"通過流程分解，掌握詳細數據信息"

  規劃倉儲物流系統，第一步是流程環節，更進一步的是數據的收集。

  許多供應商為客戶提供的更多是流程環節方面的梳理服務，很少對于數據的分析與整理提供服務并納入到系統的設計當中。

  需要注意的是：數據分析的結果并不是直接應用于設計，而是要據此提出設計指標。

  其中，有些數據的變化是比較緩慢的，如產品特點、訂單結構、品項數、作業方式等;有些卻會變化劇烈，如設計指標等。

  據此，我們得出以下結論：

  好的系統規劃流程，關鍵的一點是通過數據描述和定義客戶的需求!

  以下，我們通過倉庫的流程來了解一下具體要收集的數據內容：

  收貨

  與收貨有關的數據，包括到貨量(箱)、訂單數、車輛的裝載量、收貨區域大小、收貨作業時間、每天收貨SKU數等。

  車輛的裝載量和卸載時間主要對于站臺設計有影響，包括車輛大小、載重量等。一般情況下，還要分析卸貨的方式、速度，以便詳細規劃站臺的數量。

  很多人對高點平均值和算術平均值對于設計的影響不甚了解。簡單來說，將一年(或一定時間)的收貨量除以一年(或一定時間)的實際工作天數，即得到平均每天收貨量，一年中最大收貨量的一天，即最大收貨量。

  在實際設計中，如果按照平均值設計，則使得加班的天數會很多;如果按照最大值進行設計，則會出現工作不飽滿，設備閑置的現象。

  因此，一般取平均值和最大值之間的某個值進行設計，具體要根據實際需要確定，發貨也有這種情況。

  存儲

  庫存能力對系統的設計非常重要。但如何確定庫存卻是非常有講究的。

  除了庫存總量以外，還要考慮SKU數，以及各種存儲方式下的庫存要求等。很多情況下，倉庫的設計并非是單一的。

  所以，設計的時候就要清楚庫存的方式是什么，有什么要求。

  一般的儲存形式分為2種主要方式：以托盤為單位儲存(分為立體庫和平面庫兩種最基本形式)和以箱為單位儲存。當然還有其它形式，如包裹、麻袋、散料等，也有條狀物(如鋼材)，異形物品(如服裝的掛裝等)等，不再詳述。在設計中，這兩種方式都要考慮，有時以托盤為主，有時以箱儲存為主，有時兩者比較均衡。

  計算庫存能力當然與箱規有關，也與平均庫存天數有關，這是基礎。SKU對庫存分配的要求有很大的制約作用，往往與作業面設計有關。此外，發貨量對于庫存設計也有非常大的影響，如拆零量，就要求對拆零區有一定限制。

  庫存ABC分析也是非常重要的，對于倉庫設計起到重要作用。一般情況下，庫存ABC分析結果決定了儲存形式，ABC的定義將隨著不同業務有所不同，要因地制宜。實際操作中，往往要對夠托盤，夠1/2托盤的SKU及這些SKU所占庫存比例進行分析，以便正確決策。

  隨著電子商務的興起，SKU不斷擴大，ABC分析尤其重要。此外要注意的一個趨勢是，箱式存儲方式越來越受到重視，其占比越來越高。

  再計算儲存能力時，人們普遍對庫存充滿率感到困惑。一般情況下，我們知道，托盤或貨箱并不能完全被充滿，而為了滿足作業的順利進行，貨位也不能完全被充滿。因此，要留有余地，這兩個系數在不同的案例中會有差異，但都不應該忽視。

  揀選

  揀選的訂單數、訂單行數、發貨量是比較重要的設計數據。

  發貨ABC分析同樣重要，要注意的是：發貨ABC分布與庫存ABC往往是不相同的，分析時要注意加以區分。

  揀選環節設計關注的主要是揀選、包裝和輸送問題，因此，有關揀選的細節問題就非常重要。如整盤出庫量、整件出庫量和拆零出庫量，這三個參數對于設計也是非常重要的。

  一些基礎信息也是要清楚的，如揀選效率、播種效率和包裝效率等，有些可以通過其它項目經驗獲得，有些應進行實際測量。需要指出的是，測量結果與作業流程、工位設計以及測量方法有關，有時很難確定一個準確的結果。

  不同的揀選方法其效率差異很大，這是設計要特別考慮的地方。事實上，采用什么樣的技術手段，對設計結果影響甚大。這一些問題，在數據分析時，就應該有所考慮。

  發貨

  發貨路向、數量、車輛形式、作業時間、暫存時間等數據是發貨設計階段的基礎。

  眾所周知，分揀機的格口不可能無限增加。因此，設計中應考慮波次問題，以便控制格口數量。有些物流中心的發貨區設計很小，站臺停車位很少，給發貨造成很大困難。

  集貨區的大小與發貨波次有關。很多小的物流中心，每天只安排一次發貨，其發貨區就要大一些;對一個大型的物流中心來說，一般要按照多個大波次組織發貨，每個大波次還有若干小波次，由此可以大幅度降低對集貨區的需求。這在設計中是要注意的。

  隨著大家對物流認識越來越深刻，發貨裝車環節越來越受到重視。因此，設計中也要與時俱進，考慮自動化系統對發貨區的影響。

  退貨

  退貨很重要也很困難，但容易受到忽視。

  在通常的數據分析中，退貨分析也是不充分的。事實上，退貨與收貨的過程是不一樣的。這主要是因為退貨收貨需要處理的數據量遠遠大于普通收貨。

  退貨作業不是均衡的，有很大的波動性。因此，在數據分析中(實際作業也是如此)，要將退貨收貨與退貨處理分開來。其作業時間和作業量都不會一樣。

  對退貨來說，其作業流程對于設計會產生影響。一般數據分析僅僅提供退貨量即可，包括訂單數、訂單行、SKU、數量等。

  要注意的是，退貨有兩種形式，其一是終端退回到物流中心;其二是物流中心退回供應商或者報廢處理。兩者差異是很大的，在數據分析時，要分別對待。

  本文來源于SmartWMS智慧倉儲管理系統，不代表九州物流網(http://www.ruyi818.com)觀點，如有侵權可聯系刪除，文章所用圖片來源于網絡，文章圖片如有侵權可聯系刪除。