中文 | English


新聞專欄 > 產業動態

搶食百億美元市場的倉儲機器人公司有哪些?

據 Tractica 預測,2021 年全球倉儲和物流機器人市場將達到 224 億美元,無疑這期間是快速增長的爆發期。相對於前端的物流機器人,留守倉庫的倉儲機器人發展更為成熟。


對電商來說,倉儲管理是整個電商營運體系中極其重要的一環,也是開始成本最高的環節之一。在電商的倉儲中,需要對貨物進行分揀、位移、包裝等多個步驟,早期這些步驟基本上都由人工完成,雖然很多倉儲都有傳送帶等裝置來代替人類移動貨物,但機器是固定位置,靈活度較低,很多工作還是需要人類完成。每至節慶假日或購物狂歡季,都是倉儲人員的惡夢,甚至很多電商員工要晝夜輪班,每天工作十幾個小時,這種工作壓力難以想像。
這種情況不僅在電商中發生,物流工業的倉儲管理和分揀也是一樣。
2012 年,亞馬遜以 7.75 億美元大手筆收購 Kiva System,並將其整編為旗下機器人部門 Amazon Robotics,隨後亞馬遜開始在倉庫大規模部署倉儲機器人,大大提升倉儲執行的效率。也正因為 Kiva 的出現,正式開啟了倉儲機器人領域的大門,讓人們了解倉儲機器人的重要性。今天為大家盤點一下除了 Kiva 之外,國外還有哪些知名的倉儲機器人公司。
GreyOrange
GreyOrange 成立於 2011 年,創始人 Samay Kohli 建立公司的目的是想做教育培訓相關的機器人,後來電商業和物流業迅猛發展,世界第二人口大國的印度對倉儲自動化管理的需求也日漸旺盛,Samay Kohli 看到這個商機,所以公司逐漸轉為一家工業機器人製造公司。
目前,GreyOrange 公司致力於工業機器人,主要目標市場在零售、物流及倉儲機器人領域的構建業務,可以說瞄準電商公司。
GreyOrange 主要推出 3 款機器人自動化產品:高速動態的大小維度稱重系統 Profiler、包裹分析和路徑的高速分揀機械系統 Sorter,以及儲存和檢索機器人 Butler,可收集派發給用戶的包裹,系統還會計算程式庫存,按需要補齊貨源。據悉,由 GreyOrange 提供的技術支援可幫助企業完成每日 300 萬個包裹的分揀工作。
2016 年 8 月,Samay Kohli 入選《麻省理工科技評論》公布的第 16 屆 TR35 榜單,根據當時公布的公司成績,GreyOrange 已佔了印度 92% 的倉儲機器人市場,成為印度倉儲機器人工業當之無愧的老大。同期,GreyOrange 也拿到老虎環球資本領投、Blume Ventures 跟投的 3,000 萬美元 B 輪融資,開始國際化拓展。
Exotec
Exotec 是一家法國機器人初創公司,創立於 2015 年,由 GE 前醫療軟體架構師 Heitz 和 BA 系統技術總監 Romain Moulin 聯合創立。其主要產品是一款小型物流倉儲機器人系統 Exotec Solutions,與一般公司宣稱的「代替人類」不同的是,Exotec 機器人主打移動與協作。
簡單來說,Exotec 機器人在倉儲工作時,主要的工作是將貨架上的貨物取下,並運送到指定工作人員的位置。該機器人有智慧集群系統,作業員透過控制中心為機器人指派工作,透過人為作業,讓人和機器的協作更加高。據官方資料,這款機器人能將倉儲工作人員的日平均行走量從 15 km/天降至 4 km/天,減少很多在路途中浪費的人力勞動。
不過 Exotec 的產品還在完善中,去年年底,該公司拿到 350 萬美元融資,當時公司表示,希望能在 2017 年初推出第一款名為 Exo 的機器人產品。相信很快就會有這款產品的相關資訊了。
Fetch Robotics
就在本週倉儲機器人家族專題正準備時,IEEE官網上出現了一條訊息:Fetch Robotics 在美國 ProMat 大會推出兩款全新的大型物流載貨搬運機器人。
其中一款 Freight 500 能搬運 500 公斤的有效載荷,且能處理「箱子」大小的貨物──可能也是物料搬運、供應鏈及物流解決方案領域的標準箱大小。另一款機器人 Freight 1500 則用於搬運棧板類的標準貨箱,大小也更大,能夠搬運 1,500 公斤的有效載荷。
其實早在 2015 年,Fetch Robotics 就推出兩款小型倉儲機器人,其中一款叫 Fetch,有一個機械臂,可以利用機器視覺、影像處理和導航等技術,按照訂單內容把商品從貨架上拿下來,並擺入另一款機器人上。另一款機器人叫 Freight,負責貨物運輸。這兩款機器人均靠電力驅動,在停止工作時,機器人可以自動傳回充電,整體來說智慧程度還是很高。
這兩款機器人並不是分開的,而是套裝出售,值得一提的是,2015 年該公司拿到 2,300 萬美元融資,融資領投者是日本巨頭 SoftBank(軟銀)。
