1. 准备哪些数据,才能选出值得调整的商品?
先保留客户 ID+仓库 ID+SKU、当前库位与可用状态。客户之间同样的 SKU 文本或条码,不证明库存属于同一货主。保存观察周期、拣选单位和报表定义。可以从近四至八周起步,但这只是操作建议,应结合业务周期调整;尽量覆盖正常与相关高峰,不能拿一个淡周代表促销,也不要把起步样本说成统一标准。
| 字段组 | 最小可用记录 |
|---|---|
| 身份与周期 | 客户 ID+仓库 ID+SKU;报告来源、样本日期、当前位置与可用状态 |
| 作业 | 订单、订单行、件数;实际访问或明确标记的替代指标;批次/任务引用及单件/整箱/托盘单位 |
| 商品与库位适配 | 商品/包装尺寸、重量、方向及搬运要求;可用空间和确认承重 |
| 关联工作 | 补货次数及人时;寻找、错拣、复核、等待与反馈;有效共同订单 |
| 需求背景 | 促销、季节、缺货、新客户上线和不确定估计 |
订单、订单行、件数与实际库位访问分开。按销售额做 ABC,不能代替按拣选活动分类。大宗商品可能件数多、访问少,低价配件却反复小批拣选。没有实际访问数据时,可以把订单行标为替代指标,再通过少量路线观察验证,不能把代理数量直接报告成已测得的往返次数。记录不充分时,先降低结论强度。
采集前定义一次库位访问:本次试行可指为了完成关联拣选,对某个客户—SKU 位置的一次实际停靠。同次停靠扫描多件,不自动是多次访问;去两个位置则应能区分。结果关联批次或任务号及观察方法。只有扫描事件时,说明它能证明什么、不能证明什么,避免将重复扫描或拆分任务误算为工作人员真实移动。
批量拣货会改变关系:一次访问可以服务多单,一个订单行也可能跨多个位置。把批量方法与样本一起保存,让下一班还能正确解释。批量拣货指南负责拣选与订单分隔,本篇只借这一背景判断位置候选,不重新设计整套拣法。方法变更后,原来的订单行与访问换算也须复核,不能机械沿用。
历史缺货、新客户上线都应作为背景。缺货会压低已履约件数,使有需求的商品看起来不活跃。把因无货损失或延后的需求,与实际发生的作业分开;上线或促销用相关情境比较,不能认为最近完成的订单已经包含完整需求。不确定预测要标记,并安排较早复查,避免因一个偏低的历史数把商品放到更不合适的位置。
关联分析使用同一客户、同一周期内不同的有效订单,去除重复导出,并把拆分履约记录还原到事先约定的订单定义。套装父项和实际拣选组件如何计入,也先说明,避免一次组套被当成两件独立选择的商品。两款热门商品自然容易共现,原始共同出现次数很高,不足以证明紧邻会减少工作,不能直接转成自动摆放指令。
还要检查客户订单关联是否真的带来共同拣选。拆单分两天作业,需求分析可以计为一个订单,却未必存在同路线机会。两种定义都保留,不悄悄更换分母。在相同订单范围下比较另一种可行安排,说明究竟移除了什么实际工作,而不是只展示一个很大的共现数。若作业没有共同发生,位置靠近的预期收益应重新评估。
补齐商品及包装尺寸、重量、方向限制、拣选单位、确认过的空间与承重,再记录补货次数和人时、寻找、错误、等待及员工反馈。库存数量或身份有疑问,交库存负责人按循环盘点流程核实。候选资料的完成标准,是下一位复核人能解释身份、单位、周期与局限,而不是表格每格都填了一个未经确认的数。


