S企业成衣仓库管理改善提升方案

S企业成衣仓库管理改善提升方案摘要S企业是一家跨境电商企业，主营时尚女装业务，也向其他品类时尚单品业务扩展。但目前仓库设置库位库区，货区分不清，仓库管理业务混乱，拣货时间长、效率低。公司急需有仓库管理改善方案。本文根据对S企业成衣仓库的调查，首先分析了跨境电商拣货波次管理、仓库库位库区布局、仓库业务流程等，接着针对所存在的问题给出了几种解决方案；然后，通过层次分析法（AHP）对该方案进行评估，通过分析得到最优方案；最后按照所选方案对S企业成衣仓库管理进行改善，并对改善效果进行了评价。关键词：仓库管理、波次管理、仓库布局、货位分配AbstractSEnterpriseisacross-bordere-commerceenterprise,mainlyengagedinwomen'sfashionbusiness,butalsotoothercategoriesoffashionsinglesbusinessexpansion.However,atpresent,warehouselocationsarelocatedinwarehouseareas,thecargodistinctionisnotclear,thewarehousemanagementbusinessisconfused,thepickingtimeislongandtheefficiencyislow.Thecompanyurgentlyneedsawarehousemanagementimprovementprogram.BasedontheinvestigationofthegarmentwarehouseofSenterprise,thispaperfirstanalysesthemanagementofpickingfrequencies,thelayoutofwarehouselocationandwarehousebusinessprocessofcross-bordere-commerce,thengivesseveralsolutionstotheexistingproblems;then,throughtheanalytichierarchyprocess(AHP)evaluationofthescheme,theoptimalschemeisobtainedthroughanalysis;finally,accordingtotheselectedscheme,thegarmentwarehouseofSenterpriseisevaluated.Thedatabasemanagementwasimproved,andtheimprovementeffectwasevaluated.Keywords：Warehousemanagement,wavemanagement,warehouselayout,locationallocation目录1绪论 货位号货位号货位号货位号货位号A-01-01A-02-01A-03-01A-04-01A-05-01A-01-02A-02-02A-03-02A-04-02A-05-02A-01-03A-02-03A-03-03A-04-03A-05-03A-01-04A-02-04A-03-04A-04-04A-05-04A-01-05A-02-05A-03-05A-04-05A-05-05A-01-06A-02-06A-03-06A-04-06A-05-06A-01-07A-02-07A-03-07A-04-07A-05-07B区域部分货位编码如表所示表B区域货位编码表货位号货位号货位号货位号货位号B-01-01-01B-02-01-01B-03-01-01B-04-01-01B-05-01-01B-01-01-02B-02-01-02B-03-01-02B-04-01-02B-05-01-02B-01-01-03B-02-01-03B-03-01-03B-04-01-03B-05-01-03B-01-01-04B-02-01-04B-03-01-04B-04-01-04B-05-01-04B-01-01-05B-02-01-05B-03-01-05B-04-01-05B-05-01-05B-01-01-06B-02-01-06B-03-01-06B-04-01-06B-05-01-06B-01-02-01B-02-02-01B-03-02-01B-04-02-01B-05-02-01B-01-02-02B-02-02-02B-03-02-02B-04-02-02B-05-02-02B-01-02-03B-02-02-03B-03-02-03B-04-02-03B-05-02-03B-01-02-04B-02-02-04B-03-02-04B-04-02-04B-05-02-04B-01-02-05B-02-02-05B-03-02-05B-04-02-05B-05-02-05B-01-02-06B-02-02-06B-03-02-06B-04-02-06B-05-02-06C、D两个区域参照B区域的编码方式进行编码。5.3货位分配效果验证5.3.1、作业时间效果验证表5.3.1改善前后作业时间对比分析表品名日期库区前后对比分析平均入库时间平均出库时间平均入库时间平均出库时间入库差异出库差异Bragasdenatacióndescaradasdehipster1月B区123025830369856675241-24459-77952月91203812037100265254-20201-159493月1230159301410332076621-19695-163934月96321763216525252621-31069-237005月120256502569585542254-24401-80026月87522675226251052201-25012-153217月65841658414202152020-23820-138218月63326630264526249852-18064-180509月1236251006009241482550-31211-1810010月12365810365810025185562-23407-18096LowSideOmbreTankTop1月C区75632556045698549852-18647-57522月98865688658620152623-12664-162423月100632806308552565202-15107-154284月96326803267451262202-21814-181245月120023500239858741002-21436-90266月75282772826585850020-9424-114247月101121511217552142203-25600-89188月63326653265262550021-10701-153059月123625836258569552260-37930-3136510月123658937658695270020-36706-23745由表5.3.1可看出，库位调整之后入库作业时间要比调整前节省15%;出库作业时间比调整前省时大约20%。