蔡玉琬/ 發布日期：2018/12/21/ 瀏覽次數：266

Frost & Sullivan認為人工智慧(AI)、自主運作機器、數位貨運經銷商與區塊鏈將開啟新的物流發展機會，下列將摘錄其闡述自主運作機器對物流發展的影響。

一、 自主運作機器
感應周遭環境、分析資料與動態採取後續行動的系統能力，能讓自主運作透過業務流程提高商業運作效率。主要包含下列自主運作機器：
(一) 自主性機器人(Autonomous Robot)：主要是設計用來在非結構性的環境下運作，能在無人引導情況下，執行不同任務。工業4.0與智慧工廠將驅動工廠與物流機器人市場的成長，估計全球工業物流機器人市場將從2017年的225億美元，成長至2020年的310億美元。
(二) 自主性商用車輛(Autonomous Commercial Vehicle)：自駕車能改善運輸產業現今所面臨的挑戰，Frost & Sullivan認為2018-2025年主要影響自駕車發展的關鍵要素，包含法令架構、自駕車技術成本下降、車隊與社會的接受度，以及自駕車技術的成熟度與可使用性。
(三) 自主性無人機(Autonomous Drone)：自主無人機可透過內嵌系統的軟體控制飛行計畫，並與GPS系統結合，已達到執行派送任務之目標。目前許多國家已訂定無人機在商業應用的規範，包含英國、德國、法國、日本、南韓與新加坡等。
二、 自主運作機器對運輸與物流的關鍵趨勢
(一) 短期：開發支援技術，如光達(LiDAR)與電腦視覺，以強化自主能力與改善精準度。
1. 電腦視覺(Computer Vision)：幾乎所有自主技術都靠視覺來理解周遭環境，利用圖形處理器(GPU)與人工神經網路(ANN)強化的電腦視覺正顛覆機器的視覺理解力。DHL正研究如何利用電腦視覺以最佳化貨車與飛機的裝載流程，並透過包裹偵測來最佳化空間利用以改善堆棧。
2. 光達(LiDAR)：固態光達(Solid-State Hybrid LiDAR, SH LiDAR)能加速3D資料獲取，能在移動的同時取得圖片，此技術已成熟，並逐漸可大量生產。Daimler的自主貨車利用光達、雷達與攝影機提高量測距離的精準度至公厘，且每秒可量測1萬次。
(二) 中期：勞動力將驅動大型工廠自動化與著重少量高技術性專業人士的勞動力最佳化。
1. 人才與勞動力：研究顯示，目前面臨的勞動力短缺問題，將隨著人口結構改變與特定專業領域缺乏誘因而更加惡化，例如美國卡車協會指出，目前的卡車司機缺口約在5萬人左右。同時需要具備特殊技能使數位轉型得以實現，未來將需要較少與具特定技術的專業人士，以更有效的方式執行任務，並刪減單調的日常工作。
2. 工業物聯網(IIoT)平台：因對營運效率提升的重視，進而驅動商業物聯網解決方案的需求，工業物聯網平台的供應商將開發可整合更多技術的解決方案，包含邊緣運算(edge computing)與機器學習，以強化資料驅動的應用能力。利用物聯網的貨運解決方案將能提高貨運業10-15%的獲利，超過50%的美國製造業有提供產品包裝的工業物聯網服務，且33%提供工業物聯網商品即服務(product-as-a-service)的模式。
(三) 長期：智慧城市將能擴展其功能至自駕車，並建立一個整合且緊密的生態系統。
1. 智慧城市：先進物聯網與智慧基礎設施能全方位執行資料驅動技術的平台，研究指出2017-2018年對基礎設施的需求，將達14.5兆美元。智慧城市的特徵，如5G連結、智慧感測器網絡、自動化建設、先進交通管理系統(Advanced Traffic Management System, ATMS)將建立內部連結網路，促使路線最佳化、獲取即時性資料與有利於自主性設備發展的基礎設施，估計智慧城市市場至2025年將達2.4兆美元。
2. 認知分析彙集(convergence)：AI與機器學習的演進將提高自主運作機器之感測系統的複雜度。至2020年前，65%的分析市場將以預測與建議(predictive and prescriptive)分析的方式來維護、進行成本分析與自我學習。FANUCs與NVIDI合作，致力於改善全球機器人與工廠自動化的生產力。

三、 物流與運輸應用
(一) 室內機器人－協作式機器人(collaborative robot, Cobot)：DHL持續在倉庫測試LocusBots的揀貨能力，透過學習最有效率的路線，揀貨效率較傳統提高2-3倍，且正確度近乎100%，並能自動偵測不同工作者的語言與加速工作流程。協作式機器人的市場高達70億美元，線已有越來越多的試驗計畫正在進行。
(二) 長途貨運運輸－半自動駕駛貨車：特斯拉(Tesla)宣稱Semi單次充電能行駛300-500英里，半小時內能完成80%充電，行駛每英里的耗電量僅不到2Kwh，並已接獲UPS、DHL與 FedEX預購125台、10台與20台的訂單。