提升零售物流配送中心储位流通效率的路径

2019-10-11何萌

物流技术 2019年9期

何萌

（华侨大学经济与金融学院，福建泉州 362021）

1 引言

在零售物流配送中心运作中，为了使储存作业中货物流通频率、货物品种和数量迅速增加，零售物流配送中心的需求向着小批量、多品种和时效性方向发展。但目前，部分零售物流配送中心存在着货物摆放没有合理的储配方案，仓库内物品没有合理的分类、库内作业效率低下，尤其是内部拣货区，人员行走距离和拣货时间长，出货频率高等问题，严重地阻碍了物资流通的效率。为了解决这些问题，需要为其设计合理的储配方案，不断提升零售物流配送中心储位流通效率，促使零售物流配送中心有序、快速的工作，满足消费者的需求。

2 运用EIQ-ABC 分类法管理物品，提升储位流通效率

本文采取EIQ、ABC 两种分类管理方法，其中ABC 分类法是按照品种和耗用金额的多少，将库存货物分为3个等级，然后实施分别管理和控制以提升零售物流配送中心储位流通效率，即：A 类库存属于特别重要的，B 类库存是一般重要的，C 类库存是不太重要的；EIQ 分类法主要是从客户订单的品类、数量与订购次数等观点出发来研究配送中心的需求特性。通过这两种方法管理物流配送中心的物品，可以提升配送中心储位流通效率。如：通过对M 物流配送中心实地调查发现，结合物流仿真软件，根据每天物流配送中心各个点的订购产品种类和数量等订货信息，对其进行区域划分，可知总体订货量趋于稳定。

对订单号进行分类后得出表1。

对部分产品进行标记后，得出表2。

可以看出标记AD 钙奶饮料为G1，C 驱动为G2，…，柠檬茶饮料为G27，槐花蜜植物饮品为G28，卡曼橘冰红茶饮料为G29…某品牌奶茶饮料为G54。即该物流配送中心向19 家小型零售店配送的货物品种为G1，G2，G3，…，G54，运用EIQ-ABC分类法将零售店所订购的产品分为A 类、B 类和C 类，侧重于IQ分析和IK分析（见表3）。

表2 产品标记表

表3 EIQ-ABC分析表

进行IQ-ABC分析后，将数据绘制成柏拉图分析（如图1），可知，根据ABC分类法对产品进行分类，出货数量呈两极分化，得出的产品分类表见表4。

图1 IQ-ABC柏拉图分析图

表4 IQ-ABC产品分类表

进行IK-ABC分析后，将数据绘制成柏拉图分析图（如图2所示）。

图2 IK-ABC柏拉图分析图

由图2 可见，出货数量波动不明显，基本处于稳定状态中，后段数量逐渐减少，前段数量比较大，由此可以得出IK-ABC分类表（见表5）。

表5 IK-ABC产品分类表

进行IQ、IK交叉分析后得出图3。

图3 IQ、IK交叉分析图

由图3 可知，结果倾向于IQ-ABC 分析的结果，出货数量大，出货次数也就多。所以最终的ABC 分类结果是：A 类的占69.33%，包括G20、8、10、44、16、52；B 类的占20.36%，包括G9、53、40、37、43、2、46、39、1、22、35、5、19；C类的占10.31%，包括G4、54、48、27、14、30、3、15、6、31、34、21、42、29、11、38、13、7、25、12、47、28…

3 结合产品管理要求与分配原则，优化储位分配

根据M 公司所提供的产品信息以及储位信息，通过对m 公司的实地调查研究，整理得出优化前储位分布图，发现产品储位摆放混乱、对工作人员操作影响很大，没有根据产品的实际情况进行安排，出库慢、效率低下，降低了仓库作业效率。优化前储位分布如图4所示。

图4 优化前储位分布图

鉴于优化前储位分配造成仓库作业成本增加，产品的摆放没有充分利用仓库空间，占用地面空间大，由此对储位分配进行了优化，从而得出图5结果。

图5 优化后储位分布图

由图5可知，将出货频率高的A类产品摆放在靠近库区的位置，对于货物出库能够带来极大的方便；将出货频率较低的B 类产品摆放在出库区稍近的位置；出货频率最低的C类产品摆放在出库区较远的位置上，这样能够提升拣货的效率，缩短拣货员的拣取距离。

4 优化拣货路线，提升零售物流配送中心储位流通效率

为了验证调整后储位分布的物流效率，本文以拣货作业为例，结合调研情况，在仿真系统模拟了四张订单，将拣货区分成P1、P2、P3、P4区进行分析，订单商品信息见表6。

表6 四张订单的商品信息表

根据四张订单信息，通过仿真系统分别模拟了在货物储位优化前与优化后的拣货路线图，如图6、图7所示。

图6 优化前的拣货路径图

图7 优化后的拣货路径图

流程一：从P1区到P2区的时间对比（见表7）。

成本值：单位时间中所产生的成本估计值，即总成本除以总时间，本案例为0.3元/s，下同。

优化前人工成本为0.3×216+0.3×120+0.3×743=323.7元，总时间为1 079s；优化后的人工成本为0.3×134+0.3×120+0.3×608=258.6 元，所用的总时间为862s。

表7 从P1区到P2区的时间对比表

流程二：从P2区到P3区的时间对比（见表8）。

优化前人工成本为0.3×369+0.3×125+0.3×469=297元，总时间为990s；优化后的人工成本为0.3×352+0.3×125+0.3×490=290.1元，总时间为967s。

表8 从P2区到P3区的时间对比表

流程三：从P3区到P4区的时间对比（见表9）。

优化前人工成本为0.3×333+0.3×70+0.3×543=283.8 元，总时间为946s；优化后人工成本为0.3×320+0.3×70+0.3×520=273元，总时间为910s。

表9 从P3区到P4区的时间对比表

对优化前与优化后的拣货距离，采用仿真软件进行了对比分析，假设拣货区长2m，宽1m，拣货距离的计算根据订单拣选路径距离进行，得出：优化前拣货人员拣选距离为35m（9+4+9+4+9=35m），完成仿真系统内订单所需的时间为1 079+990+946=3 015s；优化后总共缩短了9m（35-26=9m），拣货人员的拣选距离为26m（9+9+8=26m）（见表10），完成仿真系统内订单所需的时间为862+967+910=2 739s。前后对比，成本节省了（323.7+297+283.3）-（258.6+290.1+273）=82.8元，即时间节省了约4.6min，即节省了3 015-2 739=276s（见表11）。

根据M公司所提供的订单信息，经过优化后，每日平均订单量为156 张的：成本总共节省约156/4×82.8×365=1 178 658 元/a，节约效果比较明显，时间可节省156/4×4.6×365=65 481min/a=1 091.35h/a=45.47d/a。