3S Market 傳遞 智慧應用與價值的商業資訊
Why Demand For Armed-Drones Is Surging 為什麼對武裝無人機的需求激增
工業 4.0 智慧工廠 |
智慧車載交通與自動化
2021年5月12日 星期三
．數位化 今天的見識創造明天的價值
DHL Strategy 2025 - Delivering Excellence in a Digital World DHL 2025 策略 - 在數位字世界中實現卓越
DIGITALIZATION
THE INSIGHTS OF TODAY CREATE THE VALUE OF TOMORROW
人工智慧、機器人技術、量子計算
追蹤可能影響你業務的趨勢和創新
回顧 21 世紀的前二十年，我們看到物流業透過先進的技術，新的商業模式和客戶行為的急劇變化而重塑。實際上，過去幾年的轉型，本質可能大於過去 100 年的總和 - 我們才剛剛開始感受到這種影響。
從雲端計算到協作機器人，再到大數據分析再到人工智慧，我們如何才能緊貼趨勢，並掌握一波又一波的顛覆性技術？
答案是，將它們保留在我們的雷達螢幕上。為了保持領先地位，並積極塑造即將到來的轉型，物流專業人員需要不斷發現和接受新趨勢。
考慮到這一點，我們與客戶緊密合作，分析營運並追蹤技術以捕獲社交、業務和技術趨勢。結果就是 DHL 物流趨勢雷達。
該報告基於對總體和個體趨勢的廣泛分析，以及來自 20,000 多位物流專業人士和技術專家的見解，是一種動態和策略性的預見性工具，可追蹤過去版本中，發現的趨勢的演變，並確定當前和未來的趨勢 每次更新。
It is important to forecast the challenges ahead and envision possible solutions so that we may best advise our customers.
預測未來的挑戰，並設想可能的解決方案非常重要，這樣我們才能最好地為客戶提供建議。
DHL 首席商務官 Katja Busch
未來十年會更具變革性嗎？
DHL 物流趨勢雷達現已出版第五版，揭示了將對物流業產生影響的 29 個主要趨勢。當我們回顧過去，現在和未來的趨勢時，很明顯，物流正進入一個變革性的十年。
問題是它將產生怎樣的變革。數據顯示，儘管我們在過去四年中，監測到的趨勢趨於穩定，但冠狀病毒大流行，已經引起了地震變化。隨著物流業做出改變以度過難關，轉型過程正在緊鑼密鼓地進行。行業數位化已經加速了數年。
日益成熟的數位技術，使我們能夠專注於社會和商業趨勢，這些趨勢將塑造物流業的未來。應變能力、可持續性和面向未來的後勤隊伍，將在未來幾年中成為供應鏈組織策略議程的中心。
電子商務呢？
大流行還促進了電子商務的發展，電子商務仍僅佔全球零售支出的一小部分。該領域的成長及其潛力，將繼續推動創新和可持續性。企業對企業的電子商務有望跟風，並以三分之二的比例使消費市場相形見war。擴大規模，並採用新技術的關鍵數位行動，最終將決定未來的行業領導地位。
隨著世界倡議減少碳排放和廢物的努力不斷增加，可持續物流的趨勢，將仍然是供應鏈議程的重中之重。有巨大的機會來減少物流的環境足跡。透過瞭解趨勢，我們可以朝著解決方案方向努力。例如，隨著 90 多個國家對一次性塑膠用品的禁令生效，重新思考我們如何包裝商品，是不可避免的。隨著污染在當今擁擠的城市中，日益成為人們關注的焦點，智慧集裝箱化和新的「最後一英里」解決方案，將為創新者提供競爭優勢。
The Logistics Trend Radar serves as seismograph for future trends. we already see the impact of COVID-19 is accelerating trends that were already well underway.
