tft每日頭條

 > 科技

 > 物流數據價值分析

物流數據價值分析

科技 更新时间:2024-12-25 12:48:50

做物流規劃設計時,人們往往對設計指标感到茫然,對新員工尤其如此。有些設計人員比較急躁,一上來就急于做方案、畫圖,結果畫來畫去,就不知道自己到底要做什麼了。耽誤了不少時間不說,設計方案要麼不知所雲,要麼離題萬裡,對用戶是一個很大的傷害。

一個良好的設計習慣,往往是應該首先明确設計目标,了解清楚設計要求之後,再去動筆,就比如寫文章,總應該先确定寫什麼主題,目的是什麼,給誰看,然後才開始寫提綱、反複推敲提綱、找好素材和參考資料,再動筆寫,然後再反複推敲、修改潤色。不然,就很難寫成一篇有質量的文章。畫圖雖然很重要,但到底隻是一種比較簡單的勞動,而畫什麼,表現什麼主題,達到什麼目标才是設計的關鍵。

設計是如此,對一個設計方案的評價也是如此。我遇到很多客戶要求評價一個總體的方案,其實這是很難的。其中關鍵的一點就是,方案是設計需求的響應,對方案進行評估,首先要對設計目标進行分析和評估,這才是根本。

數據分析是一件很嚴肅和需要專業知識的工作,并非僅僅對數據進行簡單的加減排列組合就可以了。我特别反對那些不注重數據分析的客戶。一項設計,設計指标是基礎。基礎出現問題,你選用的設備再好,系統再先進,也是于事無補的。

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台設計有影響,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,以便詳細規劃站台的數量。

收貨一般是比較簡單的,但也有比較複雜的情形,比如新華書店圖書的收貨即是如此。因為每天到貨的品種很多,還有大量混包的情形,因此收貨要進行專門的處理。有些電商的收貨也比較複雜,包括要進行QC等動作,對收貨區的要求就不一樣。

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,将一年(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。在實際上設計中,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,則會出現工作很不飽滿,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确定,發貨也有這種情況。

2 、儲存有關的數據

物流數據價值分析(物流的數據分析主要分析什麼)1

庫存能力對系統的設計非常重要。但如何确定庫存卻是非常有講究的。除了庫存總量W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麼,有什麼要求。

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(如服裝的挂裝等)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的定義将随着不同業務有所不同,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,以便正确決策。

随着電子商務的興起,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。也影響庫存的分析。

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,要留有餘地,這兩個系數在不同的案例中會有差異,但都不應該忽視。

3、 揀選有關的數據

物流數據價值分析(物流的數據分析主要分析什麼)2

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,有時很難确定一個準确的結果。

不同的揀選方法其效率差異很大,這是設計要特别考慮的地方。事實上,采用什麼樣的技術手段,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。

4 、發貨有關的數據

物流數據價值分析(物流的數據分析主要分析什麼)3

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。

衆所周知,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,站台停車位很少,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,每天隻安排一次發貨,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,每個大波次還有若幹小波次,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。

随着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。

5 、退貨有關的數據

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),要将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産生影響。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,要分别對待。

6、其它

物流數據價值分析(物流的數據分析主要分析什麼)4

數據分析很重要,也有一定難度,這是需要指出的。經驗和專業知識對于數據分析很重要。此外,數據分析結果必須得到用戶确認才能用于設計。

對一個數據樣本的預處理,是分析數據的第一步。什麼數據是有效的,什麼是無效的,要有明确的規則。剔除無效數據對于數據分析是很關鍵的一步。當然,要做到這一點,除了認真調研和分析外,經驗和常識也很重要。

數據要有典型性,因此,數據量不能太少。比如,一年四季的數據是變化的,一個季度之中的數據也是變化的。每月、每周、每天,甚至每個小時的變化如何,要有系統的分析。一個靜止的和孤立的數據是沒有意義的,必須與系統環境相關聯。這一點也很重要。

有時,數據分析與方案設計不是一個人,這時就需要注意溝通。數據分析不可能完全獨立進行,它需要與設計方案相匹配,正因為如此,每個項目的數據分析的重點也是不一樣的。

數據分析人員至少要對設計需求有所了解,才能知道如何分析數據,如何從成千上萬的數據中找到規律并抽出有用的東西。

最後要說明一點的是,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标。其中有些數據的變化是比較緩慢的,如産品特點、訂單結構、品項數、作業方式等,有些卻會變化劇烈,如設計指标等。這些除了經驗、行業情況能夠提供幫助外,關鍵的是要認真分析,找出規律。在這個過程中,充分的調研,與用戶充分的溝通尤其重要。

附錄 關于EIQ分析

EIQ分析對于物流規劃設計與物流管理都是非常重要的分析方法。其中E(Entry)表示訂單,I(Item)表示品項數,即SKU數,Q(Quant)表示數量。

EIQ分析的分析項目主要有:

1)EN分析:即每張訂單的訂貨品項數量分析。即通常所說的訂單結構或訂單行數分析。EN分析可以對訂單行的分布情況做出準确判斷,從而對揀選策略尤其是拆零方式提供指南。比如說B2C電商業務,其訂單行很少,而對于醫藥的B2B配送,每張訂單的行數會較多,兩者在設計上的處理方法是不一樣的。

2)EQ分析:每張訂單的訂貨數量分析。對一個訂單的每行數量進行分析,就可以獲得訂單結構的基本情況。對一個訂單行來說,會存在整件和拆零兩種情況,因此,訂單的分布情況還可以指導對庫存分布、拆零揀選的具體設計。

物流數據價值分析(物流的數據分析主要分析什麼)5

3)IQ分析:每個單品的訂貨數量分析。這種分析主要用于庫存ABC分析。庫存ABC對于倉庫庫存結構設計和揀選系統的設計都有非常重要的作用。

4)IK分析:每個單品的訂貨次數分析,也即産品訂貨的頻率。這是與發貨ABC相關的指标。發貨ABC分析對于貨物存放的策略、補貨策略,以及揀貨策略的設計都是至關重要的。

EIQ分析一般是對曆史數據進行。用于設計的分析,旨在确定訂單結構和庫存結構。對運營管理而言,EIQ分析則常常用于對實際運營的優化,如ABC分析即使如此,可以根據一段時間的ABC分析結果,及時調整庫存的結構,以期達到提高揀選效率的目的。

對一項設計而言,一般應選取1年以上的數據比較适宜。太少的數據可能缺乏代表性。當然也有例外,如數據量本身就不夠,那就隻有從行業中其他企業的數據中尋找規律了。

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关科技资讯推荐

热门科技资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved