在(Exist)做物流規劃設計時(Hour)，人(People)們往往對設計指标感到(Arrive)茫然，對新員工尤其如此。有些設計人(People)員比較急躁，一(One)上來(Come)就急于(At)做方案、畫圖，結果畫來(Come)畫去，就不(No)知道自己到(Arrive)底要(Want)做什麽了。耽誤了不(No)少時(Hour)間不(No)說，設計方案要(Want)麽不(No)知所雲，要(Want)麽離題萬裏，對用(Use)戶是一(One)個(Indivual)很大(Big)的(Of)傷害。

        一(One)個(Indivual)良好的(Of)設計習慣，往往是應該首先明确設計目标，了解清楚設計要(Want)求之後，再去動筆，就比如寫文章，總應該先确定寫什麽主題，目的(Of)是什麽，給誰看，然後才開始寫提綱、反複推敲提綱、找好素材和(And)參考資料，再動筆寫，然後再反複推敲、修改潤色。不(No)然，就很難寫成一(One)篇有質量的(Of)文章。畫圖雖然很重要(Want)，但到(Arrive)底隻是一(One)種比較簡單的(Of)勞動，而畫什麽，表現什麽主題，達到(Arrive)什麽目标才是設計的(Of)關鍵。

        設計是如此，對一(One)個(Indivual)設計方案的(Of)評價也是如此。我(I)遇到(Arrive)很多客戶要(Want)求評價一(One)個(Indivual)總體的(Of)方案，其實這(This)是很難的(Of)。其中關鍵的(Of)一(One)點就是，方案是設計需求的(Of)響應，對方案進行評估，首先要(Want)對設計目标進行分析和(And)評估，這(This)才是根本。

        數據分析是一(One)件很嚴肅和(And)需要(Want)專業知識的(Of)工作(Do)，并非僅僅對數據進行簡單的(Of)加減排列組合就可以(By)了。我(I)特别反對那些不(No)注重數據分析的(Of)客戶。一(One)項設計，設計指标是基礎。基礎出(Out)現問題，你選用(Use)的(Of)設備再好，系統再先進，也是于(At)事無補的(Of)。

        其實物流倉儲系統的(Of)規劃設計也沒有那麽難，關鍵一(One)點是需求要(Want)清楚明确。而需求是可以(By)用(Use)數據來(Come)描述和(And)定義的(Of)。一(One)個(Indivual)項目，其關鍵數據也就那麽幾個(Indivual)而已，如收貨量、發貨量、庫存量、拆零量、SKU等，并不(No)難掌握。本文就講一(One)講這(This)些最基本的(Of)需求，爲(For)了便于(At)理解，主要(Want)從物流倉儲的(Of)幾個(Indivual)環節進行描述。

        基礎數據

        在(Exist)進行系統性描述之前，一(One)定要(Want)清楚物流的(Of)作(Do)業當量最後是以(By)小時(Hour)來(Come)計算的(Of)（當然還可以(By)細化到(Arrive)半小時(Hour)，甚至更小單位）。所以(By)，我(I)們所有的(Of)物流量，最終要(Want)以(By)小時(Hour)當量來(Come)計算。然而，從用(Use)戶那裏得到(Arrive)的(Of)實際的(Of)設計指标，很可能是年度的(Of)作(Do)業綱領，如年配送100億。這(This)個(Indivual)數據非常重要(Want)，卻也是非常不(No)确定的(Of)，因爲(For)從這(This)個(Indivual)指标推導下來(Come)，就會看到(Arrive)，每年的(Of)作(Do)業天數、每天的(Of)作(Do)業時(Hour)間、貨物的(Of)價值、倉庫庫存周轉次數等，對最終設計都有很大(Big)的(Of)影響。所以(By)，這(This)些關聯數據應該是要(Want)首先明确的(Of)。

        假設設計綱領是G(年配送目标，億元)，單箱價格是p，則年度總配送箱數是：

        Q = G/p

        假設每年作(Do)業天數是N（天），每天工作(Do)時(Hour)間是t，則每小時(Hour)的(Of)作(Do)業量是：

        q = Q/N/t

        如果庫存周轉天數爲(For)D，則庫存量的(Of)計算公式如下：

        W = q*t*D

        以(By)上的(Of)數據關系都很容易推導，但在(Exist)實際中要(Want)注意的(Of)是：不(No)同的(Of)作(Do)業，其作(Do)業時(Hour)間可能是變化的(Of)，如高峰時(Hour)期每天作(Do)業時(Hour)間要(Want)大(Big)于(At)平常作(Do)業，發貨時(Hour)間有時(Hour)也與收貨時(Hour)間不(No)同等，會增加計算和(And)分析的(Of)難度。

