新零售！云物流！《2018/19物流趋势雷达》报告解读！
作者： 浏览量：765 次 发布时间：2018-07-11 06:52:02 来源：DHL快递
DHL近日发布《2018/19物流趋势雷达》报告，其中收录了未来5至10年可能对物流行业产生影响的28个关键趋势。该报告综合了趋势分析，也归纳整理了研究机构、技术人员、初创公司和客户的反馈信息，展现了DHL对于技术的高度关注。
在中国，DHL快递始终紧跟时代步伐，积极关注行业与技术发展的最新趋势，推动最新科技在物流行业的应用。我们不仅对其服务进行了数字化升级，更在作业流程中采用了多种高新技术。
绿色能源物流 （Green Energy Logistics）
全渠道物 （Omni-channel Logistics）
云物流 （Cloud Logistics）
机器人与自动化 （Robotics & Automation）
绿色能源物流（Green Energy Logistics）
全球贸易与电子商务的持续发展，导致快递包裹业务量快速增加。各个城市和物流企业急需环保的解决方案来搞定社区最后一公里的派送问题。这种向可再生和“绿色”能源（太阳能、风能等）发展的趋势推动了物流行业电动交通和设施解决方案的研发，也帮助行业变得更加绿色。
主要发展和影响
消费者需求以及法律法规对公司环保措施的严格规定，促使企业越发重视可持续发展，各国政府纷纷制定相关的目标。比如德国就推出一项计划，将在2020年把上路的电动汽车数量增加到100万辆。物流行业也意识到这一点，开始利用再生能源技术进一步实现供应链“电气化”和能源自主。而相关应用的普及，也将迅速为新的智能能源物流服务道路。
随着大型卡车开始使用环保型燃料来降低排放和噪音水平，绿色高速公路正逐步成为现实。更大的电池容量和更快的充电速度，让电动卡车变得更有吸引力。老牌汽车制造商（如沃尔沃、Navistar）和市场新秀（例如特斯拉、Thor）都将在未来5到10年当中开发混合动力和全电动型卡车。未来，通过架空线路将电能传输至卡车的电子道路，也将成为公路货运领域电气化的一个选择。
电气化汽车不仅能解决最后一公里配送问题，还可以减少排放，可谓一个高效的解决方案。从手推车、三轮车再到中型和大型货车。在中国，DHL快递也将电动车用于派送中，切实践行集团战略Go Green。
电气化车队可以有多种创意形式。如果车队能实现自发电，或者通过可再生能源来搞定过夜充电问题，其生态效应将达到最佳。此外，由于城市中心通行税和车辆限行，环保型交通工具变得越来越受欢迎。在一些欧洲国家，高达60%的市内派送路线由载货自行车来完成（如DHL Cubicycle）。
通过新的手段和措施，比如改用水力发电或者是带有高频电池充电器的太阳能电池板等环保设施，可以有效改善生态环境。绿色仓库配备了装有智能运动传感器的智能电气系统，可以只为有人作业的区域提供照明，并且还能在非高峰时段给叉车充电。
主要机会
通过减少排放和更加环保的车队，让发展更具可持续性
节省燃料和动力以及其他经济因素（如维护、磨损费用）
部分噪音较少的电气化车队可以实现夜间派送
主要挑战
电子基础设施分布零散，电动车制造商数量有限
资本投资成本高，微型仓库让供应链复杂性增加
需要定义国际电子高速公路标志（例如电压等级、线路高度/间距）
需要政府和监管支持货运电动汽车和充电站投资
全渠道物流（Omni-channel Logistics）
下一代零售——“新零售”（通常包含“网络体验消费模式”、买前验货消费模式和O2O等概念）需要为每个单一渠道量身定制的物流网络。新零售业态要求物流提供商对不同客户渠道、库存以及动态派送、配货选项和无缝客户服务交互等有综合了解。
主要发展和影响
线上与线下业务的融合，让顾客期待随时随地都能通过任何设备，来获得无缝的全渠道体验。客户对物流服务灵活性和可追踪性的期待，要求物流提供商提供更加快速、灵活的物流服务，尤其是最后一公里派送选择和无缝退货流程等。
全渠道仓储和配货中心需要在规模、服务和地点上有更大的灵活性，从而快速对需求做出反应。物流供应商可能需要提供更多延期服务，把商店当成最后一公里配货中心（如Jack & Jones），出租共享仓库空间来满足高峰需求（如Hollaspace），甚至将仓库改为展示厅（如宜家）。
公司需要“随时随地”的配送服务，来兑现其对消费者的承诺（如当天甚至一小时内送到）。为了满足客户期望，公司不仅要完成最后一公里的派送，还要提供更好的退货服务。目前不少企业正在探索一些新的概念，比如先试后买（如Taykit）、汽车后备箱交货以及可在收货人不在家时进行配送的智能快递柜等。
要实现全面的客户互动以及全局库存可查询，跨渠道的全渠道平台在制造商、零售商和物流提供商之间的共享至关重要，而这一点对物流行业来说更重要。随着线上线下渠道的融合，仓库和各个平台之间的数据和库存必须实现共享，才能满足高峰期的需求。先进的大数据分析和人工智能将在此类平台中发挥关键作用，让物流提供商保持敏捷，按照预期需求转变供应链要求。
