多式聯運正在以令人眼花繚亂的速度發展，貨件監控技術也在以令人眼花繚亂的速度發展，包括多式聯運貨件跟蹤系統。業界對多式聯運貨件跟蹤采取了三種不同的方法，即運營商數據聚合方法、物聯網傳感器方法和混合的“傳感器+非傳感器”平臺方法。讓我們探索這三種方法如何解決多式聯運貨件跟蹤問題。我們還將討論每種方法提供的可見性級別，使您能夠在公路、鐵路、航空或海洋多式聯運中實現按時、全額(OTIF)交付和冷鏈合規。

多式聯運顯然是物流的未來，尤其是在運輸距離不斷增加的世界里，如果你能有效地運營你的多式聯運運輸業務，這通常是個好消息。

根據《全球多式聯運貨運市場報告(2020 - 2025年)》，“多式聯運可以提高30%的運輸效率，減少10%的貨物損壞，降低20%的運輸成本，減少50%以上的公路擁堵，并促進三分之一以上的節能減排。”

但是這種指數增長也要求聯運貨物跟蹤系統在技術和效率方面以同樣的速度增長。

多式聯運貨物的非線性流動依賴于公路、鐵路、航空和海運的定期和不定期運輸。在這種情況下，僅僅在訂單層面上了解貨物的位置是不夠的。人們還需要知道確切的裝運地點和包裝條件。準確的預計到達時間和冷鏈合規性也是處理聯運貨物時最重要的兩個方面，目前大多數貨物都涉及多種模式。如果沒有一個實施良好的多式聯運貨物跟蹤系統，這一切都是不可能的。

由于技術進步，您現在可以跟蹤包裹的行程。但是真的那么容易嗎?

讓我們首先通過跟蹤貨物來了解多式聯運運輸操作有多復雜。

多式聯運的航程

讓我們想象一下從馬來西亞的吉隆坡到美國的芝加哥的LCL(小于集裝箱裝載量)海運的步驟。

1.從吉隆坡的發貨人那里拿的。

2.拖到吉隆坡附近的綜合倉庫;結合其他拼箱。

3.拖到另一個集合點進行集裝箱化。

4.集裝箱然后被拖到巴生港，最近的海港。

5.集裝箱在馬來西亞巴生港辦理托運和出口清關手續。

6.集裝箱被放置在正確的海灣等待它的船只旅程。

7.一旦船只到達，它就被裝載到船上并到達美國的紐約港。

8.在吉隆坡和紐約之間，集裝箱可以在另一個港口轉運。

9.到達紐約后，集裝箱被卸下并放在正確的位置，等待進口清關程序。

10.在港口作業中，它可能會多次移動位置以完成清關清單。

11.成功清關后，集裝箱將被拖走進行拆箱。

12.拆分后，它將在芝加哥進行最后一英里的旅程，并在芝加哥內部交付給收貨人。

您將會注意到，本例中的聯運貨物在監管鏈中被不同的參與者接觸(物理處理)了至少十次。它通過3種不同的方式運輸，通過至少5個轉運點辦理進出手續，并經過至少兩次合并和解除合并。

在聯運貨物中，也就是說，涉及許多運輸商、轉運點和接觸點的貨物，通常很難獲得端到端的可視性。更難知道貨物是否按時到達目的地并處于良好狀態，尤其是如果集裝箱需要主動冷卻。

因此，讓我們看看獲得多式聯運貨物可見性的方法，它們是如何工作的，以及哪種方法最適合多式聯運貨物。

一、多式聯運貨件跟蹤的承運人數據聚合方法

實時交通可見性平臺(RTTVP)從運營商或運輸商的遠程信息處理、船舶、航班和其他眾包饋送收集數據，以提供可見性。遠程信息處理硬件(第一英里和最后一英里)通常由運營商或運輸商擁有，并與可見性平臺(如果存在)集成在一起。

用戶通常只需支付少量費用即可訪問聚合平臺;無需支付與硬件相關的費用。來自多個接觸點的數據經過整理并呈現在門戶上，或使用API進行訪問。

缺點

這是最容易獲得可見性的方法，但它也有幾個缺點。這些系統不能解決可驗證性、數據內聚性和可操作性的挑戰，因為它們依賴供應鏈中的眾多參與者來提供數據。

以下是多式聯運在聚合數據以獲得端到端可見性方面面臨的挑戰的幾個例子：

1.可見性不是實時的--ELD或遠程信息處理數據是通過API聚合的，并且可見性數據并不總是即時的或當前的反映。

2.沒有明確的第一英里和最后一英里可見性--您從多式聯運運營商(MTO)獲得的信息大多不完整，無法核實。有時，這些信息是手動收集的，或者根本不可用，這使得它更加不可靠。

