今年618期間，上海區域200多家韻達網(wǎng)點(diǎn)全部開(kāi)啟了“預售極速達”服務(wù)，旨在將預售訂單第一時(shí)間送至客戶(hù)手中。在這項服務(wù)的背后，是ai、大數據和it系統結合的力量。
ai讓分揀壓力化為無(wú)形
物流行業(yè)，通常有倉儲和分揀兩個(gè)關(guān)鍵環(huán)節，而在物流系統中，分揀是最為繁瑣，用時(shí)最長(cháng)的環(huán)節。
用戶(hù)在電商平臺上下單，由系統分揀模塊，將貨物根據訂單地址進(jìn)行區分，分配至不同地點(diǎn)的倉庫。訂單抵達倉庫之后，即開(kāi)始分揀。接著(zhù)出庫抵達下一級分撥中心或者中轉站，最后進(jìn)入配送。
在電商銷(xiāo)售旺季，處于流程前端的下單量會(huì )短時(shí)間內激增，唯有提高分揀流程的效率，才能提升整個(gè)物流系統的效率，為用戶(hù)提供優(yōu)質(zhì)的服務(wù)。一些優(yōu)秀的物流公司，正在求助于ai，在分揀流程的幾個(gè)關(guān)鍵環(huán)節以智能化的手段，獲得更高的分揀效率。
為了應對電商購物節期間的業(yè)務(wù)量洪峰。韻達在分揀中心實(shí)施了網(wǎng)格倉策略，借助由視覺(jué)人工智能 (ai) 驅動(dòng)的智能共配分揀系統對快件進(jìn)行自動(dòng)分揀。
通常的智能分揀中心，現場(chǎng)的人力并不多，核心業(yè)務(wù)流程都依靠系統控制，流水線(xiàn)的運行速度也飛快，會(huì )有一種看到水在流動(dòng)的視覺(jué)感受，就像是力與美的結合。
在這種“美感”的反面，則是分揀線(xiàn)面臨的準確度與低時(shí)延的壓力。分揀線(xiàn)會(huì )對快件面單上的信息進(jìn)行三段碼 ocr (optical character recognition) 檢測，由于識別的結果決定著(zhù)快件在分揀線(xiàn)上的去向，因此該步驟對分揀效率至關(guān)重要，對系統的識別準確度和時(shí)延有較高要求。
一旦識別出現錯誤，就會(huì )造成分揀線(xiàn)回流，即快件需重新再過(guò)分揀線(xiàn)或需要人工分揀;而當錯誤率較高時(shí)，更會(huì )加重網(wǎng)點(diǎn)的操作壓力。故而，韻達提出系統識別的準確度須達到 95% 以上。另一方面，系統時(shí)延與分揀線(xiàn)傳輸速度息息相關(guān)，檢測算法的時(shí)延會(huì )直接影響分揀傳輸的效率，過(guò)慢就會(huì )造成快件積壓，進(jìn)而影響分揀速度和派送時(shí)效，韻達經(jīng)過(guò)評估后發(fā)現智能分揀線(xiàn)系統的時(shí)延必須要小于130ms才能滿(mǎn)足他們對高效率的需求。
為了解決這些難題，韻達選擇了英特爾的解決方案，基于英特爾® 數據中心gpu flex系列170和英特爾® 分發(fā)版openvino? 工具套件來(lái)優(yōu)化其三段碼ocr檢測系統和分撥視頻分析平臺性能。
為驗證方案性能，韻達進(jìn)行了三段碼 ocr 測試和tsm (temporal shift module) 測試。在三段碼ocr測試中，共對2450張圖片進(jìn)行了識別，測試結果顯示平均運行時(shí)間為 114ms，很好地滿(mǎn)足了韻達對低時(shí)延的需求;準確度能夠達到 97%-98%，也優(yōu)于韻達95%的預期基準。
在tsm測試中，選用了1200個(gè)視頻并分不同實(shí)例和批量大小做了測試，測試結果如圖所示。