主要机会
通过无缝全渠道供应链获得竞争优势
全渠道仓储、配货和运输服务创新的商业机会
跨渠道库存可视性通过库存优化来降低成本，并实现敏捷的物流网络
主要挑战
为了整合线上线下商务而衍生出来的各种各样的概念
要大量投资升级仓库的IT基础设施，以实现实时连接和可视性
便捷退货可能给供应链带来更大的时间和成本压力
云物流（Cloud Logistics）
云计算非常适合复杂多变的环境，有助于实现各种以“物流即服务”（LaaS）为基础的新业务模式。物流提供商可以使用按次付费的方式，根据需要使用可定制的模块化云服务。企业无需投资开发自己的传统IT基础架构，也没有设置和维护的成本，就能获得扩展性极强的服务和管理功能。
主要发展和影响
近年来，物流提供商已经开始使用云物流，来为创新供应链解决方案提供快速、高效、灵活的IT服务。目前，超过50%的物流提供商使用云服务，另有20%计划将在近期这样做。展望未来，基于网络的开放式API将成为模块化按需云物流服务的基础，取代过时的传统通信系统（如EDI）。此外，边缘计算将利用离数据更近的计算优势来不断强化云物流。
模块化的云物流平台可以让企业获得灵活、可配置的按需物流IT服务，而且这些服务可以轻松集成到供应链流程中。云端运输管理系统可以把订单、计费和货况追踪服务整合到统一平台中。按次付费模式使中小型物流提供商以及大型公司能够更加灵活地应对市场波动，仅为其实际需要和使用的服务付费，而不是投资于固定容量的IT基础架构。
由云驱动的全球供应链把所有供应链都迁移到云上，让信息和材料流实现虚拟化。因为全球供应链复杂而且分散，物流提供商通常不得不处理多方之间发生的各种交易，使用不同的仓库和运输管理系统。而云计算可以将这些信息协调编排为一个整体视图，提供360度视角的管理仪表板。此外，云让各公司能够更加精确地控制其全球库存水平以及货运和资产的位置，最终建立起精密的超级网格物流网络（supergrid logistics networks）。
主要机会
由IT服务的高度按需可扩展性实现敏捷、灵活、有弹性的业务模式
通过数字化流程和轻松共享的实时数据，改善控制供应链流程的能力
通过按此付费或租赁模式，增加LaaS软件用户的价格透明度
使用开放式API，将服务集成到中央平台内
主要挑战
需要验证数据迁移和安全问题（如保持控制敏感数据）
模块化云服务到供应链管理系统的兼容性和集成仍然是一个挑战
性能方面的问题，例如由数据量增加和实时需求触发的延迟
机器人与自动化
（Robotics & Automation）
通过协作机器人实现自动化的第一波浪潮已经抵达物流行业。在快速的技术进步和更高的承受能力的推动下，机器人解决方案正加入物流劳动大军，为零缺陷流程和提高生产力贡献力量。机器人将在供应链中发挥协同作用，协助工作人员进行仓储、运输、甚至最后一公里的派送活动。
主要发展和影响
电子商务的兴起要求物流提供商更加快速、高效地运作，以快速处理个别小的订单。此外，该行业还面临着劳动力短缺的问题。在这种新的形势下，机器人对运营显得至关重要。目前有80%的仓库都是人工运作，这意味着自动化有着巨大的潜力。未来，随着抓握和传感器技术的快速进步，机器人解决方案将继续发展，变得更加快速、准确、灵活和实惠。随着性价比的提高，未来3年机器人解决方案的应用速度将会加快。
灵活的仓储和配货自动化可以根据需要，使用一队智能机器人来扩大和缩小运作规模。静态单品拣货机器人（stationary piece-picking robots）（如来自Rethink Robotics的机器人）和自动引导车（AGV）可以智能地感应周围的环境，协助工人完成拣货、包装、分拣等任务，这些都是物流领域的主要应用。它们还可以从一个仓库被搬到另一个仓库以应对旺季变化，并用于进行过夜补货、周期盘点和清洁活动。展望未来，各种技术突破将确保移动式单品拣货机器人（mobile piece-picking robots）在未来的仓库运作中发挥主要作用。
拖车和集装箱卸载机器人的技术仍未成熟，但自动完成这些费力且重复的任务，将对物流产生重大影响。低成本图像识别技术和计算能力进步正帮助落实该解决方案，即使用配备强大传感器和抓手的机器人来定位单个包裹，分析包裹大小和形状，并确定最佳的卸载顺序。
针对本地派送的机器人助手可跟随派送人员，帮助运输重物（如Deutsche Post PostBot），进行配送车辆内预分拣发货和自动派送货物到专有收集点（如Robby Technologies）。
主要机会
提高物流基础设施的敏捷度和弹性，以成本低、收益大的方式应对市场波动
提高资产利用率和整体生产力
改善健康度和安全性
自动完成重复且费力的任务，使稀有的劳动力被分配到更复杂的任务中
主要挑战
有关在人类工作者附近使用机器人和运行速度的法律限制
引发新的监管、问责、道德和法律问题，例如适当的自动化水平和人类工作安全性
相关阅读：
