رباتهای انبارداری پس از کایوا: آنچه آمازون، والمارت و اوکادو واقعاً ساختند
در سال ۲۰۱۲، آمازون ۷۷۵ میلیون دلار برای خرید Kiva Systems پرداخت – شرکتی استارتآپی که رباتهای کوچک نارنجی رنگی میساخت و قفسههای کامل کالا را به جای آنکه کارگران مجبور باشند کیلومترها در راهروهای انبار راه بروند، به سمت نیروی انسانی میآورد. این خرید در آن زمان عمدتاً به عنوان یک اقدام عجیب تلقی میشد. آمازون نزدیک به یک میلیارد دلار برای یک شرکت رباتیک هزینه میکرد که به جز حوزه عملیات انبارداری، تقریباً کسی آن را نمیشناخت. چهارده سال بعد، این خرید به یکی از دوراندیشانهترین تصاحبهای صنعتی تاریخ تبدیل شده است. بخش Amazon Robotics اکنون بیش از ۷۵۰٬۰۰۰ ربات را در شبکه توزیع خود به کار گرفته است و صنعت اتوماسیون انبارداری که این شرکت به شکلگیری آن کمک کرد، پیشبینی میشود تا سال ۲۰۳۰ از ۳۰ میلیارد دلار عبور کند.
مقیاس این تحول، تنوع قابل توجهی را در آنچه واقعاً کار کرده، آنچه هنوز در حال بلوغ است و جایی که شکاف اتوماسیون همچنان چشمگیر باقی مانده، پنهان میکند. درک این تنوع مفیدتر از عدد سرخط است.
رویکرد آمازون: لایهها، نه یکپارچگی
سیستم آمازون یک نوع ربات واحد نیست. این یک معماری لایهای است که در آن ماشینهای مختلف وظایف خاصی را در هر مرحله از توزیع انجام میدهند. سیستم Sequoia – سیستم توزیع نسل فعلی آمازون که در سالهای ۲۰۲۵ تا ۲۰۲۶ در سایتهای آمریکا راهاندازی میشود – چندین نوع ربات را در یک جریان کاری سرتاسری ترکیب میکند:
- واحدهای محرک (نسلهای بعدی Kiva) پالتهای کالا را به سمت کارگران ثابت میآورند و بیشتر راه رفتن را حذف میکنند. یک کارگر توزیع معمولی پیشتر روزی ۱۵ مایل راه میرفت؛ سیستمهای واحد محرک این مقدار را به زیر ۲ مایل میرسانند.
- Sparrow بازوی رباتیک آمازون است که به طور خاص برای برداشتن تکتک اقلام از پالتها و مرتبسازی آنها در ظروف سفارش طراحی شده است. این ربات با استفاده از بینایی کامپیوتر و مدلهای آموزشدیده برای گرفتن اشیاء، بیش از ۲۰۰ میلیون نوع کالا را مدیریت میکند. Sparrow جایی است که دید هوش مصنوعی بیش از همه حیاتی است – برداشتن اشیاء بدون ساختار و متنوع به طور قابل اعتماد در سرعت تولید، همچنان دشوار است.
- Proteus واحد محرک کاملاً خودران آمازون است که آزادانه در کنار انسانها حرکت میکند، برخلاف واحدهای محرک قبلی که به مناطق تفکیکشده نیاز داشتند. این ربات جابهجایی جعبهها را در مناطق خروجی انجام میدهد.
- Digit (از شرکت Agility Robotics که آمازون در آن سرمایهگذاری کرده) یک ربات انساننمای دوپا است که در حال حاضر برای جابهجایی جعبههای خالی در مرحله آزمایشی به کار گرفته شده است. فرم فیزیکی انساننما برای کارهایی که در فضاهای طراحیشده برای انسان انجام میشود ضروری است، اما Digit در مقیاس بزرگ هنوز سالها فاصله دارد.
سایتهای مجهز به Sequoia سفارشات را تا ۲۵٪ سریعتر از سایتهای نسل قبل پردازش میکنند و خطاها را به طور قابل توجهی کاهش میدهند. اما این سایتها به سرمایهگذاری قابل توجهی نیز نیاز دارند – ساخت و تجهیز یک مرکز توزیع Sequoia در زمین بکر چند صد میلیون دلار هزینه دارد.
والمارت و Symbotic: جایگزین سرعت بالا
والمارت مسیر متفاوتی را انتخاب کرد. این شرکت به جای خرید مستقیم یک شرکت رباتیک، قراردادی به ارزش ۳٫۵ میلیارد دلار با Symbotic امضا کرد تا سیستم اتوماسیون خود را در ۴۲ مرکز توزیع منطقهای والمارت مستقر کند. رویکرد Symbotic بر یک سیستم ذخیرهسازی متراکم با طبقات بالا متمرکز است که در آن رباتهای کوچک خودمختار با سرعت بالا در یک شبکه سهبعدی ساختاریافته حرکت میکنند – تا حدودی شبیه AutoStore، اما برای نیازهای توان عملیاتی بالاتر یک خردهفروش کالاهای عمومی که به هزاران فروشگاه خدمات میدهد، بهینهسازی شده است.
