01
人工智能在航運和物流中的應用
需求預測
需求預測依賴(lài)于歷史數據，使用人工智能可以進(jìn)一步加強對歷史和實(shí)時(shí)數據的分析，提供準確的需求預測。有了更準確的需求預測，托運人可以?xún)?yōu)化庫存管理、分派和勞動(dòng)力計劃，從而提高服務(wù)水平。麥肯錫在一份報告中表示，人工智能預測方法可以將供應鏈網(wǎng)絡(luò )中的錯誤減少30-50%。
供應計劃
應計劃是物流的重要組成部分。人工智能可以幫助基于實(shí)時(shí)數據的需求分析。企業(yè)可以動(dòng)態(tài)調整其供應計劃參數，以?xún)?yōu)化供應鏈流程，提高效率，并增加盈利能力。
倉儲自動(dòng)化
由于當前全球形勢，供應鏈中對非接觸式流程的需求不斷增加，似乎推動(dòng)了高級自動(dòng)化業(yè)務(wù)流程的必要性。人工智能有可能徹底改變倉儲領(lǐng)域的自動(dòng)化，將機器人技術(shù)與人工智能相結合，機器人可以跟蹤和定位庫存，并執行通常需要額外勞動(dòng)力來(lái)完成的挑選和包裝功能。
自動(dòng)化帶來(lái)了高效的資源分配，使勞動(dòng)力能夠做更多有價(jià)值的活動(dòng)，而不是手工瑣事。深度學(xué)習進(jìn)一步促進(jìn)了這些機器人的學(xué)習，使它們能夠在部署它們的場(chǎng)景中自主地做出活動(dòng)決定。
智能計算機視覺(jué)
深度學(xué)習和人工智能使先進(jìn)的掃描、監控和自動(dòng)化技術(shù)能夠通過(guò)圖像和視頻可視化許多物流場(chǎng)景，并進(jìn)行相應的直接操作。這改變了裝貨時(shí)貨物的尺寸或破損檢查、標簽和堆疊安排。計算機視覺(jué)與深度學(xué)習結合在自動(dòng)駕駛汽車(chē)上實(shí)現自動(dòng)和智能導航，現在已成為現實(shí)。
工作流程自動(dòng)化
工作流自動(dòng)化是利用人工智能來(lái)簡(jiǎn)化復雜和手工的后臺操作。在貨運代理中，文檔處理是一項乏味的工作，并且具有使用機器人過(guò)程自動(dòng)化(rpa)和光學(xué)字符識別(ocr)進(jìn)行自動(dòng)化的巨大潛力。
運輸文件并非都采用標準格式，而這正是此類(lèi)技術(shù)能夠自動(dòng)閱讀和理解打印或手寫(xiě)文件的地方。這種工作流程自動(dòng)化可以解放物流人員的大量工作時(shí)間，并分配他們做更多的增值活動(dòng)。
預測物流
供應鏈上的不同接觸點(diǎn)產(chǎn)生廣泛的數據。更好的機器學(xué)習算法可以提取對決策至關(guān)重要的物流預測洞察力。人工智能可以幫助做出與產(chǎn)能規劃、預測和網(wǎng)絡(luò )優(yōu)化相關(guān)的決策，從而簡(jiǎn)化運營(yíng)并提高整體供應鏈績(jì)效。人工智能廣泛應用于動(dòng)態(tài)路線(xiàn)優(yōu)化、管理交付時(shí)間窗口、優(yōu)化燃油消耗和負載能力利用率等最后一英里交付活動(dòng)，從而推動(dòng)供應鏈的數字化。
增強的貨運跟蹤
貨運可見(jiàn)性數據對整個(gè)供應鏈的績(jì)效至關(guān)重要。人工智能跟蹤和跟蹤功能有助于準確預測etas和etds。此外，對供應鏈中斷、延誤和航路風(fēng)險發(fā)出警報的能力可以幫助企業(yè)提高靈活性，并采用備份措施，以避免重大損失。
機器學(xué)習還可以幫助分析歷史數據，以確定航運模式，考慮各種因素，如天氣條件、季節性需求波動(dòng)、貿易通道擁堵等。隨著(zhù)語(yǔ)音助手或聊天機器人的廣泛使用，客戶(hù)或客服人員可以在幾秒鐘內提取跟蹤信息。
02
倉庫里的人工智能(ai)和物聯(lián)網(wǎng)(iot)
很簡(jiǎn)單，是的，我們正處在倉庫真正應用人工智能和物聯(lián)網(wǎng)的時(shí)刻。兩者都是強大的新工具，可以更好地使倉庫和配送中心的活動(dòng)跟上快速變化的供應鏈動(dòng)態(tài)。
“不要被人工智能和物聯(lián)網(wǎng)所迷惑，” nate brown,ceo of evs表示?！皟烧叨急挥脕?lái)解決以前的問(wèn)題。他們只是做得更好。物聯(lián)網(wǎng)提供了以前無(wú)法獲得的數據，這是更深層次的見(jiàn)解。人工智能分析微觀(guān)決策，并優(yōu)化到以前不可能達到的水平?！?
