YMX Logistics 借助自主堆场操作系统将一家食品杂货分销商的堆场车队削减 36%
要点速览
- •FreightWaves 设立该奖项,旨在表彰具有可衡量运营结果的实际 AI 部署,而不是营销主张。
- •YMX 的 Autonomous Yard Operating System 使用 AI 来预测劳动力需求、支持决策、自动采集数据并协调堆场工作流程。
- •一家美国前五大食品杂货分销网络在采用 YMX 的运营模式和技术后,将其堆场牵引车车队减少了约 36%。
- •YMX 报告称,其客户实现的改善区间包括停留时间降低、司机生产率提高、拥堵减少以及安全事件减少。
- •FreightWaves 表示,YMX 的突出之处在于其系统将堆场技术与可验证的运营结果相连接。

FreightWaves 设立 AI Excellence in Supply Chain Awards,旨在从一个“AI”常常作为新闻稿中宽泛营销标签出现的行业背景中,区分出那些以具有运营意义的方式使用人工智能的公司。
该奖项旨在表彰真实部署和可衡量成果,而不是宣传性主张。参评项目会根据 AI 应用本身的实力、其融入现有工作流程的深度,以及其产生的实际结果进行评估。
今年,YMX Logistics 入选物流公司 Operational AI Integration 类别的获奖名单。此次认可与 YMX 的 Autonomous Yard Operating System(YOS)有关,该系统将 AI 应用于堆场。YMX 表示,与运输或仓储系统相比,堆场这一供应链环节在历史上获得的关注和投资较少。
堆场是运输与仓库运营之间的实体交接点。挂车、司机、闸口、装卸月台、劳动力、安全要求、库存流程和可持续发展举措,都在同一个有限的运营区域内交汇。YMX 认为,这使堆场成为供应链中优化程度最低的领域之一。
在 YMX 的术语中,“自主”并不意味着替代堆场工人,也不意味着大规模部署自动驾驶卡车。该公司用这一术语来描述能够感知堆场状况、预测劳动力需求、提出决策建议、自动采集数据并编排工作流程的 AI。YMX 表示,这些能力旨在让堆场成为一个持续改进的执行层。
YMX CEO Matt Yearling 曾用更直接的方式描述这一变化。他表示,几十年来,即使是最大型托运人的堆场运营,也常常依靠“对讲机上的两个频道和纸笔”运行,几乎无法了解堆场的规模配置、布局,或其相对于潜力的表现。YMX 的系统旨在以一种能够自我衡量并随时间改进的运营模式取代这种方式。
仿真、计算机视觉与堆场数字孪生
YMX 方法的核心是该公司所称的 Digital Operational Twin。该系统以堆场数据、服务需求和站点层面的约束条件作为输入,然后通过仿真和优化模型处理这些信息,再提出设备、人员配置或流程方面的调整建议。
YMX 不是先部署技术、之后再判断其是否适合站点,而是先对堆场建模,以数字方式测试运营替代方案,并在实地做出改变之前验证计划。
该系统的核心组件包括 AI 驱动的堆场建模、叠加在堆场管理系统之上的决策支持、基于机器学习的劳动力和吞吐量预测、自动化闸口交易,以及基于调车员的计算机视觉,用于实时读取挂车编号并监测挂车状况。一个 AI 驱动的安全智能层也与这些工具并行运行。
YMX 表示,与主要提供可视性的传统堆场管理工具不同,其系统旨在提升车队规模配置、劳动力规划、闸口吞吐量、库存准确性、安全、EV 充电和成本等方面的执行效果。
Yearling 将行业更广泛的发展路径描述为分阶段推进:运营标准化、技术赋能、电气化战略,最后是自主运营;在这一过程的末端,数字智能与实体执行相融合。
按照这一观点,许多托运人仍专注于试点三、四或五个相似的单点技术解决方案,却没有先改变底层运营模式。YMX 认为,跳过标准化步骤是许多堆场技术试点无法推进的关键原因。
堆场牵引车车队从 22 辆降至 14 辆
YMX 最直接的验证案例来自一家美国前五大食品杂货分销网络。在部署 YMX 之前,该站点以最低限度的技术运营,且没有真正的预测层。YMX 表示,在其实施运营模式、技术和优化方法后,该客户将堆场牵引车车队从 22 辆减少到 14 辆,约减少 36%,同时还提升了吞吐量、安全性和管控能力。
对于食品杂货分销而言,堆场表现与高频补货、月台排程、挂车可用性和库存流动密切相关。这使得该案例的意义不只在于车队数量:只有在站点仍能让挂车顺利通过堆场、且不会在闸口、月台或暂存区制造新的瓶颈时,减少堆场牵引车才具有实际意义。
产生这一结果的模式随后在六个月内从一个站点扩展到九个站点。
YMX 在其客户群中跟踪一组广泛的运营、财务、安全、可持续性和可扩展性指标。这些指标包括停留时间、堆场司机生产率、拥堵、卡车等待时间、空驶移动、月台利用率、安全事件、闸口吞吐量、单次移动成本、资产利用率和网络一致性。
在其业务组合中,YMX 提到的目标和已观察到的改善区间包括:停留时间降低 15% 至 30%,司机生产率提高 10% 至 25%,拥堵和等待时间减少 20% 至 40%,空驶移动减少 15% 至 25%,月台利用率提高 10% 至 20%,安全事件减少 15% 至 30%。
堆场作为一个脱节环节
大型企业托运人已经在运输管理系统、仓库管理系统、可视化平台和分析工具上投入了大量资金。即便这些工具已经到位,延误、拥堵、滞留、劳动力效率低下、安全风险和成本上升仍在许多网络中持续出现。
位于运输系统和仓储系统之间的堆场,往往仍处于脱节状态。当堆场运营缓慢、协调不力或缺乏可视性时,挂车等待、司机等待、月台门闲置、库存准确性下降,服务表现也可能受损,无论堆场两侧部署的技术多么出色。
YMX 的系统就是为这一交接点而设计。它将卡车、挂车、司机、闸口、月台、堆场牵引车和充电基础设施连接起来,并加入一层数字智能,旨在改善运营决策,而不只是展示数据。YMX 表示,其结果是效率、韧性、安全性和可持续性得到提升,帮助托运人合理配置车队规模、减少浪费性移动、改善流动、优化 EV 部署,并在各站点实现绩效标准化。
“YMX 的参评项目最突出的地方在于,它并没有止步于可视性,”FreightWaves Editorial Director Adam Wingfield 表示。“很多堆场技术卖给你一个仪表盘,然后就说完成了。YMX 愿意量化当你能够基于这些数据采取行动时会发生什么变化。36% 的车队削减是一个容易验证的结果,”他说。
YMX 的 YOS 被呈现为一种运营模式转变,而不是单一软件产品。该系统并不依赖某个旗舰功能,而是与具体、可验证的结果相联系。FreightWaves 表示,这种运营纪律与量化结果的结合,符合 AI Excellence in Supply Chain Awards 设立之初希望表彰的内容。