加强质量控制使零售配送中心看起来像一个自动化工厂

消费者习惯的变化使作为物流业务主干的配送中心 (DC) 迎来了自动化的浪潮。零售商为了适应这些现实，他们开始使用与工厂自动化中的现代生产线自动化相同的技术：机器人，深度学习和网络化传感器。

零售商要响应要求越来越高的消费者，他们希望能随时随地在任何设备（智能手机，计算机，平板）上购买任何东西。如果商店的网站告诉他们库存里有某个产品，那么他们准备购买时它就必须在那里 - 不管他们是在车里，在沙发里，还是在实体店的走道上。

有很多力量都在催促着配送中心向自动化质量控制的转变。零售商们必须解决各种各样的问题才能完成这个转变。

改进配送中心质量控制的主要挑战

配送中心运营商在四个主要领域面临着大量质量控制挑战：入库、履行、分拣和出库。我们来简单地看几个最常见的困难：

追溯设施中的商品。以读码的形式扩展设施中的可追溯性可以保证配送中心随时都知道每一件产品的位置。如果产品追溯、入库环节或运输点出现缺口，就很难让希望交货准时且库存准确的在线购物客户满意，并会造成很高的成本浪费。

管理条码质量。标准印刷条码使物流链中的每一件商品都有独特的签名，因此如何准确地扫描条码成为配送中心最急需解决的问题之一。条码可能会被塑料包装撕裂、刮破和遮挡，如果这样离开配送中心，可能会给供应链带来问题。我们必须保证能读取任何状态的条码，并且能够知道什么时候应该更换标签，确保离开配送中心的东西都能成功送到客户手中。

处理退货。追溯和质量检测中的问题经常会导致客户不能按时收到或完全未收到订购的商品，或者收到损坏的商品。这些产品可能需要更换、重新包装、或者修复，再以较低的价格出售，影响利润空间。公司不能再在商店完成质量检测，他们必须在配送中心就完成这项任务，确保客户能按时收到他们想要的、并且完好的商品。

改善运行时。提高处理速度可以提高配送中心的效率，从而提高投资回报率。但是很多生产线已经每分钟要处理几百件产品了，因此在保证质量控制的前提下再提高效率会非常困难。

控制维护和修理成本。有成千上万活动零件的机器和传送线最终都会损坏，因此肯定会造成延误，影响利润和交货时间。

理解数据信号。配送中心依赖数字相机构成的网络来扫描条码和检测产品，以保证准确性和质量。这些传感器每个都会产生大量数据，然后必须对这些数据进行仔细的分析才能找出效率低下的地方并降低错读风险。

实施学习算法。海量的传感器数据中包含与产品缺陷和低效率流程相关的内容，这些是人眼无法看到的。要利用这些信息，我们需要使用先进的软件扫描这些数据，找出一致的模式，然后了解如何在无人干预的情况下改进结果。

康耐视如何帮助物流运营商改善质量控制

高效率的物流运营需要机器视觉技术：解释数字图像中的数据并帮助配送中心提高效率的相机和软件。

这些工具是康耐视业务的核心。例如，康耐视机器视觉技术：

• 帮助在线零售商提高物流运营的生产效率和处理量。
• 通过通道扫描提高传送线的准确性和速度。
• 提高不规则形状产品和难扫描包裹上粘贴的条码的读取率。

[了解更多：我们的物流客户案例更深入地了解康耐视技术的优势。]

下面是我们的技术提高物流准确性和质量的几种方式：

三维检测。康耐视工业三维相机使用先进的三维工具，能够快速判定传送线上高速移动的产品和包装的形状、尺寸和其他关键数据。一种常见的检测应用就是识别包装盒上的损坏情况。康耐视觉系统能够识别可能造成物品传输问题或客户因包裹损坏而不满的问题。

IoT 和分析学。工业相机是为工业 4.0 网络提供数据的边界设备。数据科学家可以开发算法扫描人眼看不到的趋势和低效率情况，也可以利用深度学习测定错误发生频率以便改进流程。

预测性维护。工业 4.0 网络的实时分析数据可为物流运营商提供与设备寿命相关的关键线索。这样可在下班时间安排修理，在磨损零件出现故障前更换，避免在一年中最忙的时间造成昂贵的延误。

深度学习。我们的高级深度学习视觉软件经过培训可以解码字符识别码、执行装配验证、探测缺陷，以及分类场景和物体。此软件使用培训图像确定无缺陷物品的外观，然后即可自动识别损坏的物品，减少对人类检测员的依赖。

机器人。康耐视机器视觉系统、读码器和深度学习软件是物流运营中的先进机器人的基础。虽然大部分复杂分拣工作仍然需要人类的眼、手和脑，但科技创业公司已经在努力自动化这些任务了。这些先进技术来到市场时，康耐视硬件和软件将成为其实现方式的核心。

认识物流自动化和质量控制的迫切之需

零售商和物流运营商越来越多地认识到“无库存”信息会让在线购物者感到失望，而混合的订单则会把他们永远地吓跑。同时，需求高峰和 COVID-19 疫情等外部威胁使他们难以雇佣到足够的人来满足这些新需求。

这些趋势说明零售商没有选择，只能重视配送中心的自动化和质量控制。康耐视技术将这一切变为可能。