سیستم Symbotic میتواند به صورت ۲۴ ساعته و ۷ روز هفته بدون نور یا کنترل آب و هوا کار کند (رباتها به هیچکدام نیاز ندارند)، پالتهای مخلوط از SKUهای متفاوت را مدیریت میکند و نیروی کار لازم برای جابهجایی محصول از دریافت ورودی به بازپرسازی فروشگاه را به طور چشمگیری کاهش میدهد. مراکز توزیع والمارت پس از استقرار Symbotic گزارش شده که با حدود ۳۰٪ نیروی کار کمتر برای توان عملیاتی مشابه کار میکنند – اگرچه این نیروها معمولاً تکنسینها و ناظران سیستم با حقوق بالاتر هستند، نه کارگران دستی.
Symbotic در سال ۲۰۲۲ از طریق SPAC وارد بازار عمومی شد و از آن زمان به یک سرمایهگذاری مشترک با SoftBank برای ارائه پلتفرم خود به عنوان سرویس به مشتریان لجستیک شخص ثالث فراتر از والمارت گسترش یافته است – یک تغییر استراتژیک قابل توجه از استقرار مشتری واحد.
اوکادو: مشکل خاص فروشگاههای مواد غذایی
اتوماسیون فروشگاههای مواد غذایی از کالاهای عمومی سختتر است، زیرا تنوع SKU بسیار زیاد است (یک مرکز توزیع مواد غذایی بیش از ۵۰٬۰۰۰ SKU با شکلها، وزنها و نیازهای آسیبپذیری بسیار متفاوت را مدیریت میکند) و چرخههای سفارش فشرده هستند (سفارشات مواد غذایی اغلب باید در کمتر از یک ساعت جمعآوری شوند). اوکادو، خردهفروش آنلاین مواد غذایی بریتانیا، سالها صرف ساخت راهحل خود کرد و سپس آن را به رقبا مجوز داد.
"پلتفرم هوشمند" اوکادو از یک شبکه سهبعدی از رباتهای کوچک استفاده میکند که در بالای یک مکعب ذخیرهسازی متراکم حرکت میکنند و گیرهها را پایین میآورند تا تکتک اقلام را با کارایی قابل توجهی بازیابی کنند – یک مرکز توزیع مشتری (CFC) به مساحت ۶۰۰٬۰۰۰ فوت مربع میتواند بیش از ۶۵٬۰۰۰ سفارش در هفته را با کسری از نیروی کار مورد نیاز یک انبار معمولی مواد غذایی پردازش کند. این پلتفرم اکنون به Kroger در ایالات متحده (چندین CFC فعال)، Sobeys در کانادا و Morrisons در بریتانیا مجوز داده شده است.
چالش اوکادو شدت سرمایه است: ساخت یک CFC بین ۵۰ تا ۸۰ میلیون دلار هزینه دارد. برای خردهفروشان منطقهای یا بازارهایی با تراکم پایین، اقتصاد آن دشوار است. گسترش اوکادو در ایالات متحده با Kroger به همین دلیل کندتر از آنچه در ابتدا اعلام شد، بوده است.
AutoStore و میانه راه AMR
هر انباری به Sequoia یا Symbotic نیاز ندارد. AutoStore – یک شرکت نروژی که اکنون به صورت عمومی معامله میشود – یک سیستم ذخیرهسازی مکعبی مدولار ارائه میدهد که در آن صدها ربات کوچک روی یک شبکه حرکت میکنند و جعبهها را از زیر بازیابی میکنند. این سیستم در فضاهای انبار موجود کار میکند (میتوان آن را تقریباً در هر ساختمانی با کف ساختاری مقاوم نصب کرد)، به نور یا HVAC خاصی نیاز ندارد و از چند ده ربات تا چند هزار ربات مقیاسپذیر است.
AutoStore در بیش از ۱٬۱۰۰ نصب مشتری در ۵۰ کشور، از جمله مشتریان بزرگی مانند DB Schenker، H&M و Puma مستقر شده است. این سیستم در یک بازار میانی جالب قرار میگیرد: پیچیدهتر از سیستمهای نوار نقاله ساده، سرمایهبری کمتر از یک شبکه کامل Symbotic یا Ocado، و به اندازه کافی انعطافپذیر برای کاربردهای مد، دارو و قطعات یدکی که تنوع SKU بالا است اما نیازهای توان عملیاتی متوسط است.