        在(Exist)進行具體數據分析時(Hour)，還要(Want)明确箱與托盤的(Of)對應關系。托盤一(One)般選擇标準托盤（1200*1000），假設平均的(Of)滿盤量爲(For)n，則庫存托盤數應爲(For)：

        P = W/n

        當然，在(Exist)描述具體數據時(Hour)，要(Want)區分收貨、發貨還是退貨，每一(One)個(Indivual)作(Do)業也許是不(No)一(One)樣的(Of)。很多時(Hour)候，用(Use)戶是不(No)清楚這(This)些差異的(Of)，或者表述不(No)清楚，那麽我(I)們就應該将自己的(Of)經驗或理解進行分享，以(By)便雙方達到(Arrive)認識的(Of)一(One)緻。

        1 、收貨有關的(Of)數據

        與收貨有關的(Of)數據，包括到(Arrive)貨量（箱）、訂單數、車輛的(Of)裝載量、收貨區域大(Big)小、收貨作(Do)業時(Hour)間、每天收貨SKU數等。

        車輛的(Of)裝載量和(And)卸載時(Hour)間主要(Want)對于(At)站台設計有影響，包括車輛大(Big)小、載重量等。一(One)般情況下，還要(Want)分析卸貨的(Of)方式、速度，以(By)便詳細規劃站台的(Of)數量。

        收貨一(One)般是比較簡單的(Of)，但也有比較複雜的(Of)情形，比如新華書店圖書的(Of)收貨即是如此。因爲(For)每天到(Arrive)貨的(Of)品種很多，還有大(Big)量混包的(Of)情形，因此收貨要(Want)進行專門的(Of)處理。有些電商的(Of)收貨也比較複雜，包括要(Want)進行QC等動作(Do)，對收貨區的(Of)要(Want)求就不(No)一(One)樣。

        很多人(People)對高點平均值和(And)算術平均值對于(At)設計的(Of)影響不(No)甚了解。簡單來(Come)說，将一(One)年（或一(One)定時(Hour)間）的(Of)收貨量除以(By)一(One)年（或一(One)定時(Hour)間）的(Of)實際工作(Do)天數，即得到(Arrive)平均每天收貨量，一(One)年中最大(Big)收貨量的(Of)一(One)天，即最大(Big)收貨量。在(Exist)實際上設計中，如果按照平均值設計，則使得加班的(Of)天數會很多；如果按照最大(Big)值進行設計，則會出(Out)現工作(Do)很不(No)飽滿，設備閑置的(Of)現象。因此，一(One)般取平均值和(And)最大(Big)值之間的(Of)某個(Indivual)值進行設計，具體要(Want)根據實際需要(Want)确定，發貨也有這(This)種情況。

        2 、儲存有關的(Of)數據

        庫存能力對系統的(Of)設計非常重要(Want)。但如何确定庫存卻是非常有講究的(Of)。除了庫存總量W以(By)外，還要(Want)考慮SKU數，以(By)及各種存儲方式下的(Of)庫存要(Want)求等。很多情況下，倉庫的(Of)設計并非是單一(One)的(Of)。所以(By)，設計的(Of)時(Hour)候就要(Want)清楚庫存的(Of)方式是什麽，有什麽要(Want)求。

        一(One)般的(Of)儲存形式分爲(For)2種主要(Want)方式：以(By)托盤爲(For)單位儲存（分爲(For)立體庫和(And)平面庫兩種最基本形式）和(And)以(By)箱爲(For)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(Of)挂裝等）等，不(No)再詳述。在(Exist)設計中，這(This)兩種方式都要(Want)考慮，有時(Hour)以(By)托盤爲(For)主，有時(Hour)以(By)箱儲存爲(For)主，有時(Hour)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(This)是基礎。SKU對庫存分配的(Of)要(Want)求有很大(Big)的(Of)制約作(Do)用(Use)，往往與作(Do)業面設計有關。此外，發貨量對于(At)庫存設計也有非常大(Big)的(Of)影響，如拆零量，就要(Want)求對拆零區有一(One)定限制。

庫存ABC分析也是非常重要(Want)的(Of)，對于(At)倉庫設計起到(Arrive)重要(Want)作(Do)用(Use)。一(One)般情況下，庫存ABC分析結果決定了儲存形式，ABC的(Of)定義将随着不(No)同業務有所不(No)同，要(Want)因地制宜。實際操作(Do)中，往往要(Want)對夠托盤，夠1/2托盤的(Of)SKU及這(This)些SKU所占庫存比例進行分析，以(By)便正确決策。

