移动互联网与电商,不仅给人们带来便利和无穷的快乐,双11、618也早已和传统节日一样,举国欢庆,快递小哥按下的清脆门铃声,成为了许多人心中最美妙的音符。
而与电商“同呼吸,共命运”的快递行业,在一路高歌猛进,业务暴涨的同时,也承担着不小压力。比如,服务网络覆盖全国,拥有完备物流全产业链的行业巨头——韵达,就面临着传统人工作业模式费时费力,无法保证质量,以及成本日益高涨的挑战。
坚实后方保障
人工智能护航三大核心环节
为了解决自己遇到的问题,韵达选择英特尔开展深度合作,整合人工智能(以下简称 AI)与传统快递物流行业。借助英特尔® Analytics Zoo 大数据分析和 AI 平台、英特尔® 至强® 可扩展处理器等一系列领先硬件、软件产品及技术的支持,构建高效AI应用,帮助韵达提升快递物流系统运作效率,大幅降低人工劳动强度和人力成本。
作为终端客户,我们主要接触快递员,实际上,他们身后的三个环节尤为重要:前端分拣、资源调配和后端支撑。(如下图所示)
英特尔® Analytics Zoo 统一分析与AI平台,就是从上面三个环节中的“大小件测量”、“件量预测”及“数据中心异常检测”入手,提升效率,降低成本。
图像识别
获得准确大小件测量数据
英特尔® Analytics Zoo 平台利用图像分类技术,利用内置的图像识别模型,首先提取出待测量快件轮廓,借助 TensorFlow* 等深度学习框架,结合英特尔® 至强® 可扩展处理器提供的计算能力,完成从模型训练、模型重定义到模型推理的 AI 处理全流程,最终获得准确的大小件测量数据。然后,韵达利用Analytics Zoo的机器学习算法,完成运筹优化。不同大小的快件到来之际,算法会规划好摆放的次序、朝向和位置,最大化运输车辆的装件量,降低运输成本。
借助该技术,韵达每年传递的4.7亿件快递,可以快速完成分拣和运输,不但降低了一线快递小哥的繁重工作,还能提升运输车辆的效率,减少成本。
深度学习
优化件量测量,降低运输成本
快递的业务量常常受到电商促销活动影响。韵达要准备大量资源,应对活动带来的业务量剧增,降低爆仓风险,同时要避免预测不准导致的资源浪费。
英特尔® Analytics Zoo 平台的LSTM深度学习算法,借助韵达海量的物流历史数据,训练和推理模型,结合英特尔至强处理器的加速训练过程,实施了更精准的件量预测方案。
实际部署结果显示:在预测效果上,该深度学习方案已逐步接近预期目标,甚至超过了传统启发式预测方案的效果,帮助韵达实现更好的业务收益,并降低成本。
AI强化训练
检测数据中心异常
除了件量预测,英特尔® Analytics Zoo 平台的LSTM深度学习算法还帮助韵达的数据中心检测异常情况,精准预测数据中心潜在的风险和薄弱环节,包括针对促销活动的大数据集高级分析,同时协助解决黑客攻击、数据拥塞等可靠性方面的难题,帮助韵达的数据中心支持韵达日常绝大部分的经营活动。
商界巨子施振荣先生的“微笑曲线(SmilingCurve)”理论中提到:一个行业在其早期阶段,在低效率的底部同样也能获得高速发展。随着竞争压力的加剧,如果技术不能提升,策略不能领先,企业的利润则将逐渐微薄,进而转为亏损。韵达正是早一步感知到快递行业荣景之下所酝酿着的全新挑战,才选择了与英特尔公司开展此次深层次的技术合作。
通过合作,双方团队已建立高效的合作沟通机制,并积累了大量业务模型构建经验,且成果受到韵达一线员工到管理层的一致好评。目前,韵达已计划两年内,在京、沪、广、深等一线城市逐步推进这些AI应用的大规模部署,并尝试基于英特尔® Analytics Zoo 平台及其他领先产品技术的更多 AI 应用开发与部署。
可以预见的是,通过对机器人、仓内技术、无人驾驶以及智能快递柜等众多新技术的应用,韵达快递物流系统将有望完成更为全面和深入的智能化转型,为用户提供更优质便捷的服务,成为持续引领技术和业务创新的模范型企业。
长按识别二维码,查看更多精彩内容!