رباتهای متحرک خودمختار مشارکتی (AMR) – واحدهایی از Locus Robotics، 6 River Systems، Geek+ و دیگران – بخش دیگری را هدف قرار میدهند: استقرارهایی که یک شبکه کامل بسیار گران است یا تأسیسات بسیار متغیر است، اما برخی اتوماسیون امکانپذیر است. این رباتها با استفاده از LiDAR و دوربینها به جای مسیرهای ثابت آزادانه حرکت میکنند و در کنار کارگران انسانی کار میکنند. نصب آنها در هفتهها اندازهگیری میشود نه ماهها، و سرمایهگذاری مرتبههای بزرگی کمتر از یک استقرار Sequoia است.
جایی که مشکلات سخت باقی مانده است
برداشتن رباتیک اشیاء بدون ساختار هنوز به طور کامل حل نشده است. Sparrow آمازون بیش از ۲۰۰ میلیون نوع کالا را مدیریت میکند که چشمگیر به نظر میرسد – اما دنباله بلند SKUهایی که شکل نامناسبی دارند، بسیار نرم، بسیار کوچک یا در بستهبندی غیرمعمول هستند، هنوز بازوهای رباتیک را زمینگیر میکند. کارگران انسانی همچنان چابکتر و سازگارتر از هر بازوی رباتیک تجاری در حجمهای مورد نیاز در مراکز توزیع باقی میمانند. این شکاف در حال کاهش است، اما بسته نشده است.
پردازش بازگشتی تقریباً کاملاً دستی است. پردازش یک کالای بازگشتی – بازرسی، تصمیمگیری برای ذخیره مجدد، تا زدن، بستهبندی مجدد یا دور انداختن آن – به چابکی، قضاوت و بازرسی حسی نیاز دارد که رباتهای فعلی به خوبی آن را انجام نمیدهند. نرخ بازگشت تجارت الکترونیک به طور متوسط ۲۰ تا ۳۰٪ به این معنی است که پردازش بازگشتی یک هزینه عملیاتی قابل توجه است که اتوماسیون به سختی به آن پرداخته است.
تحویل مایل آخر یک مشکل کاملاً مجزا است. رباتها میتوانند عملیات مرکز توزیع را بهینه کنند، اما رساندن یک بسته به درب منزل در بیشتر بازارها به یک راننده انسانی نیاز دارد. آزمایشهای تحویل با پهپاد (Amazon Prime Air، Wing از Alphabet) در عملیات تجاری محدود هستند اما فراتر از مناطق جغرافیایی خاص و کلاسهای وزن محصول مقیاس نیافتهاند. رباتهای تحویل خودران زمینی در برخی از پردیسهای دانشگاهی و جوامع برنامهریزیشده در حال فعالیت هستند، اما با موانع نظارتی و زیرساختی قابل توجهی در مقیاس شهری روبرو هستند.
مسئله اشتغال
روایتی که میگوید رباتهای انبارداری مشاغل را حذف میکنند، تا حدی اشتباه و تا حدی درست است، بسته به افق زمانی. نیروی کار توزیع آمازون از حدود ۸۸٬۰۰۰ نفر در سال ۲۰۱۴ به بیش از ۱٫۵ میلیون نفر در سال ۲۰۲۲ افزایش یافت – دورهای از استقرار گسترده ربات. اتوماسیون به آمازون اجازه داد تا سفارشات بسیار بیشتری را با افراد نسبتاً کمتری انجام دهد، اما تعداد کل کارکنان افزایش یافت زیرا کسبوکار سریعتر از بهبود بهرهوری رشد کرد.
الگو اکنون در حال تغییر است. تعداد کارکنان توزیع آمازون ثابت مانده و در برخی سالها حتی کاهش یافته است، در حالی که حجم توزیع همچنان در حال رشد است. اتوماسیون در حال ظهور در آمار اشتغال به گونهای است که استقرار در مراحل اولیه اینگونه نبود. برای کارگران، ترکیب مشاغل نیز در حال تغییر است: مشاغل برداشت کمتر، مشاغل تعمیر و نگهداری ربات، تکنسین سیستم و هماهنگی لجستیک بیشتر – معمولاً با حقوق بهتر، اما نیازمند مهارتهای متفاوت.
نتیجه عملی برای هر کسی که زیرساخت لجستیک میسازد این است که سرمایهگذاری در اتوماسیون انبارداری عمدتاً از طریق بهبود توان عملیاتی و کاهش خطا بازدهی دارد، نه از طریق حذف نیروی کار در کوتاهمدت. مورد ROI به ندرت تنها بر کاهش تعداد کارکنان تکیه دارد. تأسیساتی که اتوماسیون اولیه را پذیرفتند اکنون در نسل دوم و سوم سیستمهای خود هستند – و مزیت مرکب نسبت به رقبای غیرخودکار قابل توجه است.