物流趨勢雷達，充當未來趨勢的地震儀。 我們已經看到了 COVID-19 的影響，正在加速本來就很好的趨勢。
DHL 創新與商業發展全球負責人高級副總裁 Matthias Heutger
建立有彈性，可持續發展和面向未來的供應鏈
COVID-19 一直是物流創新的催化劑 - 它放大了影響行業發展的三個趨勢。
1. 長期以來，效率一直是大多數公司的第一大供應鏈優先事項。降低總成本的努力推動了低成本採購策略和許多行業的及時交貨的發展。
在大多數情況下，這些方法都非常成功，但是從貿易戰到冠狀病毒，最近發生的事件使它們的弱點備受關注。領先的公司現在正在建立積極的風險管理系統，重點放在數字工具和經過良好演練的緩解策略上。
2. 如果冠狀病毒大流行有一線希望，那就是全球經濟放緩導致的碳排放突然而戲劇性地減少。儘管這不可能持續太久，但可持續性仍將是物流部門的重中之重。
3. 社會和環境承諾正在成為焦點，並超越了溫室氣體的排放。固體廢物（尤其是塑膠）的影響，正受到越來越多的審查。創新者正在投資於更清潔的車輛技術，並探索減少包裝中浪費材料的方法。
在冠狀病毒危機之前，數字化轉型已經進行得很好，但是隨著領導者尋找保護其組織免受未來破壞性事件影響的方法，變革已呈現出新的緊迫性。
隨著公司對流程進行數位化，他們發現提高透明度和靈活性推動了進一步數位化的需求。但是，隨著數位方法在供應鍊和物流流程中，變得越來越重要，公司意識到他們需要更多地關注其活動的人為方面。
數位系統需要人員來建構，維護和改進它們，而供應鏈營運則需要人與機器之間，緊密而持續的協作。
將願景付諸實踐
在不斷變化的社會和商業環境中，物流行業如何理解和看到技術突破的潛力？
自 2013 年以來，我們在 DHL 創新中心開發，並不斷更新了「物流趨勢雷達」，以突出顯示將對未來物流產生相關影響，即將到來的趨勢。
作為經典研究方法的補充，我們獨特且集成的以客戶為中心的創新方法可幫助我們解釋，評估和為即將發生的事情做好準備。
我們在德國，新加坡和美國的三個創新中心為我們的客戶，合作夥伴和同事提供了靈感，聯繫和參與的紐帶。
這些中心促進了推動物流創新的觀點和新觀念的交流。
為了在當今動態世界中將重要信號與背景噪聲區分開來，我們在開發「物流趨勢雷達」時一直保持三個關鍵價值：與客戶，新技術和營運保持緊密聯繫。
我們與世界各地的客戶緊密合作，以瞭解痛點和未滿足的供應鏈需求。我們還邀請所有行業的供應鏈領導者，全面描繪影響全球供應鏈的趨勢，以及對特定行業影響不成比例的趨勢。
在每期《物流趨勢雷達》之間，我們直接與數百家初創公司合作，並監視另外 1000 家新創公司，以跟上變化的步伐並保持領先於新興技術的地位。
為了更好地可視化可用於改善供應鏈流程的解決方案，我們還在物流設施上花費了大量時間。透過傾聽管理人員，和員工的需求併步步為營，我們對空中、海洋、公路和鐵路營運的各個方面，保持了非常熟悉，並且能夠更好地瞭解新興趨勢的相關性，及其對行業的影響。
這種獨特且整合的以客戶為中心的創新方法，補充了我們的趨勢研究，並有助於我們解釋，評估和為即將發生的事情做準備。
 |
．CMS 施工管理系統
Construction Project Management Software: Manage Projects & Field Teams in The Cloud
施工項目管理軟體：在雲中管理項目和現場團隊
建設階段位於 EPC 項目的最下游，它從工程和採購階段接收大量資訊。 實際上，隨著工廠規模的擴大，資訊量也在增加。