highjump首席技術(shù)官肖恩?埃利奧特(seanelliott)表示：“如果倉庫里沒(méi)有人工智能，物聯(lián)網(wǎng)就毫無(wú)意義?！薄澳阈枰Y合新的數據來(lái)源，即物聯(lián)網(wǎng)，以及更好的解決方案，即人工智能，來(lái)理解數據，發(fā)展見(jiàn)解并根據這些知識采取行動(dòng)。這兩項技術(shù)對于改善運營(yíng)性能至關(guān)重要?！?
此外，專(zhuān)家們認為，這兩種技術(shù)對于適應目前從預測驅動(dòng)型向需求驅動(dòng)型dcs(分銷(xiāo)中心)的轉變至關(guān)重要。
盡管如此，softeon的首席營(yíng)銷(xiāo)官dan gilmore表示，這兩種技術(shù)都還處于早期階段。
一些公司尚未推出商業(yè)產(chǎn)品。其他公司正在試運行中。還有一些公司在短時(shí)間內提供了一種產(chǎn)品。展望未來(lái)，jda及其合作伙伴已承諾在未來(lái)三年內投入5億美元用于研發(fā)，銷(xiāo)售/全球合作伙伴和聯(lián)盟高級總監史蒂夫·西默曼(steve simmerman)說(shuō)。
顯然，人工智能和物聯(lián)網(wǎng)正在敲倉庫的門(mén)，您應該喜歡這個(gè)敲門(mén)聲。
建立物聯(lián)網(wǎng)
讓我們面對現實(shí)吧，倉庫和分銷(xiāo)中心同事正面臨前所未有的壓力。
“訂單一整天都在源源不斷地涌來(lái)，挑戰在于找出如何最好地及時(shí)處理這些訂單，”曼哈頓聯(lián)合公司(manhattan associates)產(chǎn)品管理高級總監亞當?克萊恩(adam kline)說(shuō)道。
他接著(zhù)說(shuō)，即使倉庫管理系統(wms)已經(jīng)就位，這些決策也是根據既定規則、既定能力和既定資源做出的。然而，這些訂單并不是靜態(tài)的?！跋到y需要智能地平衡能力和資源，才能最大化利益，”klin說(shuō)
gilmore說(shuō)：“只有人工智能和物聯(lián)網(wǎng)合作，才能根據當前情況臨時(shí)做出決定?！?
那么，這些物聯(lián)網(wǎng)數據到底從何而來(lái)?很多已經(jīng)在你的設施里了。
從傳送帶到自動(dòng)引導車(chē)輛和自動(dòng)存儲系統等物料處理設備都接收和發(fā)送有關(guān)其活動(dòng)的數據。從掃描儀到語(yǔ)音系統的手持設備也做同樣的事情。
epicor產(chǎn)品管理高級總監mark jensen表示:“大多數設施都在引入越來(lái)越多的數據設備，這些設備正在發(fā)展成為一個(gè)新興的物聯(lián)網(wǎng)網(wǎng)絡(luò )?！焙芏鄷r(shí)候，簡(jiǎn)單的傳感器提供了以前無(wú)法用于決策的信息。智能手機是這個(gè)新網(wǎng)絡(luò )的一部分。
關(guān)于人的數據也很重要。盧卡斯系統公司(lucas systems)的項目工程總監賈斯汀?里特(justin ritter)解釋說(shuō):“人們在特定時(shí)刻在什么位置、他們在做什么，以及如何最好地利用數據，這些都很重要?！?