由此说明调整方案是有效可行的。5.3.2、出入库效率效果验证图成衣仓库入库时间分析图成衣仓库出库时间分析如图、图所示，通过入出库效率对比分析，出入库的作业效率在原来的基础上都有明显提高，平均达到80%的改善目标。5.3.3、仓库容积率效果验证表5.3.3仓库容积利用率项目区域月份有效容积12345678910780成衣所占容积A123302260136234280320153180203B352260320347256230210301301260C100706012060806096102207D140120869911389106140197100合计715752726702663679696690780770容积利用率92%96%93%90%85%87%89%88%100%99%通过成衣仓库仓库容积率调整前后的对比可以看出，库位分配原则调整后相比调整前仓库的容积率提高7%，平均达到85%，改善目标见表5.3.3所示。改善后仓库容积利用率均大于85%。图5.3.3成衣仓库容积利用率分析图成衣仓库容积利用率改善前后对比如上图所示。从图5.3.3可得到，实施新的库位分配方案之前，部分月份达到70%，但是实施新的库位分配方案，仓库容积利用率达到了85%以上，证明方案是有效的。通过以上的仓库容积率的调整改善可以看出，本次库位分配的实施效果比较明显，可以在企业推行。5.4波次优化效果验证表5.4.成衣仓库接受订单时间序列单据号商品SKU数量订单到达时间S001DotPatternButtonThroughMidiDress18:01S001PolkaDotSelfBeltedLayeredHemDress1S002ContrastBindingButton-upSatinPajamaSet18:01S002FrilledCuffStar&DotPrintBodiceDress1S003Bikinitriángulocontanga18:02S003LowSidePocketFrontHoodedTank1S004RibbedKnitCamiBodysuit18:03S004NeonYellowMock-neckRuffleCuffTee1S005FrilledCuffStar&DotPrintBodiceDress28:03S006LowSideOmbreTankTop18:04S007Bikinitriángulocontanga18:04S007FrilledCuffStar&DotPrintBodiceDress1S008MockNeckFittedNeonGreenTop18:05S008PolkaDotSelfBeltedLayeredHemDress1S008FrilledCuffStar&DotPrintBodiceDress1S009DotPatternButtonThroughMidiDress18:05S010LowSidePocketFrontHoodedTank18:06S010Bikinitriángulocontanga1S011PolkaDotSelfBeltedLayeredHemDress28:07S012PlusMockNeckSolidPencilDress18:10S012PolkaDotSelfBeltedLayeredHemDress1S012RibbedKnitCamiBodysuit1S013GirlsFrillTrimShirredPanelFloralDress18:11S013RibbedKnitCamiBodysuit1S014LowSideOmbreTankTop18:12S014LowSidePocketFrontHoodedTank1S015PlusMockNeckSolidPencilDress18:15S015EmbroideryFloralRuffleCuffTee1S016LowSidePocketFrontHoodedTank18:16S016Bikinitriángulocontanga1S017PolkaDotSelfBeltedLayeredHemDress18:16S017RibbedKnitCamiBodysuit1S018EmbroideryFloralRuffleCuffTee18:17S019GirlsFrillTrimShirredPanelFloralDress18:17S019DotPatternButtonThroughMidiDress1S019PlusMockNeckSolidPencilDress1S020LetterPrintFormFittingCropTankTop18:18S020LowSidePocketFrontHoodedTank1S021Bragasdenatacióndescaradasdehipster18:18S022NeonYellowMock-neckRuffleCuffTee18:18S022Bikinidecuadrosvichy1S023LowSidePocketFrontHoodedTank18:19S024MockNeckFittedNeonGreenTop18:19S024RibbedKnitCamiBodysuit1S025PlusMockNeckSolidPencilDress18:19S026ContrastBindingButton-upSatinPajamaSet18:20S026DotPatternButtonThroughMidiDress1S027PlusMockNeckSolidPencilDress18:20S027Bikinidecuadrosvichy1S028LowSidePocketFrontHoodedTank18