Insight Tech

曾经是科幻小说的描写现在正在成为现实。如今，自主移动机器人 (AMR) 在制造领域正获得真正的推动力。但它们也有望在其他许多领域（从酒店到医疗保健）大显身手，变得越来越智能，越来越独立。这一构想旨在减轻人类工作者的负担，代替他们完成某些重复性或危险性的任务，并与这些人一起工作。

自然，要让这些机器人系统感知环境、进行操作和执行命令，需要做很多工作。这需要技术提供高强度计算能力，以及设计人员提供灵活性和可扩展性。Claire Liu，嵌入式计算模块供应商 congatec 的产品营销经理；以及 Timo Kuehn，嵌入式和实时解决方案提供商 Real-Time Systems 的系统架构师兼产品经理，为我们解释了这一快速变化的行业趋势（视频 1）。

视频 1. Congatec 的 Claire Liu 和 Real-Time Systems 的 Timo Kuehn 讨论了成功开发和部署自主移动机器人所需的关键要素。（资料来源：insight.tech）

究竟什么是自主移动机器人？

Claire Liu：自主移动机器人是能够独立运行、无需人工直接干预的系统。它们配备了防御传感器、人工智能算法和复杂的控制系统，能够自主导航、感知环境并做出决策。

自主移动机器人依靠多种技术的组合，如各种传感器（例如激光雷达或者 2D 或 3D 摄像头），来感知周围环境。该传感器数据由计算平台实时处理，以分析周围环境的信息。然后，机器人可以使用这些信息创建地图，以便在环境中进行自我定位和导航。

制造业对自主移动机器人越来越感兴趣，因为它们可以完成物料搬运之类的任务，在生产线上拾取和运送原材料及在制品。这些重复性任务过去由人工执行，可能对工人的健康和安全构成风险。现在，工人不必浪费生产时间来完成这些体力工作，他们可以专注于高技能、更具附加值的任务。

在制造环境中使用自主移动机器人可简化制造流程、提高生产效率和运营效率，并改善工人安全。

谈一谈 AMR 的软件架构。

Timo Kuehn：当然，AMR 中有许多软件。有各种各样的功能，比如 Claire 提到的感知。机器人必须感知周围的环境才能知道发生了什么；它必须在任何时刻都知道自己的位置；需要知道向哪里移动。运动本身，即运动控制非常重要：要避开障碍物，还要与人类互动，这取决于机器人的类型和诊断情况。

这些软件功能必须由相应的软件模块进行映射，而且它们通常在时间和资源使用方面有很高的要求，甚至是相互竞争的要求。例如，如果一个软件模块需要大量性能，而另一个软件模块需要及时的确定性响应，你不能把所有东西都扔给机器人，然后还指望它正常工作。这是相当复杂的。

尤其对于运动控制来说，可能非常具有挑战性。它需要确定性：需要在预定义的时间范围内对传感器信号做出反应。而时间范围取决于各种因素，例如：是否有轮子？是否有轴？需要控制多少个轴？AMR 的速度是多少？需要多高的精度？设备是在二维还是三维中移动？负载是否动态添加或卸载？

通常，为了进行基于各方的调度和确保不会错过最后期限，使用的是实时操作系统。关键任务，如感知或运动控制，具有更高的优先级，这样它们不会被优先级较低的任务打断。这种资源分配和优化由操作系统或软件架构提供。

多讲讲模块化方法的采用。

Claire Liu：congatec 计算机模块可无缝利用英特尔处理器技术规模（从低功耗到高计算性能），使开发人员能够开发出工作时间更长、更智能，并以更高的熟练度和效率执行复杂任务的机器人。

英特尔^® 第 13 代酷睿^™ 处理器集低功耗、高效率、高灵活性和高性能于一身，是 congatec 计算机模块的理想解决方案。MrCoM 现在可以受益于这些最新的英特尔处理器，同时运行更多应用程序，并运行更多工作负载和连接更多设备。

开发人员只需简单地更改模块即可快速轻松地适应最新的英特尔处理器技术，甚至在自主移动机器人运行多年后，仍然可以为其增加智能。此外，英特尔 OpenVINO^™ 工具套件为开发人员提供了优化的 AI 影响模型和全面的支持。