正如曼哈頓的克萊恩所指出的，實(shí)時(shí)定位系統正在到位，以跟蹤人們以及他們對特定任務(wù)的可用性。事實(shí)上，有幾種類(lèi)型的實(shí)時(shí)定位系統可用，包括智能手機、無(wú)源無(wú)線(xiàn)電信標和rfid。
“根據皮特最近的掃描結果，很多機構都知道他在哪里。但當你使用實(shí)時(shí)定位系統時(shí)，你就能隨時(shí)知道皮特在哪里。
gilmore補充說(shuō)，還有人和機器人的問(wèn)題。他稱(chēng)其為配對能力，可以讓合適的人和合適的機器人使用物聯(lián)網(wǎng)數據完成訂單。吉爾摩補充道:“這是一個(gè)將地點(diǎn)，人和任務(wù)一起協(xié)同的問(wèn)題?！薄斑@里需要新的思維。
構建人工智能
leandna首席執行官理查德?萊博維茨(richardlebovitz)表示：“盡管獲取數據變得越來(lái)越簡(jiǎn)單，但大多數機構缺乏決定如何使用這些數據以及采取何種行動(dòng)的能力。這一切都是要彌合預測和制造業(yè)實(shí)際情況之間的差距?！边@就是人工智能的切入點(diǎn)。
evs的brown給出了倉庫人工智能的基本定義?！八鼘W(xué)習并對當前狀態(tài)做出反應，而不僅僅是一套預先設定的規則，”他說(shuō)。
highjump公司的埃利奧特解釋說(shuō)，人工智能和物聯(lián)網(wǎng)并不是一枚硬幣的兩面?！暗鼈兇_實(shí)存在共生關(guān)系。人工智能接收到的有關(guān)動(dòng)作和互動(dòng)的數據越多，它就越能了解如何適應當前條件，”他補充道。
雖然很多物聯(lián)網(wǎng)數據來(lái)自四面圍墻內，但以晚入站加載為例。jda的simmerman說(shuō)：“dc會(huì )收到由控制塔管理的物聯(lián)網(wǎng)信號的警報，負載將會(huì )延遲到達?！薄叭斯ぶ悄塬@取這些信息，并確定最佳時(shí)間，釋放和部署特定數量的勞動(dòng)力來(lái)卸載卡車(chē)。人工智能還可以決定哪些貨物應該直接用于訂單或存儲。這時(shí)，你對如何使分銷(xiāo)中心最有效地運行有了一個(gè)新的可見(jiàn)性和智慧水平，” simmerman說(shuō)。
要做到這一點(diǎn)，確實(shí)需要物聯(lián)網(wǎng)提供的數據粒度。盧卡斯的數據科學(xué)家graham yennie解釋道：“數據粒度是讓ai在新情況出現時(shí)進(jìn)行學(xué)習的關(guān)鍵因素?！边@種特殊形式的人工智能被稱(chēng)為機器學(xué)習。
將物聯(lián)網(wǎng)和人工智能結合在一起
物聯(lián)網(wǎng)和人工智能在分銷(xiāo)中心(distribution center)還有更大的用途。這兩種技術(shù)使得dc從預測驅動(dòng)轉變?yōu)樾枨篁寗?dòng)成為可能。也就是說(shuō)，當它們與wms、倉庫執行系統甚至工作執行系統相結合時(shí)。leandna的lebovitz說(shuō)，從預測到需求驅動(dòng)的運營(yíng)是dcs向前發(fā)展的一個(gè)巨大但絕對必要的支點(diǎn)。
這一切都是為了應對當前從制造和分銷(xiāo)主導供應鏈的轉變。越來(lái)越多的客戶(hù)已經(jīng)超越了低成本，供應鏈效率成為主要驅動(dòng)因素。
因此，一系列公司正在研究、試點(diǎn)并全面整合人工智能和物聯(lián)網(wǎng)在倉庫運營(yíng)中的應用。
盧卡斯系統(lucas systems)和evs等公司正在進(jìn)行盡職調查，以決定如何將這兩項技術(shù)與他們現有的軟件包集成。盧卡斯系統公司預計將在明年春天深入進(jìn)行beta測試。與此同時(shí)，evs正在用其wms包測試客戶(hù)數據。
leandna已經(jīng)將人工智能與制造業(yè)務(wù)的庫存分析結合起來(lái)。它的軟件被一系列公司使用，通過(guò)連接到他們的企業(yè)資源規劃(erp)系統來(lái)簡(jiǎn)化操作。
