□ 房殿军
　　PDA手持扫描器应用广泛，是实现出入库和拣选作业无纸化和信息实时化的重要技术。然而在大件物品拣选时，操作员需要双手拣取货物，手持扫描器会影响作业。语音拣选系统便可以很好地解决双手作业的问题，通过语音识别和合成技术，使仓库作业人员可以直接与仓库管理系统（WMS）进行对话沟通。作业员无需观看PDA手持扫描器的屏幕，直接按照语音指令到指定区域库位拣选货物，并通过语音进行动作确认。仓库管理系统直接识别作业人员语音，进行相应的数据处理。语音拣选系统可将多个订单放在一起批处理，提高拣选效率。在商品周转慢的仓库区域（C类商品拣选区），也可将多个订单批处理到一个语音拣选小车，以提高综合作业效率，降低仓库运营成本。
　　增强视觉拣选系统配备有智能数据眼镜和相关控制软件，该系统与仓库管理系统实时无缝交互。根据拣选策略制定的拣选列表和优化后的行走路径将被实时发送到作业人员佩戴的智能数据眼镜上，引导作业人员拣选。订单完成后，增强视觉拣选系统会进行确认，同时索取下一个新的拣选列表。
　　随着仓储物流技术的发展，“货到人”（GTP）拣选系统的应用越来越广泛。“货到人”拣选系统最早与传统自动立体库(ASRS　/　Miniload)对接，主要用于供应产线的原材料的拣选作业。堆垛机将需要拣选的托盘/周转箱从立体库中自动取出，交到连续输送机或其他搬运设备上，货物被送到拣选站，由操作工人完成拣选后再次存入自动立体库。这种“货动，人不动”的拣选方式，大幅度减少了拣选人员的行走距离，可以实现高于“人到货”模式数倍的拣选效率，并且按照人体工程学设计的拣选站可以大幅度降低劳动强度和拣选差错率。
　　随着四向穿梭车自动立体库的推广，“货到人”拣选系统的效率和灵活性得到大幅度提升，初步往智能化方向发展。高端的四向穿梭车运行速度超过4m/s，可以为拣选站快速补给和运回系统所需的周转箱。基于四向穿梭车的“货到人”拣选系统不仅适用于制造企业，在电商和商超物流中心的应用也日益普及。
　　基于kiva机器人的“货（架）到人”的拣选系统成为近年来电商物流热点技术之一。kiva机器人通过扫描地面的条码定位，通过无线通信系统接受指令，将货物所在的货架从仓库搬运至拣选站，拣选人员每小时可挑拣、扫描300件商品，效率是传统“人到货”拣选作业的3倍以上，准确率可以达到99.99%。基于kiva机器人的“货（架）到人”的拣选系统给拣选和包装流程带来了进一步优化的空间。在一些电商物流中心里，kiva机器人把货架直接搬到复核包装工作台，由复核打包作业人员完成拣选、二次分拣以及打包复核三项工作。这样的流程优化，不仅减少了物流中心的人员投入，同时也减少了物流中心的内部物流作业量，提高了电商物流中心作业的综合效率，降低了总的运营成本。
　　在大型物流中心里，多台kiva机器人与多个拣选台的匹配是影响提高拣选效率的关键因素。目前常用的规划方法有动态规划法、博弈算法、合同网法等，未来基于人工智能的规划方法也会有很好的应用前景。
　　自动化拣选技术也已经在烟草和医药物流领域有了广泛成功的应用。由于包装比较规范，卷烟和部分医药产品适合在A型架拣选系统、通道式拣选系统等进行自动拣选。中国烟草行业物流技术近年来发展迅速，其中条烟拣选设备已经达到全球领先地位。根据补烟填仓方式和烟仓部件结构形式的不同，自动化条烟拣选设备主要分为立式条烟分拣机、卧式条烟分拣机、通道式条烟分拣机和组合式条烟分拣机。立式条烟分拣机的烟仓直立设置，从烟仓侧面人工补烟填仓；卧式条烟分拣机的烟仓倾斜设置，从烟仓端面补烟填仓，一次可实现多条补货；通道式条烟分拣机的烟仓水平设置,从烟仓端面补烟填仓，一次可实现整件的自动补货；组合式条烟分拣机是由上述三种条烟分拣机按一定方式组合构成的条烟分拣线，以实现对不同品规的条烟的自动化拣选。