:20S028NeonYellowMock-neckRuffleCuffTee1S029FrilledCuffStar&DotPrintBodiceDress18:20S029GirlsFrillTrimShirredPanelFloralDress1S030EmbroideryFloralRuffleCuffTee18:21S030PlusMockNeckSolidPencilDress1S030LaceInsertCuffRibbedKnitTee1S031LowSidePocketFrontHoodedTank28:21S032FrilledCuffStar&DotPrintBodiceDress18:22S032Bragasdenatacióndescaradasdehipster1S033Bikinitriángulocontanga18:22根据前面的货位布置设计，通过观察，在仓库拣取A类货品的平均时间为10s，拣取B类货品的平均时间为12s，拣取C类货品的平均时间为15s。根据调查结果可知，平均各商品SKU分拣包装时间是15s。为了保证分拣效率，假设分拣包装区域的最大放置量为61件，分拣包装区域的最低工作量为60件。5.4.1动态时窗分批算例分析表动态时窗窗口分批策略订单的拣取结果时窗处理订单拣取数量（件）拣取作业开始时间拣取时间（S）时窗1（8:01~8:21）S001~S031608:21290时窗2（8:21~9:12）S032~S062619:12300表动态时窗窗口分批策略订单分拣包装结果时窗分拣包装开始时间（s)分拣包装工作时间（s)时窗1（8:01~8:21）8:26900时窗2（8:21~9:12）9:17915订单到达概况，第一个订单的拣取数目为2件，并没有达到规定的拣取工作量的下限，因此该订单需等待到第31个订单的到达，前31个订单所要求的拣取数目是60件，符合所限定的条件约束。因此第一时窗处理的订单序号为S001~S031，拣取时间为max{29x10,22x12,9x15}=290s，如表。分拣包装开始时间为拣取完毕时间，即8:26开始分拣包装作业，分拣包装时间为60x15=900s其它各时窗的处理方法同理，如表。5.4.2静态时窗分批算例分析表静态时窗窗口分批策略订单的拣取结果时窗处理订单拣取数量（件）拣取作业开始时间拣取时间（S）时窗1（8:01~8:21）S001~S031608:21290时窗2（8:21~8:41）S032~S052618:41204时窗3（8:41~9:01）S053~S059149:0190时窗4（9:01~9:21）S060~S06379:2148表静态时窗窗口分批策略订单分拣包装结果时窗分拣包装开始时间（s)分拣包装工作时间（s)时窗1（8:01~8:21）8:26900时窗2（8:21~8:41）8:44615时窗1（8:41~9:01）9:03210时窗2（9:01~9:21）9:22105静态时间窗窗口分批策略结果显示(时间窗口为20min)如表所示。按照静态时窗分批策略，把8:01到8:21作为第一时间窗口，在此期间订单标号为S001-S031的订单到达，因此最长的拣取时间为max{29x10,22x12,9x15}=290s，如表。当第一批订单拣取完后，也就是8:26开始进行第一批的分拣包装作业，时间为60x15=900s，如表，其它各时窗的处理方法同理。5.4.3比较两种时窗分批策略表5.4.3两种时窗分批策略对比订单分批策略拣货环节分拣包装环节运行（s）工作（s）运行（s）工作（s）静态时窗364863234651830动态时窗336059039751815根据上述表5.4.3数据，采用动态时窗分批策略拣货使整个环节效率提升了7.9%，拣货过程效率提高了6.6%。由此可见，选择动态时间窗分批策略可以使每个时间窗口的拣货量保持平均，不用担心各个时间窗口的拣货量忽大忽小，使得拣货工作和分拣包装工作变得不均衡，确保了拣货系统和分拣过程的平均性和连续性，而且动态时窗分批策略要比静态时窗分批策略更加优化，节约了分拣时间，可以提高分拣效率。总结本论文以仓储理论研究为基础，通过大量阅读仓储管理相关文献，实地调研S企业成衣仓库管理的情况，根据S企业仓储管理自身特点及切实需求，搜集仓库物品相关历史数据进行分析，结合S企业仓储实际管理现状，发现问题并提出优化方案，降低了S企业成衣仓库仓储管理成本，提升了管理效率。本文的工作成果主要有以下几点:(1)通过查阅分析国内外仓储管理的研究现状，深入学习仓储布局、存储策略、货位分配、拣货流程、波次管理等方面理论成果，本研究综合以往的研究发现，通过调研S企业成衣仓库仓储情况，优化仓储管理方面存在的问题。(2)本文以跨境电商成衣仓库的货位分配方法进行研究。通过改变货位分配的方法、调整货位分配的原则，以改善S企业成衣仓库的存储结构。通过调整货位分配的方法、原则使得仓库容积利用率达到85%以上，提高仓储做业效率，从而是企业的仓储管理成本降低，公司总物流成本降低，实现S企业的仓储管理目标。(3)本文将时间延迟思想应用于跨境电商仓库的拣货工作，由于原先仓库采用静态时窗策略存在等待时间和块状需求(闲忙不均)的问题，本文通过利用动态时窗策略解决，并验证其合理性，明显的提高了拣货作业效率。参考文献[1]Branueau.ImprovementsandcomparisonofheuristicsforsolvingthemultisourceWeberproblem.OperationsResearch,1995,48(3):444-460.[2]BrynzerH,JohanssonM.Storagelocationonassignment:Usingtheproductstructuretoreduceorderpickingtimes..InternationalJournalofproductioneconomies.1996,45:595-603.[3]EkPengChew,LoonGhingTangTraveltimeanalysisforgeneralhemlocationassinmentinarectangularwarehouse.EuorpenaJounalofOperationalResearch1999,1(112):582-597.[4]Le-DucT,KosterRMBMD.Traveltimeestimationandorderbatchingina2-blockwarehou