新知一下
海量新知
5 9 7 0 4 4 3

量化你的仓库运营状况,从这些数据统计开始!

汽配经营与管理 | 让汽配经营更轻松 2021/09/15 23:38

导读: 通过仓库数据分析可以精确掌握仓库运行状态,也可以为未来企业战略提供有效依据。

很多管理者对于具体化的一些细节有着很好的敏感度,能够及时的对工作中出现的问题加以调整。但对于数据分析就不是那么在行了。

数据分析首先最重要的第一步就是数据统计。将运营的关键性指标加入统计范围内,可以较为清晰的量化你的仓库运营状况,快速挖掘出一些问题的关键,下面为大家来一一介绍。

01 收货数据

与收货有关的数据,包括到货量(箱)、订单数、车辆的装载量、收货区域大小、收货作业时间、每天收货SKU数等。

车辆的装载量和卸载时间主要对于站台设计有影响,包括车辆大小、载重量等。一般情况下,还要分析卸货的方式、速度,以便详细规划站台的数量。

收货一般是比较简单的,但也有比较复杂的情形,比如新华书店图书的收货即是如此。因为每天到货的品种很多,还有大量混包的情形,因此收货要进行专门的处理。有些电商的收货也比较复杂,包括要进行QC等动作,对收货区的要求就不一样。

很多人对高点平均值和算术平均值对于设计的影响不甚了解。简单来说,将一年(或一定时间)的收货量除以一年(或一定时间)的实际工作天数,即得到平均每天收货量,一年中最大收货量的一天,即最大收货量。在实际上设计中,如果按照平均值设计,则使得加班的天数会很多;如果按照最大值进行设计,则会出现工作很不饱满,设备闲置的现象。因此,一般取平均值和最大值之间的某个值进行设计,具体要根据实际需要确定,发货也有这种情况。

02 储存数据

库存能力对系统的设计非常重要。但如何确定库存却是非常有讲究的。除了库存总量W以外,还要考虑SKU数,以及各种存储方式下的库存要求等。很多情况下,仓库的设计并非是单一的。所以,设计的时候就要清楚库存的方式是什么,有什么要求。

一般的储存形式分为2种主要方式:以托盘为单位储存(分为立体库和平面库两种最基本形式)和以箱为单位储存。当然还有其它形式,如包裹、麻袋、散料等,也有条状物(如钢材),异形物品(如服装的挂装等)等,不再详述。在设计中,这两种方式都要考虑,有时以托盘为主,有时以箱储存为主,有时两者比较均衡。

计算库存能力当然与箱规有关,也与平均库存天数有关,这是基础。SKU对库存分配的要求有很大的制约作用,往往与作业面设计有关。此外,发货量对于库存设计也有非常大的影响,如拆零量,就要求对拆零区有一定限制。

库存ABC分析也是非常重要的,对于仓库设计起到重要作用。一般情况下,库存ABC分析结果决定了储存形式,ABC的定义将随着不同业务有所不同,要因地制宜。实际操作中,往往要对够托盘,够1/2托盘的SKU及这些SKU所占库存比例进行分析,以便正确决策。

随着电子商务的兴起,SKU不断扩大,ABC分析尤其重要。此外要注意的一个趋势是,箱式存储方式越来越受到重视,其占比越来越高。也影响库存的分析。

在计算储存能力时,人们普遍对库存充满率感到困惑。一般情况下,我们知道,托盘或货箱并不能完全被充满,而为了满足作业的顺利进行,货位也不能完全被充满。因此,要留有余地,这两个系数在不同的案例中会有差异,但都不应该忽视。

03 拣选数据

拣选的订单数、订单行数、发货量是比较重要的设计数据。

发货ABC分析同样重要,要注意的是:发货ABC分布与库存ABC往往是不相同的,分析时要注意加以区分。

拣选环节设计关注的主要是拣选、包装和输送问题,因此,有关拣选的细节问题就非常重要。如整盘出库量、整件出库量和拆零出库量,这三个参数对于设计也是非常重要的。

一些基础信息也是要清楚的,如拣选效率、播种效率和包装效率等,有些可以通过其它项目经验获得,有些应进行实际测量。需要指出的是,测量结果与作业流程、工位设计以及测量方法有关,有时很难确定一个准确的结果。

不同的拣选方法其效率差异很大,这是设计要特别考虑的地方。事实上,采用什么样的技术手段,对设计结果影响甚大。这一些问题,在数据分析时,就应该有所考虑。

04 发货数据

发货路向、数量、车辆形式、作业时间、暂存时间等数据是发货设计阶段的基础。

众所周知,分拣机的格口不可能无限增加。因此,设计中应考虑波次问题,以便控制格口数量。有些物流中心的发货区设计很小,站台停车位很少,给发货造成很大困难。

集货区的大小与发货波次有关。很多小的物流中心,每天只安排一次发货,其发货区就要大一些;对一个大型的物流中心来说,一般要按照多个大波次组织发货,每个大波次还有若干小波次,由此可以大幅度降低对集货区的需求。这在设计中是要注意的。

随着大家对物流认识越来越深刻,发货装车环节越来越受到重视。因此,设计中也要与时俱进,考虑自动化系统对发货区的影响。

05 退货数据

退货很重要也很困难,但容易受到忽视。

在通常的数据分析中,退货分析也是不充分的。事实上,退货与收货的过程是不一样的。这主要是因为退货收货需要处理的数据量远远大于普通收货。

退货作业不是均衡的,有很大的波动性。因此,在数据分析中(实际作业也是如此),要将退货收货与退货处理分开来。其作业时间和作业量都不会一样。

对退货来说,其作业流程对于设计会产生影响。一般数据分析仅仅提供退货量即可,包括订单数、订单行、SKU、数量等。

要注意的是,退货有两种形式,其一是终端退回到物流中心;其二是物流中心退回供应商或者报废处理。两者差异是很大的。在数据分析时,要分别对待。

更多“仓库”相关内容

更多“仓库”相关内容

新知精选

更多新知精选