开发自主移动机器人还涉及哪些工具和技术？

Timo Kuehn：开发 AMR 需要结合硬件、软件和连接。在硬件方面，有计算平台、底盘、电机、传感器电源系统，当然还有根据应用要求使用的各种传感器。软件方面涉及感知、定位、路径规划、运动控制和避障。诊断和与人类的互动也发挥着非常重要的作用。所以集成和管理所有这些功能可能非常复杂。

AMR 由电池供电，因此添加大量控制器是不合理的。这些控制器需要连接起来，这会增加重量、体积、成本和复杂性。因此，必须将多个功能整合到较少的处理器上。

这就是嵌入式实时管理程序大显身手的地方，它可以在单个处理器上整合多个工作负载。该功能有许多优势，例如隔离和安全性。因此，感知和运动控制可以相互独立地在各自的虚拟机中安全运行，确保当一个虚拟机需要大量负载或产生大量负载时，另一个虚拟机不受影响，仍然可以按时完成任务。

这一点非常关键。假设传感器发出一个信号，而 AMR 或控制器的反应来得太晚。这可能会导致碰撞，甚至在涉及到人类时会导致受伤。它还有助于性能优化和负载平衡；每个虚拟机都可以获得专用资源，以满足时间和性能要求。

AMR 有哪些使用案例？

Claire Liu：事实证明，自主移动机器人在各行各业用途广泛。比如我之前提到的，制造环境中的物料搬运，甚至还有协作装配。电子商务有物流和订单履行。在疫情期间，自主移动机器人被用来运送医疗用品和药物，并协助患者护理。在其他领域，如农业、酒店业和零售业，也有越来越多的应用。新的用例不断涌现。

Timo Kuehn：环境监测是 AMR 的一个很好的用例，它可用于收集空气质量、水质或土壤条件等方面的数据。或者用于危险环境，例如检查发电厂，这可以降低人类工人的风险。它们可用于公共场所，提供实时视频信号。或者在大型设施中，它们可用于运输包裹流程的最后一公里配送。它们可以协助物料运输，也可以协助建筑项目。确实有很多不同的用例，我同意 Claire 的观点，未来会有更多的用例。

在未来几年，预计这个领域的走向会是如何？

Claire Liu：在不久的将来，AMR 领域将出现新的令人兴奋的可能性。随着软件架构设计采用模块化方法，机器人领域的技术发展将日新月异。自主移动机器人公司将适应快速变化的环境，通过强大的可扩展性将这一尖端解决方案付诸实践。

Timo Kuehn：当然，这很难预测，但我相信在不久的将来会有许多进展，特别是在集成了 AI 加速器的英特尔处理器方面。这将带来更强的感知和对象识别、更智能的路径规划和优化，以及自适应学习能力。我们还可以想象，人类与机器人之间的协作将得到改善，例如实时做出复杂决策的能力，用于评估状况并执行复杂的任务，而只需少量人类干预。

总结：将虚拟化技术、实时能力和集成 AI 加速器相结合，有很大潜力开发出全新类型的自主移动机器人。它们将变得更加智能、更具适应性，并能够以高精度和高效率执行复杂任务。

相关内容

要了解有关自主移动机器人的更多信息，请收听《自主移动机器人开发内幕》，并阅读《物联网虚拟化推动协作机器人发展》。有关 congatec 和 Real-Time Systems 的最新创新，请在 Twitter 上关注 @congatecAG，以及在 LinkedIn 上关注 congatec 和 Real-Time Systems GmbH。

本文由文案编辑 Erin Noble 编辑。

减少质量缺陷及其涉及的工作量和成本，是当今制造业面临的最大挑战之一。由于产品不符合预期或达不到可接受的质量标准而不得不重新设计、返工，甚至为客户退款，可能对企业收入产生巨大的财务影响（高达 40%）。这就是为什么许多企业想方设法防止缺陷外流的原因。