CMS 不僅支持大型複雜工廠建設的物料管理、進度管理、品質管理和人力管理，而且還用作項目優化工具，可將要求從建築傳達到工程和採購。
技術遇上激情的地方：確保偏遠地區的專案項目成功
沙漠、叢林、極端寒冷、文化差異 - 無論區域挑戰如何，無論項目規模多大，JGC 都能滿足客戶的期望。這是我們施工服務的承諾，我們承諾將在預算之內，堅持到最後一天，並遵守所有安全法規，期限和品質標準。
在全球有效地整合了員工、工人、設備和材料，我們起草了詳細的計劃，以最大程度地減少施工時間和成本，同時確保安全和質量。在現場，我們為每個項目地點介紹合適的施工方法，並使用施工管理系統有效地佈署人力。
JGC 在起草施工計劃和執行， 工廠施工涉及困難或不穩定的情況方面，具有多年經驗。我們所有的項目人員都以團隊為單位，清晰、快速地處理問題，以實現工廠的按時完成。
1. 可行性研究 - 合同招標階段，
JGC 建造的工廠遍布世界各地，處於各種環境中，具有不同的用途。我們的海外項目經驗數據庫，可以追溯到 50 年前，我們最大程度地運用了，這一專業知識，分析了工廠的獨特情況，並提供了優化的施工計劃，和固定成本清單，以支持我們對項目的投標。
2. 項目開始 - 現場施工開始 項目團隊匯聚了在E（工程），P（採購）和C（建築），各個領域的專家，他們都是才華橫溢的成員。
負責C（施工）的施工小組，由具有豐富現場經驗的施工經理領導，由專業人士組成，每個專業人員都具有施工計劃、施工合同、進度控制和其他專業知識。
該小組開始進行準備，以便能夠盡快開始未來的建設工作。對於未開發的土地上的建築工作，該集團還從世界各地，選擇最佳的分包商，來制訂臨時計劃，例如建立施工營地和辦公室，並執行大規模的項目建築工作。
此外，在項目開始的早期階段，小組根據施工進度和程序（稱為「可施工性研究」）計劃需求，並提供有關上游過程設計和採購的回饋意見，以優化整個項目。
3. 隨著上游流程設計和採購功能達到頂峰，為現場順利進行施工做好了準備。有時將現有的河流或池塘搬遷，同時採取環境保護措施準備施工現場，拆除現有結構並改善地基，並設立施工營地，以容納大量人員。
在實際的施工開始後，施工任務和施工品質、進度，以及大量人員和設備，都得到了良好的管理。不僅如此，而且有關設計進度的資訊，即時分發和共享給設計和採購團隊，以及對未來可能出現的問題的預期，都可以計劃各種適當的施工措施，來執行施工項目。
毋庸置疑，施工現場可以確保安全和品質。近年來，我們的場域工地建立了無事故、無災難的「 1 億小時」的全球記錄（每天從事此工作的 3 萬，或更多人中，沒有一個人遭受重大傷害）。我們的安全管理，贏得了客戶的高度評價。
將 JGC 的總部，海外集團公司以及一支由 40,000 名不同國籍的員工和工人，組成的團隊團結起來，在世界各地的建築工地工作，需要「堅定的決心和領導才能完成這項工作」。所有這些都是我們引以為傲的強大施工執行能力的源泉。
．3D 列印數據模型之經驗分享
Make Architects: Transforming the model shop with 3D printing Make Architects：通過3D打印改造模型店
來源：三的部落
大數據時代，數據已經滲透到當今每一個行業，和業務職能領域，成為重要的生產因素。我們的 3D 列印 也同樣的，是這數據海洋中的一部分。3D 列印離不開數據模型，數據從哪裡來？如何做，才能是這些數據模型易於列印，又接近完美，還能達到我們的列印目的？下面我們一一來破解！