綜合測試和網(wǎng)店測試結果，韻達的視覺(jué)ai方案從算力、時(shí)延、準確度、并發(fā)能力、穩定性和散熱能力等多個(gè)方面都能很好地滿(mǎn)足韻達的需求，并帶來(lái)了如下企業(yè)優(yōu)勢：
第一，提升業(yè)務(wù)效率并降低成本：智能分揀系統的部署顯著(zhù)提升了分揀線(xiàn)效率，進(jìn)而提升了派送效率和派送時(shí)效;此外，高效的智能分揀系統還幫助韻達實(shí)現了人力和成本節約。
第二，優(yōu)化業(yè)務(wù)管理和決策：英特爾® 數據中心gpu flex系列170帶來(lái)的高算力讓韻達實(shí)現了更高效的分撥視頻流分析，可幫助韻達在跨年度/跨季度預測、合理定價(jià)、網(wǎng)點(diǎn)時(shí)效提升和獎懲制定等方面做出優(yōu)化。
每個(gè)物流場(chǎng)景，都少不了英特爾的身影
實(shí)際上，這僅僅只是韻達基于英特爾gpu的解決方案，其實(shí)韻達與英特爾合作遠不止于此。
早在2018年，韻達就與英特爾展了全方位的技術(shù)交流與協(xié)作，英特爾的至強® 可擴展處理器及其他一系列軟硬件產(chǎn)品技術(shù)在“大小件測量”、“數據中心異常檢測”以及“件量預測”等多個(gè)關(guān)鍵環(huán)節上為韻達構建起高效的ai應用底座。
在2020年，為了利用ai視覺(jué)技術(shù)解決在物流運輸、分揀、派送等過(guò)程中遇到的難題，韻達也采用了英特爾cpu及其他軟硬件組合，完成了智慧視覺(jué)解決方案的優(yōu)化，實(shí)現了分轉中心智能數據處理，但也同時(shí)遭遇了新的技術(shù)挑戰：
一方面，由于物流場(chǎng)景的復雜性與多變性，物流行業(yè)有著(zhù)爆倉識別、違規操作分析、車(chē)輛到站識別、裝載率識別等非常復雜的場(chǎng)景，一個(gè)場(chǎng)景甚至會(huì )出現幾十種不同的情況，未經(jīng)優(yōu)化的算法可能會(huì )出現效率與精度問(wèn)題，影響設計目標的實(shí)現。
另一方面，因為視頻推理等人工智能負載對于硬件有著(zhù)嚴苛的需求，傳統的硬件在邊緣側難以滿(mǎn)足視頻推理在性能、精度、功耗等方面的需求，同時(shí)，專(zhuān)用的硬件方案也有成本昂貴、開(kāi)發(fā)與部署門(mén)檻高等問(wèn)題。
當然，從深度學(xué)習算法自身來(lái)看，面向圖像識別的深度學(xué)習模型也常會(huì )存在解釋性差的問(wèn)題，模型復雜度高、優(yōu)化困難，計算強度高、對于算力有著(zhù)較高要求，需要進(jìn)一步實(shí)現算法優(yōu)化。
在此項目中，英特爾和韻達一起構建了基于至強® 可擴展處理器和酷睿? 處理器的邊緣計算解決方案，將工作負載轉移到網(wǎng)絡(luò )邊緣，不僅降低了網(wǎng)絡(luò )負載與人工智能推理延遲，還切實(shí)降低了人工智能基礎設施平臺的采購成本，以及高帶寬網(wǎng)絡(luò )的部署與運維成本。
值得一提的是，除了硬件之外，韻達還通過(guò)英特爾® svet開(kāi)源套件快速搭建了視頻拉流、解碼、抓圖編碼分發(fā)業(yè)務(wù)，同時(shí)利用openvino? 工具套件，在英特爾平臺上優(yōu)化了視覺(jué)算法，提升了性能。