3.最好的訂單級可見性--如果您正在發運拼箱貨物或需要項目級信息，這些平臺無法始終進行驗證，因為大多數船只和航空公司共享訂單級數據。

4.缺少狀態監控數據--數據處于訂單、卡車、船舶或飛行級別。如果不知道途中的情況，你就不能在貨物到達目的地之前防止污染或損壞。

5.充其量是近似的ETA預測--由于有多個數據流進入而沒有可驗證性，因此不可能獲得準確的ETA。錯誤的ETA使數據對決策或物流自動化毫無價值。

6.黑天鵝活動期間的障礙--溝通和協作方面的失敗可能會導致多式聯運管理的嚴重限制。在中斷時期，例如最近的大流行或蘇伊士運河曾經發生的交通擁堵，這些故障變得更加明顯，并導致更多的延誤。

運營商數據聚合平臺可能是一個很好的起點，但它們只能提供一定的價值。此外，并不是所有的運營商都有相同的數據收集質量標準;有些運營商會有不同的方法，有些運營商甚至可能沒有適當的可見性系統。這使得數據無法核實。

為了打破這種分散的可見性和數據質量不統一的鏈條，使用了一種依賴第一手數據、有傳感器、不依賴供應鏈中的參與者的方法。

二、面向聯運貨件跟蹤系統的物聯網傳感器方法

貨運物流跟蹤和監控解決方案提供直接收集的、支持物聯網的端到端傳感器信息。

根據Gartner《2021年Gartner跟蹤和監控業務流程上下文：實時交通可見性平臺魔力象限》的報告：在實時交通可見性平臺(RTTVP)中，數據是從運營商收集的，而不是像跟蹤和監控解決方案那樣從獨立的物聯網設備收集數據。該報告進一步指出，“它還可以將可見性擴展到產品交付之外，并經常用于跟蹤產品在堆場或倉庫中的位置和狀況。”

由于物聯網傳感器無需依賴監管鏈中的參與者即可捕獲數據，因此數據更易于驗證。在整個旅程的大部分時間里，您還可以實時獲得端到端物品級別的跟蹤和狀態。

今天，也有技術可以在不存在連接時記錄狀態數據(例如通過空中或海洋)，并在連接恢復時自動將其上傳到云中。

然而，使用純傳感器數據方法并不總是有助于多式聯運貨件跟蹤，因為它不能提供輕松的可見性訪問。

缺點

1.并非所有傳感器都是專門為多式聯運設計的--空運需要一定的電池壽命、報告間隔以及符合IATA/航空公司的要求，尤其是在涉及敏感藥品時。遠洋運輸需要可持續數月的電池或替代充電選項。傳感器必須能夠有目的地迎合這些用例。

2.傳感器所有權和管理--傳感器是購買或租賃的，但如果您投資于傳感器，您將需要管理傳感器庫存、有效利用傳感器、處理其逆向物流或支付資本支出。

3.缺乏可見性環境使其無法操作--大多數傳感器門戶提供位置和條件跟蹤，但無法在幾秒鐘內可驗證地預測它是否會準時到達，是否需要在溫度上升時采取行動，或者貨件的安全是否完好無損。

例如，知道一批貨物是在正確的機場，這只是故事的一半。它被轉移到正確的海灣了嗎?它登上了正確的航班嗎?提前了解這些數據點可以在重新計劃和重新發送貨物時節省數小時或數天。

因此，傳感器數據填補了運營商數據聚合的大部分空白，但僅靠傳感器數據不能實現決策，而這正是混合方法的用武之地。

三、混合“傳感器+非傳感器”平臺方法

這種方法結合了專門構建的物聯網傳感器(“物理”)和非傳感器智能(“數字”)——融合在實時位置感知平臺上。它為傳感器數據提供了更好的環境，使其更具可驗證性和可操作性，從而實現快速決策和物流自動化。

這種方法比基于承運人或純粹基于傳感器的方法提供了更好的供應鏈可見性。可驗證的更好的供應鏈的關鍵是仔細挑選非傳感器數字流的質量，以與通常直接從源頭捕獲的物理流混合。

如果處理得當，混合傳感器驅動信號可提供端到端的信任:

1.可驗證的可見性—實施快速決策、提高運營效率并提升客戶體驗。例如，將港口運營的數字方面與可驗證的傳感器位置和條件相結合，可以告訴您FCL/LCL是否裝載到正確的船只上，它是否在適宜的溫度/濕度下行駛，它是否安全，或者它是否卡在通關隊列中。

2.上下文可見性—可以跨路線、機場運營、港口運營、交付時間表、裝運條件、文檔、過去的表現、當前的條件和監管鏈實時、可驗證地評估整個裝運過程中的SLA(服務級別協議)。

3.準確的信號——基于混合平臺數據的ETA計算可以更好地驗證，并且可以實現超過80%的冷鏈合規性。

總結

實時多式聯運運輸監控就像是帶著您的貨物到處旅行，無論是通過卡車、鐵路、航空還是海運，對供應鏈中參與者的數據的依賴最小。

混合傳感器+非傳感器可見性和智能有助于戰略決策，最終意味著更好的供應鏈可見性和更好的投資回報。該系統確保托運人不必依賴來自承運人的無法驗證的數據，也不必花費時間將傳感器數據點拼接在一起來講述整個故事。