機器人軌道和機器人技術(shù)是highjump努力將技術(shù)與wms整合的關(guān)鍵。試點(diǎn)項目正在兩個(gè)地區進(jìn)行。
softeon的重點(diǎn)是跟蹤工人及其活動(dòng)和設備，比如使用無(wú)源無(wú)線(xiàn)電信標的移動(dòng)機器人。機器人軌道也是一個(gè)重點(diǎn)。這兩款軟件都與softeon的wms集成，應該可以更快更好地做出決策。
物聯(lián)網(wǎng)和人工智能都與曼哈頓(manhattan)的倉庫執行包集成在wms中。訂單流、機器人技術(shù)和分銷(xiāo)控制都受益于近18個(gè)月前引入的功能。
epicor的分銷(xiāo)管理軟件剛剛完成物聯(lián)網(wǎng)的beta測試。同時(shí)，在erp系統的虛擬代理中完全集成了ai。
一年多前，jda收購了blue yonder公司及其人工智能功能。這已經(jīng)成為了jda數字化預測分析策略的支柱，該策略旨在創(chuàng )建該公司正在開(kāi)發(fā)的東西——一種自學(xué)習供應鏈的狀態(tài)。物聯(lián)網(wǎng)是其長(cháng)期戰略的一部分?？刂扑?、云計算和倉庫任務(wù)處理尤為重要。
物聯(lián)網(wǎng)和人工智能在倉庫運營(yíng)中的應用可能還處于早期階段。但是發(fā)展的速度可能超乎您的預期。
四分之一的《財富》500強企業(yè)將人工智能投資轉向更普通的短期或戰術(shù)ipa項目，“效率明顯提高”，大約一半的人工智能平臺提供商、全球系統集成商和管理服務(wù)提供商將在其投資組合中強調ipa。
基于這些ipa用例的成功，idc預測，到2022年，75%的企業(yè)將把智能自動(dòng)化嵌入到技術(shù)和流程開(kāi)發(fā)中，使用基于人工智能的軟件發(fā)現運營(yíng)和體驗洞察力，以指導創(chuàng )新。
到2024年，人工智能將成為參與很多業(yè)務(wù)，導致25%的人工智能解決方案作為“結果即服務(wù)(outcome as a service)”，推動(dòng)大規模創(chuàng )新和卓越的商業(yè)價(jià)值。人工智能將通過(guò)重新定義用戶(hù)體驗成為新的用戶(hù)界面，其中超過(guò)50%的用戶(hù)觸摸將由計算機視覺(jué)、語(yǔ)音、自然語(yǔ)言和ar/vr增強。在未來(lái)幾年內，我們將看到人工智能和計算機視覺(jué)、自然語(yǔ)言處理和手勢等新興用戶(hù)界面嵌入到每一種產(chǎn)品和設備中。
新興技術(shù)是高風(fēng)險技術(shù)。forrester公司警告說(shuō)，2020年，三場(chǎng)高調的”災難”將“破壞了聲譽(yù)”，因為人工智能故障和傷害可能性將有所增加: 面部識別的錯誤使用和過(guò)度個(gè)性化等等。
盡管如此，forrester還是強調了積極的方面，他相信“這些糾紛案不會(huì )減緩明年人工智能的應用計劃?！毕喾?，他們將強調設計、測試和部署負責任的人工智能系統的重要性，以及考慮偏見(jiàn)、公平性、透明度、可解釋性和問(wèn)責性的健全人工智能治理?！?
idc預測，到2022年，可能由于一些的“公關(guān)災難”，超過(guò)70%的g2000公司將有正式的項目來(lái)監控他們的“數字可信度”，因為數字信任成為了一種關(guān)鍵的企業(yè)資產(chǎn)。
forrester表示，領(lǐng)導力很重要，擁有首席數據官(cdos)的公司在其洞察計劃中使用人工智能、ml和/或深度學(xué)習的可能性，已經(jīng)是沒(méi)有cdos的公司的1.5倍。
到2020年，首席數據和分析官(chief data and analytics officers，cdao)和首席信息官(cio)等對人工智能持認真態(tài)度的高管將確保數據科學(xué)團隊擁有他們所需的數據。forrester表示，真正的問(wèn)題是“從復雜的應用程序組合中尋找數據，并說(shuō)服各種數據看護人同意?！?
