伍强精品课堂:物流的数据分析主要分析什么?

作者: 时间:2019/04/23 来源:

        在做物流规划设计时,人们往往对设计指标感到茫然,对新员工尤其如此。有些设计人?#21271;?#36739;急躁,一上来就急于做方案、画图,结果画来画去,就不知道自己到底要做什么了。耽误了不少时间不说,设计方案要么不知所云,要么离题万里,对用户是一个很大的伤害。

        一个?#24049;?#30340;设计习惯,往往是应该首先明确设计目标,了解清楚设计要求之后,再去动笔,就?#28909;?#20889;文章,总应该?#28909;范?#20889;什么主题,目的是什么,给谁看,然后才开始写提纲、反复推敲提纲、找好素材和参考资料,再动笔写,然后再反复推敲、修改润色。不然,就很难写成一篇有质量的文章。画图虽然很重要,但到底只是一种比较简单的劳动,而画什么,表现什么主题,达到什么目标才是设计的关键。

        设计是如此,对一个设计方案的评价也是如此。我遇到很多客户要求评价一个总体的方案,其实这是很难的。其中关键的一点就是,方案是设计需求的响应,对方案进行评估,首先要对设计目标进行分析?#25512;?#20272;,这才是根本。

        数据分析是一件很严肃和需要专业知识的工作,并非仅仅对数据进行简单的加减排列组合就可以了。我特别反对那些不注重数据分析的客户。一项设计,设计指标是基础。基础出现问题,你选用的设备再?#33579;?#31995;统再先进,也是于事无补的。

        其实物流仓储系统的规划设计也没有那么难,关键一点是需求要清楚明确。而需求?#24378;?#20197;用数据来描述和定义的。一个项目,其关键数据也就那么几个而已,如收货量、发货量、库存量、拆零量、SKU等,并不难掌握。本文就讲一讲这些最基本的需求,为了便于理解,主要从物流仓储的几个?#26041;?#36827;行描述。

        基础数据

        在进行系统性描述之前,一定要清楚物流的作业当量最后是以小时来计算的(当然还可以细化到半小时,甚至更小单位)。所以,我们所有的物流量,最终要以小时当量来计算。然而,从用户那里得到的?#23548;?#30340;设计指标,很可能是年度的作业纲领,如年配送100亿。这个数据非常重要,却也是非常不?#33539;?#30340;,因为从这个指标推导下来,就会看到,每年的作业天数、每天的作业时间、货物的价值、仓库库存周转次数等,对最终设计都有很大的影响。所以,这些关联数据应该是要首先明确的。

        假设设计纲领是G(年配送目标,亿元),单箱价格是p,则年度总配送箱数是:

        Q = G/p

        假设每年作业天数是N(天),每天工作时间是t,则每小时的作业量是:

        q = Q/N/t

        如果库存周转天数为D,则库存量的计算公式如下:

        W = q*t*D

        以?#31995;?#25968;据关系?#24049;?#23481;易推导,但在?#23548;?#20013;要注意的是:不同的作业,其作业时间可能是变化的,如高峰时期每天作业时间要大于平常作业,发货时间有时也与收货时间不同等,会增加计算?#22836;?#26512;的?#35759;取?

        在进行具体数据分析时,还要明确箱与托盘的对应关系。托盘一般选择标准托盘(1200*1000),假设平均的满盘?#35838;猲,则库存托盘数应为:

        P = W/n

        当然,在描述具体数据时,要区分收货、发货还是退货,每一个作业也许是不一样的。很多时候,用户是不清楚这些差异的,或者表述不清楚,那么我们就应该将自己的经验或理解进行分享,?#21592;?#21452;方达到认识的一致。

        1 、收货有关的数据


        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?#23545;?#26102;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,?#21592;?#35814;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,?#28909;?#26032;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?#23548;?#24037;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?#23548;?#19978;设计中,如果按?#25484;?#22343;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?#23548;?#38656;要?#33539;ǎ?#21457;货也有这种情况。

        2 、储存有关的数据


        库存能力对系统的设?#21697;?#24120;重要。但如何?#33539;?#24211;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?#26696;?#31181;存储方?#36739;?#30340;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?#38382;?#20998;为2种主要方式:以托盘为单位储存(分为立体库?#25512;?#38754;库两种最基本?#38382;劍?#21644;以箱为单位储存。当然还有其它?#38382;劍?#22914;包裹、麻袋、散?#31995;齲?#20063;有条状物(如钢材),异形物品(如服装的?#26131;?#31561;)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?#33579;?#24448;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?#38382;劍珹BC的定义将随着不同业务有所不同,要因地制宜。?#23548;什?#20316;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,?#21592;?#27491;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。

再计算储存能力时,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。

        3、 拣选有关的数据


        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?#21152;?#24211;存ABC往往是不相同的,分析时要注意加以区分。

        拣选?#26041;?#35774;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?#22836;?#24120;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?#20013;?#29575;和包装效?#23454;齲?#26377;些可以通过其它项目经验获?#33579;?#26377;些应进行?#23548;什?#37327;。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?#33539;?#19968;个准确的结果。