　　而“货到机器人”拣选系统则可以说是相对“货（架）到人”的另一项先进技术。随着工业机器人视觉技术和抓取技术的发展，仓储物流作业中最为复杂的拆零拣选环节逐步成为工业机器人技术应用的下一个重要阵地。“货到机器人”拣选系统通常由输送线或AGV连接自动立体库和拣选机器人系统，在自动输送环节，“货到机器人”和“货到人”系统的实现方式相同，即完成货物从立体库到拣选站的自动化搬运。在拣选环节，“货到机器人”拣选系统采用机器人自动拣选，即通过机器人来识别、抓取货物并放在指定的容器内。与“货到人”拣选系统下的人工拣选方式相比，“货到机器人”拣选系统下的机器人不仅能够长时间重复拣选动作，节省人力，还可以大幅度提高拣选效率，保证准确率。因此，在人力成本越来越高的趋势下，“货到机器人”拣选无疑将成为仓储物流系统的下一个热点。目前“货到机器人”拣选技术还存在一些技术瓶颈，应用案例比较少。多数物流中心里货物的品规数量庞大，商品包装各式各样，大小和重量差异很大，对机器人的夹具技术要求很高。在现有技术水平上，“货到机器人”拣选系统还无法满足对这些不规则商品的拣选需求。不过随着行业研发力量的不断投入，不规则物品的全自动拣选技术瓶颈在不久的将来一定能突破。
　　移动拣选机器人是自动化拣选的最高层次，是世界仓储物流技术领域的重要技术发展方向。移动拣选机器人配备自主导航系统，采用3D视觉和机器深度学习技术，完成移动拣选机器人的精准定位以及货物的智能识别与抓取，并自主将拣选好的货物运送到指定地点。移动拣选机器人能够替代繁重的人工劳动，实现物流中心“机器人到货”的拣选作业方式，目前其应用范围还非常有限，主要用于规范包装货物的拣选。
　　四、数字化和网络化
　　进入工业4.0时代，企业要实现数字化转型，应该从物流数字化入手。物流贯穿企业业务全流程，而作为物流核心环节的仓储物流系统，其数字化是企业数字化建设的重中之重。智能传感器技术、赛博物理系统(CPS)、窄带物联网(NB-IoT)和5G技术正不断应用到仓储物流数字化建设中。以下就该方向的四项主要技术逐一介绍。
　　1.智能物流按钮（iButton）
　　智能物流按钮是一种仓储物流系统数字化和网络化的创新技术，可以用在货架、拣选小车及其他物流设备上。例如，按下拣选线上补货的智能物流按钮，可以拉通整个物流和供应链流程：自动立体库启动出库作业，AGV小车将货物自动配送到拣选线，同时仓库管理系统可以把需求变动信息自动发送到供应商的物流系统，从而拉动供应链上游企业的物流和生产。
　　2.智能物流标签（iLabel）
　　与传统的RFID标签相比，智能物流标签具有更强的功能，它具有一定的自主决策能力，实现报警和控制物流流程功能。智能物流标签可以广泛用在周转箱、托盘、集装箱等物流容器上。
　　3.智能周转箱技术（inBin）
　　通过在周转箱上加装感知与智能控制单元，实现了物流单元的智能化。inBin智能箱既能自主管理箱内的货物，又能向上级系统及时报告智能箱的状态，实现自动要货和补货的功能。基于智能箱的输送系统可采用分散控制技术，使智能箱不再是被动单元，可以反向给输送系统下达命令。在智能箱的指挥下，输送系统可以自动地将箱子送达目的地。
　　4.物联网技术（IoT）
