市場、技術、社會多重因素推動下，智能制造、智慧物流已成企業降本增效、增強競爭力的必選項之一。以何種路徑穩步推進數字化、智能化升級，也是制造企業未來十年的必答題。工信部《“十四五”智能制造發展規劃》（征求意見稿）指出，到2035年，規模以上制造業企業全面普及數字化，骨干企業基本實現智能轉型。
越來越多服裝企業也看到傳統生產方式的局限性，紛紛開啟自動化、數字化、智能化轉型，無錫夢燕品牌管理有限公司（簡稱“夢燕”）便是其中的一員。在建設新廠房時，夢燕優先考慮了物流工藝規劃，與曠視團隊共創了夢燕自動化物流中心的工藝方案。
去年建成、今年已經投入使用的夢燕自動化物流中心，包括一座25米高的自動化立體倉庫和5層樓庫，總面積約8萬平米，實現了服裝入庫、上架、存儲、揀貨、分撥復核、集貨等流程的自動化、數字化升級。相比于舊倉，物流中心的新倉在每日可支持出貨量提升5倍的情況下，倉庫空間利用率提升3倍，人員減少40%，并且大大降低工人勞動強度，揀選人員微信步數從過去50000步/天減少到20000步/天。
圖：曠視與夢燕共創的自動化物流中心
每天數萬件商品分發600個渠道，夢燕開啟轉型之路夢燕是一家服裝連鎖零售企業，主要采取自產自銷的經營方式，其主營業務為門店零售。公司目前擁有600個渠道，日出貨量最高可達6萬到8萬件衣服，都由夢燕倉庫統一發貨，吞吐壓力非常大。
圖：位于無錫的夢燕明都工廠店
“夢燕建設自動化物流中心的初衷是解決零售端周轉問題”，夢燕總經理吳承淮介紹道，“此前，在集結交換時，經常出現物流存儲空間不夠、運轉效率不高、爆倉等問題。為此，我們決定提升倉庫面積，但了解到還可以通過自動化、數字化的改造提升整體效率?！?/span>“夢燕的另一個初衷是，希望通過倉庫信息化和物流集成倉庫體系，倒逼前端業務擺脫慣性，走向更加標準化、規范化的操作，讓每個崗位上的員工都按照標準執行，帶動業務的優化和調整?！?/span>
“在借鑒了同行先進經驗的基礎上，夢燕找到業內供應商進行招投標，最后從專業度、性價比、服務水平等多方面考慮，選擇了曠視?！?/span>
技術與行業深度融合，曠視與夢燕共創自動化物流中心方案
憑借豐富的行業經驗，曠視智慧物流業務團隊深諳服裝企業的供應鏈難題。曠視智慧物流解決方案中心負責人白建宏表示：“服裝行業不管是零售端、生產制造端還是倉庫作業，相對來說屬于勞動密集型行業，很多工作都屬于簡單重復勞動。近年來隨著勞動力成本上升、服裝產業結構調整、消費方式多元化等因素影響，服裝行業自動化、數智化轉型已經迫在眉睫。”
夢燕也同樣存在這樣的痛點。此前，海量服裝收貨、上架、存儲、揀選、復核、稱重、貼標、集貨等環節都在舊倉中運行，100%為人工作業。傳統作業方式效率低，出錯率高，直接影響門店銷售，并帶來貨品損耗；還存在人工作業強度大、人員流動性高等問題，制約著業務提升與拓展。
圖：夢燕舊倉之存儲環節
圖：夢燕新倉之自動化立體倉庫
基于對服裝行業的深刻理解，以及對夢燕歷史數據和未來業務規劃的綜合分析，曠視與夢燕共創了自動化物流中心的整體方案。該方案包括1座25米高、8個巷道的自動化立體倉庫，1套輸送分揀系統（1500米箱式輸送分揀機），8個工位的貨到人播種系統以及包裝復核、自動稱重和貼標、熱縮塑膜機等自動化設備。在軟件及系統方面，智慧物流操作系統曠視河圖將自動化立庫系統、箱式輸送分揀系統、貨到人播種系統與倉庫管理系統（WMS）無縫對接，能夠隨著夢燕業務發展靈活調整，從容應對各種挑戰。
圖：夢燕新倉背后的智慧物流操作系統曠視河圖
工人行走距離節約60%、倉庫用工減少40%，物流中心成效初顯目前，舊倉貨品及處理流程已經全部轉至自動化物流中心，改造后的新倉在降本增效方面已經初顯成效。
據夢燕業務負責人宋建軍介紹，“以前夢燕倉庫員工每天走路的步數是50000余步，現在的運動量是20000余步，從側面反映了效率的提升；以前工人揀貨需要靠記憶力，現在通過RF系統指引提示進行揀貨；以前揀貨之后還需要人工搬運至對應作業區，現在直接投到輸送線上進行自動流轉，搬運效率和準確性提高；以前整個倉庫的作業人員需要55人，現在35人就能滿足同樣的作業量?！?/span>
圖：夢燕舊倉之搬運場景
圖：夢燕新倉之自動化輸送
該項目投入使用后，標準化操作也在穩步推進中。對于未來，吳承淮也非常務實，“目前，我們還需要進一步優化管理，加強系統和人的深度結合，提升效率。AI在生產場景有很大的擴展空間，通過計算機視覺能夠有效識別異常操作，通過算法分析大數據能夠降低管理成本，但這塊的提升需要后續進一步的共創。”曠視智慧物流解決方案中心負責人白建宏也表示，“每個企業的數智化轉型都不是一蹴而就的，需要由點到面，逐步升級迭代。”
“機器將人從簡單重復勞動中解放出來是一大趨勢。曠視看準了這個行業方向，并通過智慧物流解決方案幫助客戶重塑流程，讓自動化、智能化設備進行高強度、重復的作業，讓智慧物流操作系統協同調度倉庫內各種設備運行。我們還將AI能力注入傳統物流設備和系統中，不僅實現整個物流系統的生態連接和協同調度，而且通過系統核心功能的算力算法，分析歷史業務數據進而優化業務流程，提高作業效率，這是我們看中的未來發展方向。”