        随着電子商務的(Of)興起，SKU不(No)斷擴大(Big)，ABC分析尤其重要(Want)。此外要(Want)注意的(Of)一(One)個(Indivual)趨勢是，箱式存儲方式越來(Come)越受到(Arrive)重視，其占比越來(Come)越高。也影響庫存的(Of)分析。

再計算儲存能力時(Hour)，人(People)們普遍對庫存充滿率感到(Arrive)困惑。一(One)般情況下，我(I)們知道，托盤或貨箱并不(No)能完全被充滿，而爲(For)了滿足作(Do)業的(Of)順利進行，貨位也不(No)能完全被充滿。因此，要(Want)留有餘地，這(This)兩個(Indivual)系數在(Exist)不(No)同的(Of)案例中會有差異，但都不(No)應該忽視。

        3、 揀選有關的(Of)數據

        揀選的(Of)訂單數、訂單行數、發貨量是比較重要(Want)的(Of)設計數據。

        發貨ABC分析同樣重要(Want)，要(Want)注意的(Of)是：發貨ABC分布與庫存ABC往往是不(No)相同的(Of)，分析時(Hour)要(Want)注意加以(By)區分。

        揀選環節設計關注的(Of)主要(Want)是揀選、包裝和(And)輸送問題，因此，有關揀選的(Of)細節問題就非常重要(Want)。如整盤出(Out)庫量、整件出(Out)庫量和(And)拆零出(Out)庫量，這(This)三個(Indivual)參數對于(At)設計也是非常重要(Want)的(Of)。

        一(One)些基礎信息也是要(Want)清楚的(Of)，如揀選效率、播種效率和(And)包裝效率等，有些可以(By)通過其它項目經驗獲得，有些應進行實際測量。需要(Want)指出(Out)的(Of)是，測量結果與作(Do)業流程、工位設計以(By)及測量方法有關，有時(Hour)很難确定一(One)個(Indivual)準确的(Of)結果。

        不(No)同的(Of)揀選方法其效率差異很大(Big)，這(This)是設計要(Want)特别考慮的(Of)地方。事實上，采用(Use)什麽樣的(Of)技術手段，對設計結果影響甚大(Big)。這(This)一(One)些問題，在(Exist)數據分析時(Hour)，就應該有所考慮。

        4 、發貨有關的(Of)數據

        發貨路向、數量、車輛形式、作(Do)業時(Hour)間、暫存時(Hour)間等數據是發貨設計階段的(Of)基礎。

        衆所周知，分揀機的(Of)格口不(No)可能無限增加。因此，設計中應考慮波次問題，以(By)便控制格口數量。有些物流中心的(Of)發貨區設計很小，站台停車位很少，給發貨造成很大(Big)困難。

        集貨區的(Of)大(Big)小與發貨波次有關。很多小的(Of)物流中心，每天隻安排一(One)次發貨，其發貨區就要(Want)大(Big)一(One)些；對一(One)個(Indivual)大(Big)型的(Of)物流中心來(Come)說，一(One)般要(Want)按照多個(Indivual)大(Big)波次組織發貨，每個(Indivual)大(Big)波次還有若幹小波次，由此可以(By)大(Big)幅度降低對集貨區的(Of)需求。這(This)在(Exist)設計中是要(Want)注意的(Of)。

        随着大(Big)家對物流認識越來(Come)越深刻，發貨裝車環節越來(Come)越受到(Arrive)重視。因此，設計中也要(Want)與時(Hour)俱進，考慮自動化系統對發貨區的(Of)影響。

        5 、退貨有關的(Of)數據

        退貨很重要(Want)也很困難，但容易受到(Arrive)忽視。

        在(Exist)通常的(Of)數據分析中，退貨分析也是不(No)充分的(Of)。事實上，退貨與收貨的(Of)過程是不(No)一(One)樣的(Of)。這(This)主要(Want)是因爲(For)退貨收貨需要(Want)處理的(Of)數據量遠遠大(Big)于(At)普通收貨。

        退貨作(Do)業不(No)是均衡的(Of)，有很大(Big)的(Of)波動性。因此，在(Exist)數據分析中（實際作(Do)業也是如此），要(Want)将退貨收貨與退貨處理分開來(Come)。其作(Do)業時(Hour)間和(And)作(Do)業量都不(No)會一(One)樣。

        對退貨來(Come)說，其作(Do)業流程對于(At)設計會産生(Born)影響。一(One)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(Want)注意的(Of)是，退貨有兩種形式，其一(One)是終端退回到(Arrive)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(Big)的(Of)。在(Exist)數據分析時(Hour)，要(Want)分别對待。

        6、其它

        數據分析很重要(Want)，也有一(One)定難度，這(This)是需要(Want)指出(Out)的(Of)。經驗和(And)專業知識對于(At)數據分析很重要(Want)。此外，數據分析結果必須得到(Arrive)用(Use)戶确認才能用(Use)于(At)設計。