不止韻達，也有其他物流公司選擇了英特爾基于異構的基礎設施，利用xpu實(shí)現ai推理加速，同時(shí)借英特爾® 分發(fā)版 openvino? 工具套件和英特爾® oneapi工具套件等簡(jiǎn)化開(kāi)發(fā)與運維，實(shí)現應用跨 xpu 的無(wú)縫切換。有效監測園區內是否存在攀爬傳送帶等危險作業(yè)，踩踏、暴力分揀等違規作業(yè)，以及未戴安全帽等著(zhù)裝安全問(wèn)題。
英特爾還將以更多、更高性能的專(zhuān)用加速器，持續為物流行業(yè)及合作伙伴帶來(lái)更多場(chǎng)景的優(yōu)化方案。
ai驅動(dòng)，讓每個(gè)包裹都能準時(shí)送達
通過(guò)以上案例，我們也發(fā)現不同物流場(chǎng)景中都面臨著(zhù)相似的難題：比如模型開(kāi)發(fā)與維護難度大，計算強度高，再比如專(zhuān)用的硬件方案也有著(zhù)成本昂貴、開(kāi)發(fā)與部署門(mén)檻高等問(wèn)題。
走向ai驅動(dòng)的智慧物流，要跨越這些難題，英特爾顯然已經(jīng)給出了自己的答案：
那就是更加全面、異構化的產(chǎn)品布局，用更加完備的軟硬件產(chǎn)品組合為全開(kāi)發(fā)鏈路護航。
通用計算芯片：如至強® 可擴展器，其部署門(mén)檻最低，可以充分利用企業(yè)現有的it基礎設施;
通用加速芯片：英特爾® 數據中心gpu flex系列主攻視覺(jué)類(lèi)的ai推理加速，而數據中心gpu max系列包含有超過(guò)1000億晶體管，可為ai模型的高效訓練提供強有力的支持，同時(shí)其還能兼顧科學(xué)計算，加速多個(gè)架構中的sc和ai工作負載;
專(zhuān)用加速器：habana?® gaudi2®的發(fā)布也已近在眼前，據悉7月它就會(huì )正式與用戶(hù)們見(jiàn)面，并且在本月27日剛剛發(fā)布的mlperf新一代測試報中，它已經(jīng)有了先聲奪人的表現——不論是大家非常熟悉的bert、resnet、unet模型，還是最近半年異軍突起的大語(yǔ)言模型gpt-3，gaudi2® 都有非常靚眼的表現。
當然，跨異構xpu的切換，少不了軟件的支持。借助openvino? 工具套件和oneapi工具套件等可以幫助用戶(hù)簡(jiǎn)化ai應用開(kāi)發(fā)并實(shí)現跨xpu的無(wú)縫切換。用戶(hù)可以根據自身工作負載的需求，選擇更適合的芯片的運行。
小結
物流業(yè)是支撐經(jīng)濟社會(huì )發(fā)展的基礎性產(chǎn)業(yè)。在數字經(jīng)濟時(shí)代，物流不僅是單行道，還促進(jìn)了新的零售業(yè)和新的制造，提高了傳統的庫存周轉率，構建了靈活的供應鏈。
隨著(zhù)物流業(yè)的規模不斷擴大，傳統物流的運營(yíng)模式受到挑戰，急需向智能化轉型升級。以數字化技術(shù)，尤其是ai技術(shù)的賦能，物流行業(yè)走向智慧化，精細化，高效化是大勢所趨。
但ai應用的開(kāi)發(fā)和優(yōu)化并非易事，尤其是在異構計算興起的今天更是變得越來(lái)越復雜。英特爾擁有強大且專(zhuān)業(yè)的技術(shù)團隊，完備的異構硬件產(chǎn)品布局，易用的軟件工具組合，可以為物流乃至更多行業(yè)ai應用的開(kāi)發(fā)、部署、落地應用提供支持。
讓ai驅動(dòng)物流行業(yè)智能化轉型，讓每個(gè)包裹都能準時(shí)送達。
本文來(lái)源于物流時(shí)代周刊，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。