个人，眼看手记，记下时间、箱号、箱子有没有破损、它在船舱里的位置，而且头顶上是吊车，箱子过来过去，不但非常危险，工作环境也很艰苦，效率低下。我们要用智能系统代替人工，把理货工从码头船上请到办公室里，就需要解决三个难题：第一是集装箱箱号识别，第二，箱子残损识别，第三，所装/卸箱子在船舱里的位置（行话叫贝位）识别。我们的解决方案是，采用物联网和工业互联网5G技术，在操作现场安装了很多网络化的摄像头，首先用人工智能的图像识别技术，把搜集整理到的十几万张箱号和残损图片让机器做深度学习，使系统通过摄像头对残损和箱号的识别率达到95%甚至98%以上，无法识别时最多人工远程调用最佳位置的摄像头看一眼。贝位的识别则通过与吊车的控制系统对接，接收吊钩的移动位置参数，加上船体和码头等等数据，做出数学模型进行计算并将结果和装卸计划中的贝位核对。最后的实施结果是什么样的呢？码头上没有人了，彻底去掉高危风险，而且，过去两个人在现场看一台吊车，现在一个人在智能理货中心办公室里对着几个屏幕，可以看3-4台吊车，整个装卸过程都随时远程可见并自动视频记录，包括生成和向海关和船东发送理货报告，都实现了电子化、自动化，大大提高了效率和效益。

最后一个案例是我们中远海集团的数据集成平台。最初和很多大型企业一样，集团领导和管理部门希望对整个企业的运作有全面掌控，有个大屏幕显示，所有数据一目了然，实现可视化。例如集团1300多艘各类船舶在全世界什么地方一下就可以看到，还有大量管理数据就像驾驶舱的仪表一样展示出来，整个集团经营状况以各种图表的方式生动直观地表现在眼前。这第一步就需要用大数据技术对全集团全部主要企业的海量数据实现集成和整理，这又反过来可以倒逼下属企业的数字化转型。因此集团把这个项目视为全集团数字化转型的开端，做为重点项目，花了很大的精力。要做的第二步，就是运营应用场景分析，包括客户分析和需求预测、市场形势分析和预测，生产经营分析预测等等。这第二步就是在第一步集成共享的基础上的决策支持应用，围绕着一系列智能算法，前面讲的算法求解，根据现有数据建立预测模型，还包括如定价支持模型，船舶台风规避模型等等，并建立预警和各种分析处理机制，实现对企业运营中各种问题的全面追踪分析和警示，以及对突发事件，如海难、恶劣海况，还有像前些天苏伊士运河堵塞这样的状况的应急处理。在这些大事发生时，集团相关领导都要赶赴总部进行对现场的遥控指挥的，这个平台就可以为他们提供最佳的指挥决策环境。最后一个更高级的就是产业链分析，虽然现在刚起步，但是从已经开始做的一些功能上看将会意义深远，就是研究整个产业链，整个的生态系统，节点之间如何协同共赢。目前主要的二级公司都在抓紧做自己的大数据平台，分析自己的业务链和生态，和集团这个平台进一步集成后，就可以形成一个完整的产业链的分析环境。

这个项目建设一年多以来，获得了从集团到交通部领导以及大客户一致好评，我们的项目团队被评为集团的2020年度钻石团队，项目入选交通部“交通强国”建设试点任务、国资委数字化转型典型案例、上海国际航运中心建设航运技术创新奖等，以及获批科技部的科技助力2020年重点专项科研项目。另外呢像集团在接待国家部委领导和来访的国外政府首脑和国际组织，以及各方媒体和国内外的战略客户，都会用这个系统来做展示汇报，不但很说明问题，也大大提高了企业声誉。经过一年多的奋战，我们的体会是：这种企业级的数字化平台，大数据集成和处理是基础，展示和驾驶舱是利用数据做宏观管理的手段，而基于算法的应用和产业链分析则是最能体现转型效益，实现科学决策赋能的突破。

最后我想用三句话简单总结一下。第一，智慧物流是物流与供应链在数字化智能化时代的发展方向，也是传统物流企业转型方向，第二，它要解决的是物流与供应链其他环节的有机融合，第三，它依托的是以人工智能为中心的新一代智能技术。这三句话就回答了智慧物流是什么、要做什么和怎么做的问题。谢谢大家。

（根据全球物流技术大会速记整理）