        對一(One)個(Indivual)數據樣本的(Of)預處理，是分析數據的(Of)第一(One)步。什麽數據是有效的(Of)，什麽是無效的(Of)，要(Want)有明确的(Of)規則。剔除無效數據對于(At)數據分析是很關鍵的(Of)一(One)步。當然，要(Want)做到(Arrive)這(This)一(One)點，除了認真調研和(And)分析外，經驗和(And)常識也很重要(Want)。

        數據要(Want)有典型性，因此，數據量不(No)能太少。比如，一(One)年四季的(Of)數據是變化的(Of)，一(One)個(Indivual)季度之中的(Of)數據也是變化的(Of)。每月、每周、每天，甚至每個(Indivual)小時(Hour)的(Of)變化如何，要(Want)有系統的(Of)分析。一(One)個(Indivual)靜止的(Of)和(And)孤立的(Of)數據是沒有意義的(Of)，必須與系統環境相關聯。這(This)一(One)點也很重要(Want)。

        有時(Hour)，數據分析與方案設計不(No)是一(One)個(Indivual)人(People)，這(This)時(Hour)就需要(Want)注意溝通。數據分析不(No)可能完全獨立進行，它需要(Want)與設計方案相匹配，正因爲(For)如此，每個(Indivual)項目的(Of)數據分析的(Of)重點也是不(No)一(One)樣的(Of)。

        數據分析人(People)員至少要(Want)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(Of)數據中找到(Arrive)規律并抽出(Out)有用(Use)的(Of)東西。

        最後要(Want)說明一(One)點的(Of)是，數據分析的(Of)結果并不(No)是直接應用(Use)于(At)設計，而是要(Want)據此提出(Out)設計指标。其中有些數據的(Of)變化是比較緩慢的(Of)，如産品特點、訂單結構、品項數、作(Do)業方式等，有些卻會變化劇烈，如設計指标等。這(This)些除了經驗、行業情況能夠提供幫助外，關鍵的(Of)是要(Want)認真分析，找出(Out)規律。在(Exist)這(This)個(Indivual)過程中，充分的(Of)調研，與用(Use)戶充分的(Of)溝通尤其重要(Want)。

        附錄 關于(At)EIQ分析

        EIQ分析對于(At)物流規劃設計與物流管理都是非常重要(Want)的(Of)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(Of)分析項目主要(Want)有：

        1）EN分析：即每張訂單的(Of)訂貨品項數量分析。即通常所說的(Of)訂單結構或訂單行數分析。EN分析可以(By)對訂單行的(Of)分布情況做出(Out)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(At)醫藥的(Of)B2B配送，每張訂單的(Of)行數會較多，兩者在(Exist)設計上的(Of)處理方法是不(No)一(One)樣的(Of)。

        2）EQ分析：每張訂單的(Of)訂貨數量分析。對一(One)個(Indivual)訂單的(Of)每行數量進行分析，就可以(By)獲得訂單結構的(Of)基本情況。對一(One)個(Indivual)訂單行來(Come)說，會存在(Exist)整件和(And)拆零兩種情況，因此，訂單的(Of)分布情況還可以(By)指導對庫存分布、拆零揀選的(Of)具體設計。

        3）IQ分析：每個(Indivual)單品的(Of)訂貨數量分析。這(This)種分析主要(Want)用(Use)于(At)庫存ABC分析。庫存ABC對于(At)倉庫庫存結構設計和(And)揀選系統的(Of)設計都有非常重要(Want)的(Of)作(Do)用(Use)。

        4）IK分析：每個(Indivual)單品的(Of)訂貨次數分析，也即産品訂貨的(Of)頻率。這(This)是與發貨ABC相關的(Of)指标。發貨ABC分析對于(At)貨物存放的(Of)策略、補貨策略，以(By)及揀貨策略的(Of)設計都是至關重要(Want)的(Of)。

        EIQ分析一(One)般是對曆史數據進行。用(Use)于(At)設計的(Of)分析，旨在(Exist)确定訂單結構和(And)庫存結構。對運營管理而言，EIQ分析則常常用(Use)于(At)對實際運營的(Of)優化，如ABC分析即使如此，可以(By)根據一(One)段時(Hour)間的(Of)ABC分析結果，及時(Hour)調整庫存的(Of)結構，以(By)期達到(Arrive)提高揀選效率的(Of)目的(Of)。

        對一(One)項設計而言，一(One)般應選取1年以(By)上的(Of)數據比較适宜。太少的(Of)數據可能缺乏代表性。當然也有例外，如數據量本身就不(No)夠，那就隻有從行業中其他(He)企業的(Of)數據中尋找規律了。