　　物联网技术能够满足智能物流网络化的需求，同时也是实现物流全流程数字化的关键。相对于基于WiFi和蓝牙技术的物联网数据准确率较低、耗电量较大，窄带物联网技术是一种专为物联网设计的窄带射频技术，支持低功耗设备在广域网的蜂窝数据连接，也被叫作广域网(LPWA)，以室内覆盖、低成本、低功耗为特点。窄带物联网支持海量连接，为仓储物流系统的数字化和网络化创新应用带来勃勃生机。窄带物联网技术支持智能物流单元和智能物流装备之间低层面的相互交流和决策，真正实现了仓库内部密集网状连接，提高仓储物流信息交换效率和准确率。中国在5G技术上处于全球领先位置，5G无线空口技术（RIT）方案基于3GPP新空口（NR）和窄带物联网技术。其中，NR重点满足增强型移动宽带 （eMBB）、低时延高可靠（URLLC）两个场景的技术需求，NB-IoT满足大规模机器连接（mMTC）场景的技术需求。中国大力发展的新基建项目将进一步推进窄带物联网建设，为中国企业在物流数字化和网络化建设方面打下良好的基础。
　　五、透明化和可预测性
　　通过数字化和网络化建设，可以实现仓储物流的可视化管理，下一步是全流程的透明化和对未来业务的精准预测。所谓透明化，在于理解为什么系统中正在发生某些事情，进而建立系统的行为逻辑和规范，为系统的优化奠定基础。要实现透明化，必须首先捕获和分析系统实时数据，也就是建立系统的数字影像（Digital　Shadow）。通过透明化可以实现流程的优化，提高物流的速度、效率和质量，降低物流成本。
　　基于仓储物流流程数据的完整性和实时性，可以进行“流程挖掘”，从数字化中挖掘优化的潜能。所谓“流程挖掘”是对实际流程进行展现、监控和优化。即从企业信息系统（如仓库管理系统）中的实时信息和事件日志里提取知识，寻找规律。通过这种方式，可以挖掘深藏在流程和系统中的“内部信息”：谁、什么、何时、何处、为什么、如何……这些“内部信息”有助于审核、分析和改进现有的业务流程。市场上有多种“流程挖掘”软件工具，如Celonis，Ham-macher　Datentechnik以及Katana公司的专业软件。
　　数字孪生技术（Digital　Twin）是一项创新性系统技术，是充分利用物理模型、传感器信息、运行历史等数据，集成多学科和多物理量的3D仿真过程。仓储物流系统的数字孪生就是相应的物流设备和系统在虚拟空间中的数字化表达，以便在这个数字化物流系统上研究实际物理系统可能发生的情况，并借助增强现实和虚拟现实技术生动直观地展现出来。所有数据模型都能够实现双向互联，真实物理系统的状态和参数将通过与智能仓储物流系统集成的赛博物理系统向数字化模型反馈，使生命周期各个环节的数字化模型保持一致，从而实现对物理系统的状态和性能的实时评估与监控。利用数字孪生模型可以快速和低成本地对物理系统进行仿真优化，通过改变系统控制策略和规则，寻求更优的方案；同时利用数字孪生技术逆向反馈的功能，把优化后的控制方案（甚至包括PLC和机器人控制程序）直接植入到物理系统中。基于数字孪生模型进行的各类仿真、分析、数据挖掘以及人工智能技术的应用，可以确保它与现实物理系统的适用性。
　　电子商务时代，客户的订单随机性高，导致电商物流中心的业务需求波动大，这给仓储物流系统的资源配置带来巨大挑战。基于数字化和新型预测方法的物流需求预测分析，对仓储物流系统的建设和运营意义重大。目前预测方法研究大都集中在启发式预测方法和基于数据科学和大数据技术的预测分析方法。
　　六、智能化
　　仓储物流技术发展的下一个目标是智能化。即，在数字化和透明化的基础上，模仿生物和人的智能给仓储物流系统赋予感知、分析、学习和决策的能力；甚至利用“深度学习”技术，让系统具有思维、推理判断和自行解决复杂物流问题的能力。
　　德国弗劳恩霍夫物流研究院近年来一直在研究生物“群智能”在物流领域的应用。群智能源于对鸟群、鱼群等动物群体行为的研究，为物流中心内部大量的“细胞式”搬运机器人协同作业寻找解决方案。采用中心控制方式实时管控数千个机器人，需要很大的计算能力和无时延通信技术，机器人群中的突发事件甚至会使中心控制计算机瘫痪。