但这不仅仅是识别缺陷那么简单。工业 4.0 的兴起迫使制造商让工厂变得更加智能。为了取得成功并保持竞争力，他们需要找到在一开始就能防止缺陷出现的方法，这需要了解质量问题发生的原因和位置。

许多企业已转向机器视觉解决方案来提供缺陷检测，但直到最近，这些系统还难以部署、长期维护、扩展，也很难超出检测异常的范畴。

幸运的是，视觉解决方案提供商 Eigen Innovations 提供了旨在让用户尽可能接近零缺陷制造的软件和服务。

“这不仅关系到检测和预防缺陷，还涉及利用过程数据帮助制造商深入了解过程内部发生的情况”，Eigen Innovations 的首席收入官 Jonathan Weiss 表示。

为制造商配备智能视觉

Eigen 通过首先关注互操作性来做到这一点。该公司开发的解决方案可直接集成到 PLC 中，并支持几乎任何符合行业标准的相机或传感器硬件，因此制造商可以轻松地开始运行机器视觉系统。

其直观的用户界面使制造公司能够设计和管理定制的视觉系统，实时执行在线质量检测，确保零部件存在，优化流程以及简化缺陷的根本原因分析。

例如，一家大型跨国纸浆和纸张制造商在大卷高光纸和层压板涂层的质量控制方面遇到困难，该公司求助于 Eigen Innovations 来实施机器视觉系统。

“他们遇到了一个与涂层堆积有关的问题，导致特种高光纸产品出现条纹”，Weiss 说。该公司无法验证涂层是否均匀涂抹。Weiss 补充说，“如果不均匀，即使只有 8-10 秒，也会导致意外停机，使设备停止运行。”

在 Eigen 的帮助下，该纸张制造商应用了一套智能视觉系统，从而能够发现层压板涂抹过程中的图案，并识别出涂层堆积的区域。Weiss 解释说，由于能够了解堆积的根本原因，并在问题开始发生时获得实时警报，该制造商每年能节省超过 100 万美元。

“视觉系统需要能够识别缺陷并采取相应措施”，Weiss 表示。（视频 1）“由于可以与控制网络通信，我们的解决方案允许制造商接收实时警报，并在检测到问题时触发自动响应。”

视频 1. Eigen Innovations 面向智能工厂的智能视觉系统可捕获数据，使制造商能够超越质量检查。（来源：Eigen Innovations）

除了在线质量检查、实时监控和过程优化外，Eigen 还可以帮助制造商应对需要定期检查的需求。

例如，一家生产塑料部件的汽车原始设备制造商的每个工厂每周可生产超过 15,000 个零件。预计每个工厂有 42,000 个检查点。这个数量不仅无法手动处理，而且制造商需要查找的缺陷类型（例如焊接完整性问题）也不容易用人眼识别。

最初，该原始设备制造商考虑抽取随机样本并进行破坏性测试来检查组件完整性，但这会造成不必要的浪费和返工，而且无法保证在将产品运送给客户之前发现所有缺陷。

“最终，他们需要一种自动化的方式来保证质量和每周的产量”，Weiss 说。

通过与 Eigen 合作，该公司创建了一个解决方案，利用热成像仪捕捉焊接过程的各种视图。这些图像随后融合在一起，生成零件的数字映射，并且关键的过程数据将映射到检查区域，提供人眼无法提供的实时洞察。

“每个零件都要实时经历验证过程，几秒或几毫秒内即可完成”，Weiss 解释说。“他们目前达到的规模之大，仅依靠人眼是无法实现的。”

持续改进机器视觉解决方案

Eigen 以提供用户友好型机器视觉解决方案而自豪。机器操作员可以帮助实时训练和标记模型，确保解决方案随着时间的推移获得更高的准确性和性能。

“它非常易于使用，以至于我们的机器操作员和质量工程师在进行机器学习时甚至不知道他们正在进行机器学习”，Weiss 说。“例如，如果他们看到表面上有不应该存在的划痕，他们可以将其标记，更新模型，软件将来就会识别类似的划痕。”

该公司与英特尔的多层次合作关系使其能够快速测试、验证、采用机器视觉，并最终将其引入工厂。借助 OpenVINO^™ 工具套件，Eigen 不仅能够为用户优化其模型开发和性能，还能根据用例使用各种不同的相机和硬件。