idc指出，“智能自動(dòng)化的有效使用需要it部門(mén)在數據清理、整合和管理方面付出巨大努力?！痹谶z留系統中解決過(guò)去的數據問(wèn)題可能是一個(gè)巨大的進(jìn)入障礙，特別是對于大型企業(yè)?！?
forrester表示，2020年，“科技精英(tech elite)”將提高人工智能和設計技能的融合，將以人為本的設計技能與人工智能開(kāi)發(fā)能力相結合將是關(guān)鍵。idc預測，到2024年，75%的企業(yè)將投資于員工再培訓和發(fā)展，包括第三方服務(wù)，以解決采用人工智能帶來(lái)的新技能需求和工作方式。
構成“勞動(dòng)力”的要素將繼續擴大，idc預測，隨著(zhù)智能自動(dòng)化在整個(gè)企業(yè)的擴展，it組織將管理和支持越來(lái)越多的人工智能rpa機器人勞動(dòng)力。勞動(dòng)力的另一個(gè)補充將是聊天機器人，在企業(yè)中協(xié)助完成各種任務(wù)。但forrester預測，每5個(gè)人工智能會(huì )話(huà)交互中就有4個(gè)無(wú)法通過(guò)圖靈測試。
已經(jīng)完成的工作也將繼續擴大。idc表示，隨著(zhù)計算能力從數據中心向邊緣計算移動(dòng)，it將面臨管理和控制邊緣處理設備的挑戰。到2023年，近20%使用人工智能優(yōu)化處理器和協(xié)同處理器處理人工智能工作負載的服務(wù)器將部署在邊緣。到2025年，50%的計算機視覺(jué)和語(yǔ)音識別模型將在邊緣(包括端點(diǎn))上運行。
人工智能將無(wú)處不在，idc估計，到2025年，至少90%的新企業(yè)應用程序將包含嵌入式人工智能功能。然而，idc補充說(shuō)，真正具有顛覆性的人工智能主導的應用將只占總數的10%左右。
所以我們只要再等5年，就能看到人工智能的“真正顛覆性”潛力最終實(shí)現，到2020年，“隨著(zhù)預期回歸現實(shí)，人工智能的繁榮將會(huì )加劇?！眆orrester預測2020年人工智能融資將達到另一個(gè)新的高峰，但它斷言這將是最后一個(gè)高峰——“全球有2600多家公司，人工智能創(chuàng )業(yè)生態(tài)系統即將是一個(gè)飽和的市場(chǎng)?！?
03
人工智能將如何提升供應鏈管理?
物流已經(jīng)成為供應鏈和商業(yè)模式不可分割的一部分。與過(guò)去不同的是，企業(yè)現在開(kāi)始關(guān)注于他們所期待的新時(shí)代技術(shù)的發(fā)展。人工智能(ai)就是這樣一種技術(shù)，它有潛力利用物流來(lái)克服目前的挑戰。
零售物流面臨的挑戰最大，因為它直接迎合消費者，并使其更加復雜。物流目前需要預測消費者需求，商品需求，一個(gè)更簡(jiǎn)單的過(guò)程，和流線(xiàn)型的工作流程，以保持不受阻礙和盈利。
人工智能處理文檔(ai+rpa)
過(guò)去，世界各地的組織都在努力管理物流文書(shū)工作，因為這些文書(shū)工作容易出錯，成本高，耗時(shí)長(cháng)。如果采用人工智能，無(wú)需人工干預，就可以自行輸入數據和人工智能接口，從而實(shí)現過(guò)程自動(dòng)化和節約資金。此外，從這些數據中獲得的見(jiàn)解使公司能夠提高他們的支付和文檔方法，并保持對它們的跟蹤。
預測分析
人工智能的主要優(yōu)點(diǎn)是對客戶(hù)需求的預測分析。將人工智能整合到物流中可以讓制造商和零售商了解消費者的需求。零售商將能夠了解特定時(shí)間或地區對特定商品的需求，并據此進(jìn)行采購。來(lái)自零售商的數據將幫助供應鏈中的所有其他實(shí)體重新定義它們的庫存。
加強管理
除了客戶(hù)需求，人工智能還可以幫助組織改善物流管理系統，因為這將使他們能夠實(shí)時(shí)跟蹤自己的資產(chǎn)。從運輸到庫存，一切都可以根據市場(chǎng)需求進(jìn)行分類(lèi)。適當的資產(chǎn)評估將使資源和投資最優(yōu)化。
籌劃物流
繁瑣和平凡的任務(wù)可以轉移到ai界面，每次都能以同樣的效率完成。由于人工智能可以解讀更大的數據集，企業(yè)可以獲得更多的投標，并根據它選擇最可靠和最有利可圖的物流合作伙伴。
04
人工智能如何推動(dòng)物流行業(yè)下一階段的增長(cháng)?