首先，什麼是數據模型？數據模型是指透過電腦軟體、掃描、測繪或其他方式，將工程或產品的設計方案、正圖（原圖）、草圖和技術性說明，及其他技術圖樣所表達的形體，構造成可用於設計和後續處理工作，所需的數位模型。
那麼，3D 列印數據模型格式有哪些？一般來說，最常用的為STL，當然還可以提供 OBJ、STEP、IGES 等通用格式代為轉換。STL 是一種三維面片型的數據文件格式，其基本原理是採用小三角形面片，去編輯三維實體的自由曲面，來描述幾何資訊，不支持顏色材質等資訊。
數據模型要求
（1）物體模型必須為封閉的
通俗的說是「不漏水的」，可以借助一些軟體，比如 3ds Max的 STL 檢測，Magics 的修復嚮導等進行檢查。
（2）物體需要厚度
在各類軟體中，曲面都是理想的，沒有壁厚，但在現實中沒有壁厚的東西是不存在的，所以在建模時不能簡單的由幾個曲面，圍成一個不封閉的模型。
（3）物體模型必須為流形
流形的完整定義，請參考數學定義。對於我們簡單來看，如果一個網格數據中，存在多個面共享一條邊，那麼它就是非流形的。
（4）正確的法線方向
模型中所有的面法線，需要指向一個正確的方向。如果你的模型中，包含了錯誤的法線方向，列印機就不能夠判斷出，是模型的內部還是外部。
（5）物體模型的最小厚度
列印模型的壁厚，要考慮到列印機能列印的最小壁厚。不然，會出現失敗或者錯誤的模型，最小壁厚根據不同的 3D 列印機而發生變化。
（6）刪除多餘的幾何形狀
如果建模時的一些參考點、線或面，還包括一些隱藏的幾何形狀，在建模完成時沒有刪掉，則需要刪掉多餘的幾何形狀。
（7）刪除重複面片
建模時兩個面疊加在一起，就會產生重複的面片，需要刪去重複的面。
數據模型獲取
1. 物體測繪
根據物體結構特徵，進行系統的分析和測量，確定模型的基本結構和曲面類型，建立可以 3D 列印的數據模型，此種方式適合結構比較規則的物體。
2. 三維逆向
根據物體結構特徵，進行物體外形結構及色彩的掃描，以獲得物體表面的空間坐標，將物體立體資訊轉換為電腦數據，三維掃描技術能實現非接觸測量，且具有速度快，精度高的特點，此種方式適合於結構比較複雜的物體。
3. 二維圖紙/圖片/照片/CT/MRI
根據二維圖紙/圖片/照片/CT/MRI，建立數據模型。
數據模型修復
1. 修復 STL 模型文件
STL模型可能會存在一些問題，會導致列印過程中出現品質問題，透過對模型的殼體、孔洞、縫隙、壞邊、三角面片的修復，提高列印成功率。
2. 對掃描數據進行修復
掃描數據一般為三維點雲數據，或 STL 格式的面片文件，對掃描數據進行減面、修復、光滑、曲面重建等修復，以獲得掃描物體的原始數據。
數據模型切片
1. 優化擺放方式，可以提高模型的列印品質和降低模型製作成本。
2. 抽殼可以減輕模型重量，降低模型成本，有特殊要求的，還可以添加一定的拓撲結構。
3. 添加 Z 軸補償，可一定程度上保證模型數據列印尺寸偏差，合理添加支撐，可以提高模型製作成功率，當然不同的列印切片要求不一樣，需要依據實際情況處理。（三的部落：Wilson Wang）
|
．機器人視覺的九大挑戰
電腦視覺技術經過半世紀發展終有斬獲
來源： 新戰略機器人網
機器人視覺解決方案，是我們實現機器人視野的幾大挑戰。即便變得越來越簡單易用，還是有一些棘手的問題。很多因素影響機器人在環境中的視覺，任務設置和工作場所。這裡有 9 個總結出來的機器人視覺挑戰：
照明
如果有過在低光照下拍攝數碼照片的經驗，就會知道照明非常重要。糟糕的照明會毀掉一切。成像感測器不像人眼那樣，適應性強或敏感。如果照明類型錯誤，視覺感測器將無法可靠地檢測到物體。