“我们有许多客户已经尝试过视觉系统，能使用现有硬件这一事实对他们很有吸引力”，Weiss 说。“他们不必再进行大笔资本支出。”

未来的机器视觉

展望未来，Eigen 认为机器视觉将继续在制造业中发挥重要作用。随着制造商面临劳动力短缺和找不到熟练工人的问题，机器视觉解决方案将能够介入并填补空白。

“视觉系统将成为员工队伍中不复存在的操作员的眼睛”，Weiss 表示。“我们的解决方案为工厂人员提供了以最高标准有效完成工作所需的工具。”

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

随着时间的推移，许多工业厂房中采用的专有分布式控制系统和硬件正逐渐接近过时。而更换这些系统将会是一项复杂、耗资巨大的工作，并且其通常需要一定的停机时间。除需应对这些挑战之外，掌握专业自动化知识的大批工人也在逐渐退出劳动力市场。

而自动化和数字化可为此提供一种替代方案。工厂可以配备以软件为中心的系统，以提供灵活性、高可用性和弹性，并同时支持可持续发展目标。其中一种解决方案便是使用开放标准技术将控制软件与硬件解耦来进行自动化改造。以软件为中心的自动化方案能够使制造商对市场需求做出响应，根据需要进行扩展，最小化过时问题，避免运营中断，并优化能源利用效率。

该解决方案是通过施耐德电气、红帽 (Red Hat) 和英特尔之间的合作伙伴关系提供的。该解决方案利用了施耐德电气的 EcoStruxture Automation Expert (Soft dPAC)、英特尔的 Edge Controls for Industrial 以及红帽公司的 Ansible。

施耐德电气全球分布式控制系统负责人 Michael Martinez 表示：“我们希望从旧的专有嵌入式控制器架构转向以软件为中心的自动化系统。”

EcoStruxure Automation Expert 采用容器化和编排技术来提高可用性，降低拥有成本，以及避免工艺中断。“通过利用这些技术，我们实现了软件与其运行的硬件平台解耦。实际上，我们可以将控制应用程序加载到不同的位置、不同的服务器甚至不同的计算单元中。这是一种关于自动化的新思维方式，而正是这种方式将为我们提供用户所需的弹性和灵活性，” Martinez 如是说道。

这种方法可以确保工艺的持续运行，避免生产中的任何中断。Martinez 表示：“我们大多数客户都在我们称之为连续工艺设施的情况下运营，这意味着他们无法停机。” 发电中断可能导致停电。在炼油厂或化工生产厂中，这可能会导致爆炸或泄漏事故发生。

软件编排实现连续运营

由于对连续运营的需求，替换技术将会使工艺制厂面临复杂、耗时且昂贵的挑战。Martinez 表示：“专有系统的服务、维护和现代化通常需要大规模的停机和改造。”

红帽公司的 Ansible 编排能力是整体解决方案的关键组成部分。此款创新的自动化解决方案可以处理任何重复和繁琐的任务，比如：将软件加载到机器上或将工作负载转移到其他位置。Martinez 说道：“如果我们的某个设备出现问题，我们可以使用编排器将过程控制应用程序重新部署到另一个正常的设备上。” 通过这种方式，工作人员可以更好地专注于更具创新性的活动。

以软件为中心的自动化系统可以缩短学习曲线

替换专有系统需要详细的计划和精心的执行，以防止在生产过程中发生任何中断。20 世纪 80 年代的控制系统采用了专有的编程语言，而这些语言很难进行转换，并且需要编排人员掌握特殊的知识。许多公司今天仍在使用这些编程语言。

施耐德电气工艺自动化副总裁 Tina Volkringer 说道：“以软件为中心的方法解决了这个重要痛点。这使得工作人员更加灵活，因为他们不再需要掌握专有深入知识来了解自动化系统；我们正在推动基于结果的解决方案。我们的目标是提供即插即用的功能。”