為什么物流公司正面臨一個(gè)前所未有的變化的時(shí)代，因為新技術(shù)使更高的效率和更多的合作運營(yíng)模式成為可能。這是物流行業(yè)擁抱人工智能的最佳時(shí)機，因為數字化已經(jīng)形成，客戶(hù)期望也在不斷發(fā)展。
人工智能可以幫助物流行業(yè)重新定義今天的行為和實(shí)踐，從預測到預測的規劃，從標準化到個(gè)性化的服務(wù)。它還為物流公司提供了優(yōu)化網(wǎng)絡(luò )協(xié)調的能力，這是僅靠人類(lèi)思維無(wú)法達到的效率
人工智能(ai)越來(lái)越多地出現在我們的個(gè)人生活中，并迅速被企業(yè)用于提高效率和創(chuàng )造新價(jià)值。世界各地的許多物流公司都擁抱數字化轉型，從傳統的企業(yè)資源規劃系統過(guò)渡到高級分析、增加自動(dòng)化、硬件和軟件機器人以及移動(dòng)計算。
在人工智能的幫助下，物流行業(yè)可以將其運營(yíng)從反應性行動(dòng)轉變?yōu)榍罢靶院皖A測性范式，這可以在后臺辦公室、運營(yíng)和面向客戶(hù)的活動(dòng)中以有利的成本產(chǎn)生更高的洞察力。例如，人工智能技術(shù)將使用先進(jìn)的圖像識別技術(shù)來(lái)跟蹤貨物和資產(chǎn)的狀況，為運輸帶來(lái)端到端自動(dòng)化，或在世界貨運量出現波動(dòng)之前預測它們。
隨著(zhù)職業(yè)世界的數字化，越來(lái)越多的公司將人工智能(ai)添加到他們的供應鏈中，以最大限度地利用他們的資源，減少時(shí)間和金錢(qián)花在決定和何時(shí)發(fā)送一個(gè)包裹到某個(gè)地方。
優(yōu)化庫存
庫存優(yōu)化是指維持一個(gè)特定的庫存水平，可以消除缺貨的情況，同時(shí)持有庫存的成本不損害底線(xiàn)。物流在不降低材料成本或過(guò)程成本的情況下縮小產(chǎn)品價(jià)值方面起著(zhù)重要作用。該技術(shù)還可以確保和管理供應商庫存和可用的卡車(chē)數量，并優(yōu)化物流模式。如果它滿(mǎn)足需求和供給方程，它就成功了。
簡(jiǎn)化經(jīng)紀流程(ai+rpa)
海關(guān)申報嚴重依賴(lài)手工流程，涉及法規、行業(yè)和客戶(hù)的知識。交叉引用和驗證是一個(gè)費力的過(guò)程。自然語(yǔ)言處理將修改并使人工智能軟件從各種格式的文件中提取相關(guān)信息，并提交一份聲明。
應對不可預見(jiàn)風(fēng)險
通過(guò)訓練，人工智能可以從應急計劃中學(xué)習，這可以保證未來(lái)的糾正行動(dòng)。使用人工智能搜索互聯(lián)網(wǎng)，觀(guān)察趨勢，可以預測某一類(lèi)產(chǎn)品的需求增長(cháng)，或提前識別任何風(fēng)險。
當涉及到物流業(yè)務(wù)時(shí)，要預料到意外情況，因為一系列的情況可能會(huì )影響產(chǎn)品的預期交付日期。颶風(fēng)和洪水、航空公司破產(chǎn)和員工罷工等自然災害都會(huì )影響公司物流工作流程的自然進(jìn)程。
本文來(lái)源于物流指聞，不代表本站觀(guān)點(diǎn)，如有侵權可聯(lián)系刪除，文章所用圖片來(lái)源于網(wǎng)絡(luò )，文章圖片如有侵權可聯(lián)系刪除。