有各種克服照明挑戰的方法。一種方法是將有源照明結合到視覺感測器本身中。其他解決方案包括使用紅外線照明，環境中的固定照明或使用其他形式的光的技術，例如激光。
變形或鉸接
球是用電腦視覺設置，來檢測的簡單對象。你可能只是檢測它的圓形輪廓，也許使用模板匹配算法。但是，如果球被壓扁，它會改變形狀，同樣的方法將不再起作用。這是變形。它會導致一些機器人視覺技術，相當大的問題。
鉸接類似，是指由可移動關節引起的變形。例如，當您在肘部彎曲手臂時，手臂的形狀會發生變化。各個鏈接（骨骼）保持相同的形狀，但輪廓變形。由於許多視覺算法使用形狀輪廓，因此清晰度，使得物體辨識更加困難。
職位和方向
機器人視覺系統最常見的功能，是檢測已知物體的位置和方向。因此，大多數整合視覺解決方，案通常都克服了這兩者面臨的挑戰。
只要整個物體，可以在攝影機圖像內被查看，檢測物體的位置通常是直截了當的。許多系統對於對象方向的變化，也是強健的。但是，並不是所有的方向都是平等的。雖然檢測沿一個軸旋轉的物體，是足夠簡單的，但是檢測物體何時 3D 旋轉則更為複雜。
背景
圖像的背景，對物體檢測的容易程度有很大的影響。想像一個極端的例子，對象被放置在一張紙上，在該紙上列印同一對象的圖像。在這種情況下，機器人視覺設置，可能不可能確定哪個是真實的物體。
完美的背景是空白的，並提供與檢測到的物體良好的對比。它的確切屬性，將取決於正在使用的視覺檢測算法。如果使用邊緣檢測器，那麼背景不應該包含清晰的線條。背景的顏色和亮度，也應該與物體的顏色和亮度不同。
閉塞
遮擋，意味著物體的一部分被遮住了。在前面的四個挑戰中，整個對象出現在攝影機圖像中。遮擋是不同的，因為部分對象丟失。視覺系統顯然不能檢測到圖像中，不存在的東西。
有各種各樣的東西，可能會導致遮擋，包括：其他物體、機器人的部分或攝影機的不良位置。克服遮擋的方法，通常涉及將對象的可見部分，與其已知模型進行匹配，並假定對象的隱藏部分存在。
比例
在某些情況下，人眼很容易被尺度上的差異所欺騙。機器人視覺系統也可能被他們弄糊塗了。想像一下，你有兩個完全相同的物體，只是一個比另一個大。想像一下，你正在使用固定的 2D 視覺設置，物體的大小決定了它與機器人的距離。
如果你訓練系統辨識較小的物體，則會錯誤地檢測到兩個物體是相同的，並且較大的物體更接近攝影機。
尺度的另一個問題，也許不那麼明顯，就是像素值的問題。如果將機器人攝影機放置得很遠，則圖像中的對象，將由較少的像素表示。當有更多的像素代表對象時，圖像處理算法會更好地工作，但有一些例外。
攝影機放置
不正確的攝影機位置，可能會導致以前出現過的任何問題，所以重要的是要正確使用它。嘗試將攝影機放置在光線充足的區域，以便在沒有變形的情況下，盡可能清楚地看到物體，盡可能靠近物體而不會造成遮擋。攝影機和觀看表面之間，不應有干擾的背景或其他物體。
運動
移動有時，會導致電腦視覺設置出現問題，特別是在圖像中出現模糊時。例如，這可能發生在快速移動的傳送帶上的物體上。
數位成像感測器，在短時間內捕獲圖像，但不會瞬間捕獲整個圖像。如果一個物體在捕捉過程中移動太快，將導致圖像模糊。我們的眼睛可能不會注意到，影像中的模糊，但算法會。當有清晰的靜態圖像時，機器人視覺效果最佳。
與視覺算法的技術方面相比，最後的挑戰，更多地涉及到你的視覺設置方法。機器人視野面臨的最大挑戰之一，就是工作人員對於視覺系統，能提供什麼不切實際的期望。
透過確保期望符合技術的能力，你將從技術中，獲得最大收益。你可以透過確保員工，接受關於視覺系統的教育來實現這一點。