这种即插即用的方法解决了另一个问题：寻找有资格运行老旧设备的人才，而随着工人退休，这方面的人才正在迅速减少。

施耐德电气战略计划总监 Andre Babineau 表示道：“我们所谈论的是一种大多数自动化工程师都非常熟悉的、基于更开放标准的语言。这样，他们可以立即为工艺的价值做出贡献，而无需经过某种中间翻译或使用专有系统、专有语言或一套工具来控制工艺。”

扩展能力是另一个优势。对于操作人员来说，复制工艺可能是一个挑战，因为这需要额外的控制器和基础设施。Martinez 说道：“但是，EcoStruxure Automation Expert 只需少量工作就能简化复制储罐、泵或其他工艺的过程。” 这是由一个系统化的方法驱动的。该应用程序是为了优化产量而编写的，而其运行的硬件只在最后一步才被选择。

施耐德、红帽公司和英特尔联合推出的解决方案极有可能改变工艺自动化进程，为未来的发展奠定基础。利用编排、开放标准和合作伙伴关系，企业能够通过构建自动化解决方案来最小化中断、降低拥有成本，以及减少过时性所带来的影响。该解决方案是发展全自主生产设施的一条路径。尽管 Martinez 并不认为在不久的将来行业会实现完全的自主性，但他预计未来将会出现以软件为中心的自动化系统与人类并肩工作，将效率、灵活性和韧性推向新的高度。

由 insight.tech 的副主编 Georganne Benesch 编辑。

新车进入组装的最后阶段时，检查员会进行一丝不苟的细致检查，以发现任何不一致之处。从油漆脱落到车轮缺陷，再到汽车发动机声音异常，都可能影响最终产品的质量。传统上，这些检查都是手动进行的，但现在员工可以通过人工智能获得迫切需要的援助。

无论检查员有多优秀，只要是人就会漏掉一些细节。工厂车间往往嘈杂、繁忙，会引发各种干扰。重复执行相同任务达数小时时间也会导致思维游离，带来各种错误。但这对于 AI 来说不是问题，AI 利用摄像头、麦克风和传感器在组装线上坚持不懈地寻求完美。

“视觉检查确实是一项繁琐的工作。在工业环境中工作时，您在嘈杂环境中的工作质量可能会随时间推移而下降。借助 AI，您可以实现流程自动化，” byteLAKE 联合创始人 Marcin Rojek 如是说，他是认知服务的开发者，而认知服务是一组专注于工业 4.0 的 AI 模型，负责质量控制相关工作。

Rojek 表示，byteLAKE 认知服务存在的原因是向操作人员提供切实可行的信息，帮助他们制定出更好的决策。

与大多数工业 AI 解决方案不同，byteLAKE 不仅仅通过计算机视觉改进视觉处理方面的工作。该公司使用 AI 模型进行声音分析和基础设施监控。byteLAKE 认知服务可利用麦克风和其他传感器来检测温度、湿度和振动，进而监控设备，努力优化服务交付并防止发生故障。

认知服务将数据转化为洞察

Rojek 和他的好友兼业务合作伙伴 Mariusz Kolanko 于 2016 年联合创立了 byteLAKE，他们的初衷是希望解决如何处理工业组织捕获的所有数据这一问题。许多组织都不知道如何使用这些数据。

“我们希望将 AI 转化为工业案例的有形解决方案。我们将数据加以组合，转换为信息，回答诸如‘会发生什么，可能会发生什么，某件事为什么会发生，错误在哪里，错误是什么，根本原因是什么？’等问题，” Rojek 说道。

通过将不同来源的数据置于适当的上下文中，便有可能实现上述目标。

在制造过程中，计算机视觉算法会分析和解释摄像头沿生产线捕获的图像。可以对模型进行训练，使其理解某些图像，并检测划痕、凹痕和缺孔等各类情况。

在汽车制造过程中，麦克风会捕获发动机的轰鸣声，以确定车辆是否正常运行。这是人类能力可能会受到限制的另一个领域。Rojek 表示：“在聆听厂房中的数十台汽车发动机时，背景噪音此起彼伏，不断变化，您的检查质量可能会大打折扣。”