        不同的拣选方法其效?#20160;?#24322;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。

        4 、发货有关的数据


        发货路向、数量、车辆?#38382;健?#20316;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,?#21592;?#25511;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?#25165;?#19968;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?#28304;?#24133;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?#23545;?#26469;越深刻,发货装车?#26041;?#36234;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。

        5 、退货有关的数据

        退货很重要也很困难,但容?#36164;?#21040;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?#23545;?#22823;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(?#23548;首?#19994;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?#32771;?#21487;,包括订单数、订单行、SKU、数量等。

        要注意的是,退货有两?#20013;问劍?#20854;一是终?#36865;?#22238;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?#28304;?

        6、其它


        数据分析很重要,也有一定?#35759;齲?#36825;是需要指出的。经验和专业知识对于数据分析很重要。此外,数据分析结果必须得到用户确认才能用于设计。

        对一个数据样本的预处理,是分析数据的第一步。什么数据是有效的,什么是无效的,要有明确的规则。剔除无效数据对于数据分析是很关键的一步。当然,要做到这一点,除了认真调研?#22836;?#26512;外,经验?#32479;?#35782;也很重要。

        数据要有典型性,因此,数据量不能太少。?#28909;紓?#19968;年四季的数据是变化的,一个季度之中的数据也是变化的。每月、每周、每天,甚至每个小时的变化如何,要有系统的分析。一个?#20179;?#30340;和孤立的数据是没有意义的,必须与系统环境相关联。这一点也很重要。

        有时,数据分析与方案设计不是一个人,这时就需要注意沟通。数据分析不可能完全独立进行,它需要与设计方案相匹配,正因为如此,每个项目的数据分析的重点也是不一样的。

        数据分析人员至少要对设计需求有所了解,才能知道如何分析数据,如何从成千上万的数据中?#19994;?#35268;律并抽出有用的东西。

        最后要说明一点的是,数据分析的结果并不是直接应用于设计,而是要据此提出设计指标。其中有些数据的变化是比较缓慢的,如产品特点、订单结构、品项数、作业方式等,有些却会变化剧烈,如设计指标等。这些除?#21496;?#39564;、行业情况能够提供帮助外,关键的是要认真分析,?#39029;?#35268;律。在这个过程中,充分的调研,与用户充分的沟通尤其重要。

        附录 关于EIQ分析

        EIQ分析对于物流规划设计与物流管理都是非常重要的分析方法。其中E(Entry)表示订单,I(Item)表示品项数,即SKU数,Q(Quant)表示数量。

        EIQ分析的分析项目主要有:

        1)EN分析:即每张订单的订货品项数量分析。即通常所说的订单结构或订单行数分析。EN分析可以对订单行的分布情况做出准确?#21368;希?#20174;而对拣选策略尤其是拆零方式提供指南。?#28909;?#35828;B2C电商业务,其订单行很少,而对于医药的B2B配送,每张订单的行数会较多,两者在设计?#31995;?#22788;理方法是不一样的。

        2)EQ分析?#22909;?#24352;订单的订货数量分析。对一个订单的每行数量进行分析,就可以获得订单结构的基本情况。对一个订单行来说,会存在整件和拆零两种情况,因此,订单的分布情况还可以指导对库存分布、拆零拣选的具体设计。

        3)IQ分析?#22909;?#20010;单品的订货数量分析。这种分析主要用于库存ABC分析。库存ABC对于仓库库存结构设计?#22270;?#36873;系统的设计都有非常重要的作用。

        4)IK分析?#22909;?#20010;单品的订货次数分析,也即产?#33539;?#36135;的频率。这是与发货ABC相关的指标。发货ABC分析对于货物存放的策略、补货策略,以及拣货策略的设计都是至关重要的。

        EIQ分析一般是对历史数据进行。用于设计的分析,旨在?#33539;?#35746;单结构和库存结构。对运营管理而言,EIQ分析则常常用于对?#23548;?#36816;营的优化,如ABC分析即使如此,可以根据一段时间的ABC分析结果,及时调整库存的结构,?#20113;?#36798;到提高拣选效率的目的。

        对一项设计而言,一般应选取1年以?#31995;?#25968;据比较适宜。太少的数据可能缺乏代表性。当然也有例外,如数据量本身就不够,那就只有?#26377;?#19994;中其他企业的数据中寻找规律了。

意甲比赛直播
全半全场胜负什么意思 红姐心水论坛全年资料 福建十一选五走势手机版 极速飞艇是真的吗 大乐透走势图126 六合平特一肖准料 陕西快乐十分前三奖号分布图 2019鲁能中超赛程表 淘宝广西快三遗漏一定牛 湖北快三豹子的期号有 彩票双色球竞彩篮球app 甘肃泳坛夺金开奖 秒速飞艇反水 抓码王高手论坛彩图 江苏7位数最新开奖历史