這次 Fetch Robotics 又發表大型機器人,使其在倉儲領域的產品線又圓滿一些。
Clearpath Robotics
提到大型物流載貨搬運機器人,就不得不提 Clearpath Robotics。
Clearpath Robotics 創立於 2009年,那個時候 Kiva 還沒有成名,不過那時 Clearpath Robotics 也沒在做倉儲機器人。
Clearpath Robotics 最初是由 4 位滑鐵盧大學機電一體化工程專業的學生建立的,創立之初是為美國陸軍地雷區作業發明機器人,後來業務延伸到煤礦、勘探、災害防治甚至教育等領域。從 2010 年拿到 36 萬美元的天使融資後,就一直處於盈利狀態。
隨著倉儲機器人崛起,該公司也開始涉獵,研發了一款名為 Ontario 的倉儲機器人。
與亞馬遜 Kiva 機器人不同的是,Ontario 機器人並不需要掃描地上的循跡資訊,Ontario 身上的感測器可感知周圍環境,自動工作。
在一定程度上 Clearpath Robotics 算是 Fetch Robotics 的競爭對手,不過由於研發難度較高,目前該機器人還沒有正式量產使用。
Swisslog
Swisslog 是一家總部位於瑞士的自動化倉儲和配送物流解決方案提供商,最出名的莫過於其倉儲管理系統 Click&Pick,與 Kiva 等目前市面上大部分貨架式儲存 + 移動機器人運輸的倉儲機器人系統不同的是,Click&Pick 系統採用一種立方體網格架系統,每個立方體內有一個標準大小的箱子裝著待處理的貨物,機器人會在網格中移動,處理這些箱子,如果所需貨物的箱子埋在別的箱子下面,機器人會把上面的箱子拿起來堆在旁邊,拿到貨物後再放好。據 Sisslog 官方稱,Click&Pick 一小時能處理 1 千張訂單,速度是人類作業的 4~5 倍。
不過這種方式需要對倉儲做全新架構,可能不太適合有些電商的倉儲需求。
總體來說,Swisslog 在倉儲領域十分被看好,也像 Kiva 一樣抱巨頭大腿。2014 年,工業機器人四大巨頭之一的 KUKA 斥資 3.35 億美元收購 Swisslog,去年 KUKA 又被中國美的集團收購。今後,Swisslog 的倉儲系統能夠給美的帶來什麼,值得關注。
Locus Robotics
目前做倉儲機器人的產品邏輯大多數讓其搬運物品,解決貨物的位移問題,而 Locus Robotics 在這個基礎上做了一些調整。
Locus Robotics 是一家美國倉儲機器人新創企業,其機器人主要的邏輯並不是在貨物位移的方面提高效率(當然,所有機器人能做的基礎體力活,該機器人都能完成),而是讓工作人員減少大量無意義步行、出錯率高等導致效率低落的行為。簡單來說,用戶在網站下單之後,訂單資訊會直接傳送到 Locus Robotics 機器人上,機器人就能自動去倉儲某個位置接收貨物,可以跟著人類也可以獨立執行,但是總體上還是需要人類協作。
值得一提的是,Locus Robotics 是美國第三方物流公司 Quiet Logistics 的子公司,Kiva 的文中提過,Quiet Logistics 是 Kiva 的第一個用戶。
Magazino
倉儲機器人的出現,就是為了取代人類繁重的體力勞動,但目前大部分倉儲機器人公司都致力於研發自動運輸貨物的機器人,如何讓機器人具備智慧挑揀商品的能力,是倉儲機器人領域最難克服的部分。
德國 Magazino 去年宣布,已經研發了一款名為 TORU 的機器人,它不僅能運輸貨物,還能直接從貨架上分揀物品,這大大減少了人員在倉儲的走動,並減輕員工在分揀貨物上的負擔。
TORU 可在普通貨架、箱子中執行,它一次可抓住並移動多達 8 個鞋盒大小的箱子,並將它們遞送到指定位置或根據需要交替。
在行動方面,TORU 具備視覺導航功能,用兩個雷射感測器掃描距地面約 15 公分高的環境,建立平面地圖,這個地圖可以幫助它偵測周圍環境,進而推斷自己所處位置,精準自動執行。
目前已經有幾個 TORU 機器人投入使用了,以後該公司還會繼續改善機器人。
小結
以上就是國外比較知名的倉儲機器人公司,可看出他們多是在 Kiva 興起後才正式進軍該工業的,且都在這個領域裡進行差異化摸索。不過,雖然很多機器人看上去比 Kiva 更高階,但量產和實際應用上,目前還沒哪家公司顯現出超越 Kiva 的趨勢。
另外,已做出成績的如 GreyOrange、Swisslog 等,不是拿到巨額投資就是抱巨頭大腿,所以資本還是決定了前進速度。



取材自:科技新報/雷鋒網 (2017/4/18)
http://www.leiphone.com/news/201704/2O8bOVPtajCjRfb1.html



回應



發表回應

您的名字:


您的Email:


回應:


請輸入下方圖片內的文字(點擊圖片兩下可更換圖片,大小寫不拘)
圖形驗證碼