为确保实时收集所有信息，维持工厂的质量标准，该项技术在边缘安全运行。这样，用户便能够在靠近数据生成位置的地方处理数据，从而解决了带宽和连接时断时续的问题。

byteLAKE 还在食品服务行业中使用计算机视觉，以减少自助餐厅结账时的等待时间。Rojek 说：“收银员不必手动将所有食物品类输入机器，因为摄像头会拍照并识别不同品类。”

在能源基础设施等其他环境中，byteLAKE 将传感器、摄像头和麦克风结合使用，以跟踪液体流动、湿度水平、压力和温度等条件，所有这些条件都提供有关管道、泵、传动装置和其他部件的运行状况和性能信息。这有助于优化运营和资源利用率，减少浪费，最终提供更优质的服务。

Rojek 说：“我们能够预测可能发生的情况，为整个城市的能源管理系统提出最佳配置，我们需要根据当前使用量、预测使用量、历史数据、天气预报等情况，提前规划下周应订购多少能源。”

制造业 AI 弥补了人类的不足

虽然 byteLAKE 认知服务旨在取代重复、枯燥、耗时且易出错的任务，但 Rojek 将这一解决方案视为对人类工作的补充。他解释说，客户似乎并不担心人类被取代，因为 AI 解决了劳动力短缺等问题。AI 还有助于保护员工安全。例如，摄像头和传感器可以使人类远离组装线上的危险设备。

byteLAKE 还与各合作伙伴就客户特定解决方案开展合作。合作伙伴将认知服务与自己的软件和硬件自动化相结合，用以设计工作流程。

先前实施中的现有模型可以面向新客户进行定制。例如，可以通过对照明、生产线尺寸和其他规格调整，将造纸厂模型用于另一家工厂。

英特尔是实现上述所有目标的重要合作伙伴。byteLAKE 参与 AI Builders 等项目，并利用 OpenVINO^™ 工具套件来优化解决方案，降低开发成本。

展望未来，认知服务的功能将继续扩展。byteLAKE 正在开发可自行学习的模型，这样模型便可以“随时间推移自动改进”。Rojek 预计，在不久的将来，模型将以动态方式实时学习，从而“随着业务进展和生成更多数据，不断提高预测质量”。

从长远来看，该公司将专注于更轻松地与制造软件相集成。Rojek 解释说：“我们不想重制车轮，也不想过多地更改制造流程。我们希望弥补运营中的不足，成为其现有工作流程的一部分，而不是将所有工作推到重来。”

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

通常，当您的顾客走进试衣间试穿新服装时，他们最终会面临一大堆选择——不同的款式、颜色和尺码。如果他们可以避免在所有这些选择中进行挑选和试穿的麻烦，情况会有何改观？他们可以利用智能互动镜子省心省力。在 AI 的支持下，智能镜子解决方案可以通过协调实时库存中的商品、不同尺寸和颜色来虚拟地提供另一层客户服务。购物者还可以了解他们想要的服装是否有库存或是否可以在网上购买。

此类解决方案（例如，全方位服务硬件解决方案提供商 Pyramid Computer 的 Polytouch Magic Mirror）现已推出。该平台可帮助零售商提供独特的客户参与体验、在线购物的优势以及近距离亲眼看到和触摸商品的功能。

店内零售的个性化体验走向虚拟化

其中一个典型的例子是一家大型运动时尚零售商，利用 Polytouch Magic Mirror 打造出智能试衣间。该零售连锁店在其试衣间部署了该解决方案，即配备高清显示屏、10 点触摸屏和用于基于 RFID 的物品识别的天线的镜子，所有这些均由小型电脑提供支持。

该解决方案使用的是 RFID 扫描技术而不是摄像头，出于隐私原因，客户显然不希望摄像头出现在试衣间中。

扫描仪可感应哪些商品被带入试衣间，利用数据建议协调配饰，并通知客户是否以及在哪里有替代选项。店内和在线库存信息之间的无缝链接，提供了“无限货架”的客户体验。同时，它使零售商能够为商店吸引更多客流量，获得新的洞察，克服员工短缺问题，并降低运营成本。

