物流數據分析，主要分析什么？
時間：2024-03-12
點擊：72次
要做好物流倉儲系統的規劃，關鍵一點是需求要清楚明確。而需求是可以用數據來描述和定義的。一個項目，其關鍵數據也就那么幾個而已，如收貨量、發貨量、庫存量、拆零量、sku等，并不難掌握。本文就講一講這些最基本的需求，為了便于理解，主要從物流倉儲的幾個環節進行描述。
1 、收貨有關的數據
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確定，發貨也有這種情況。
2 、儲存有關的數據
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。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。
3、 揀選有關的數據
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。
4 、發貨有關的數據
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。
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。
6、其它
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確認才能用于設計。
最后要說明一點的是，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。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。
1 、收貨有關的數據
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確定，發貨也有這種情況。
2 、儲存有關的數據
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。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。
3、 揀選有關的數據
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。
4 、發貨有關的數據
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。
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。
6、其它
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確認才能用于設計。
最后要說明一點的是，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。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。