Pyramid 营销与设计主管 Anthony Hunckler 表示，“零售商可以优化分配给店员的任务，而不必将他们派到试衣间为顾客提供咨询以及寻找商品。

RFID 阅读器与后端软件通信，为客户提供信息，并为零售商提供有价值的数据。“软件是最终与客户进行品牌互动的元素，例如高质量的产品图片和媒体。” Hunckler 解释说，软件和硬件元素必须协同工作，才能在用户界面和用户体验方面提供这种灵活性和流动性”。

已经采用 RFID 系统进行库存管理的零售商会发现实施 Magic Mirror 很容易。在这种情况下，他们的后端已准备好添加此镜子来扫描产品。对于维护，Pyramid 提供高服务水平的保修。Hunckler 说，“如果您遇到问题，我们可以非常轻松地切换系统并进行显示。从这个角度来看，我们的合作伙伴几乎没有风险”。该解决方案的基于英特尔技术的电脑提供坚固耐用的 24/7 可靠性，这对于零售环境中的部署非常重要。

关于销售、客户偏好和物流的洞察

由于 Magic Mirror 解决方案与顾客互动并收集有关他们的选择和偏好的数据，因此可提供获得有价值的店内零售洞察的机会。

根据零售商选择或开发的软件，他们可以收集和分析深入的销售数据，辨别客户偏好，优化物流和库存管理，以及交叉销售相关商品。Hunckler 表示，“分析对于零售商根据客户习惯的实时数据优化库存非常重要。例如，如果您发现您销售的 T 恤中有 80% 是白色，您就会知道您的库存中需要更多的白色 T 恤，而需要更少的其他颜色。”

利用这些数据，传统零售商可以准确预测他们需要库存的商品数量、时间和地点，从而帮助制定物流决策并满足需求。

细粒度级别的洞察将帮助零售商为实体零售业快速变化的未来做好准备。Hunckler 表示，“我们过去所了解的零售业结构在今天已经不再适用”。一些顾客仍然到商店以传统方式挑选、试穿服装并做出决定，但许多其他顾客来到实体店只是为了领取他们在网上预订的商品。如果零售商可以通过增强只有当面才能提供的购物体验（例如，特别优惠和福利）来与在线客户建立联系，那么这些客户就会意识到访问实体店的价值，并且零售商店可以获得品牌忠诚度。

Hunckler 表示，留意客户的个人偏好和需求是成功的关键因素。“客户的习惯各有不同。有些人喜欢得到工作人员的帮助，而另一些人则不希望得到这种关注。零售商需要集中精力提供大量数字支持并个性化整体体验。”

由 insight.tech 的副主编 Georganne Benesch 编辑。

顾客进店之后，自然希望能够找到自己需要的商品。如果找不到的话——无论是由于业内屡见不鲜的人手不足问题，还是由于手动上货流程效率低下——顾客只能去别处看看，而店家只好拱手让出这单生意。

但是，由于商品缺货或放错位置而失去顾客，是零售商无法承受的后果。最近发布的一份报告发现：在全球范围内，这个问题每年造成的销售额损失多达 9840 亿美元。不过问题在于，许多零售商仍然依赖于手动流程来保持货架有货。因此，越来越多零售商已经开始借助人工智能零售分析解决方案，简化其库存管理实践。

采用人工智能零售分析来优化客户体验

不妨看看英国连锁杂货零售店 Nisa 的例子。Nisa 发现，如果商品不能正确地上货，就会对客户体验造成负面影响。为了改善这种情况，Nisa 向零售分析平台提供商 Shelfie 求助，依靠基于云的软件来改进流程并更好地了解库存变动情况。

借助 Shelfie，Nisa 可以使用店内的联网摄像头拍照，然后将每个受监控货架的当前存货情况与预定图表中应有的样子进行比较。

为了实现这一目标，摄像头会拍摄视频图像并将其传输到云端，然后高级机器学习和图像处理算法会在云端分析存货放置及供货情况数据。如果某款商品库存告急或者某些产品放错了位置，工作人员会通过仪表板或移动应用收到实时警报。警报可以发送到条码扫描仪、平板电脑或其他联网设备上。

在一家 Nisa 门店进行的试运行中，Shelfie 能够让库存有货率保持在大约 95%。“Shelfie 提供了我作为零售商，就店内商品的购买、预测和摆放位置优化做出决策所需的全部数据。” 多家 Nisa 门店的店主兼经营者 Rav Garcha 说道。

提高人工效率

Shelfie 首席执行官 Yehia Oweiss 指出，如今各行各业的技术都在迅猛发展，但令人惊讶的是，大多数零售商仍然需要依靠人力来完成以下工作：在店内巡视，查看货架上哪些商品有货、哪些商品库存告急，然后进入仓库或后方储藏室，把相应的商品装上手推车，最后推着手推车为货架补货。

Shelfie 旨在减轻零售业人力工作者的负担，使其能够轻松监控货架情况并获得有意义的洞察。“这个解决方案不会取代店员，而是旨在提高他们的工作效率。” Oweiss 解释道，“我们的软件会告诉你缺货最严重的时间和日期以及相应的具体货架。现在，如果你掌握了这些数据，就可以更加高效地部署负责补货的人员。”

视频 1。Shelfie 由分析平台、图像捕获设备和报告仪表板组成，可提供对货架库存管理的洞察。（来源：Shelfie）

虽然同类解决方案往往非常复杂或是扩展成本高昂，但 Shelfie 却易于部署和扩展。该解决方案可以处理所有分析，并在商品缺货或库存告急时向商店经营者发出警报。

Oweiss 解释道：“你只需将摄像头对准货架并连接到互联网，其余工作均由我们在云端完成。”

该解决方案还采用了与摄像头无关的设计，因此零售商可以使用现有的安保监控摄像头，只要它们能够连接到互联网即可。此外，如有需要，还可以选择在本地设置该平台。

为了实现能够检测零售门店内情况的人工智能模型，Shelfie 采用了 OpenVINO^™ 人工智能工具套件。当新客户决定采用该解决方案时，他们需要提供相关照片和信息来说明每个货架应有的样子，由此启动对人工智能神经引擎为期两周的训练。

随着时间推移，人工智能零售解决方案可以满足商店的更多需求

随着人工智能软件了解各种商品的位置并跟踪它们的销售情况，Shelfie 除了基本的缺货或商品位置错误警报之外，还能提供许多其他的洞察。

例如，仪表板可以显示有关销量最高、销量最低以及最常缺货的 SKU 的数据。经理可以了解某款产品已缺货多长时间，特定产品在一天之中销量最高和最低的时间，以及他们需要确保哪些销量名列前茅的商品从不缺货。Oweiss 指出，这种高度细化的数据很难通过手动流程来收集，并且可以提供非常重要的洞察，帮助优化销售和上货工作。

“最终，Shelfie 可以改进业务流程。”他解释道。“在客户满意度方面，它收到了很好的效果。零售商需要处理许许多多的事务，每天都会面临新的挑战。这个解决方案可以提供必要的数据和洞察，帮助他们把握先机并了解哪些事情需要优先处理。”

该解决方案的用例不仅限于零售业。例如，Oweiss 表示 Shelfie 将被引入加油站，用于监控溢油、统计顾客人数以及保持监管合规。此外，该公司还将在油气行业实施该解决方案，用于监控油压头是否存在漏油或溢油的情况。“每个用例都关乎业务流程的效率。” Oweiss 说道，“掌握关键数据之后，你就可以更加高效地部署相关人员，并最大限度提高他们的工作成效。”

Oweiss 认为，随着零售分析的用途不断拓展，增强现实和人工智能技术将在未来的解决方案中发挥越来越重要的作用。现在，大型连锁零售商以及拥有众多网点的公司往往会在必要的变革管理中遇到困难，因而难以顺利实施全新解决方案；相比之下，规模较小的公司和独立零售商往往比较容易采纳像 Shelfie 这样的解决方案。

“对于他们来说，灵活性和成本节省都是优势。” Oweiss 说道，“我们的解决方案不要求使用特定摄像头型号或是高清图像，因此他们可以利用已有的技术设施，让全新解决方案快速投入运行。”

本文由 insight.tech 的副主编 Christina Cardoza 编辑。