`
liningjustsoso
  • 浏览: 48275 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

[转]库存那些事儿_7_检货

 
阅读更多
闲话少说,归入正题。上篇讲的是理货,今天就聊一聊检货。

其实关于检货的讨论在paidai已经有很多,也早就归纳出了两大类,即“摘果法”和“播种法”,摘果法适用于少量订单,播种法适用于大批量订单,电商业内人大多了解,先从自己的经历开始,聊点自己的感受吧。

刚刚工作的那一会儿,也参与过一段时间的检货。当时公司一天也就1000单左右,检货员工大多拿着发货单进库检货,发货单上简单地标着客户订单中包括的产品编号、产品名称、数量、货位号信息。每次检货员工都会拿上一撂的发货单,先行翻看一遍,了解大致都有哪些货品,哪些货位后,也不用推车等工具,就直接手拿怀抱,把一堆的货放到出货检验台上,再自己逐个按发货单分开。遇上需要检的货很多,无法一次检完的情况,就会把已经检出的先行放在检验台上,回头再检第二次,第三次。

这种操作方式,既不是摘果,也不是播种,而是具有两方面特点。当时我觉得检货员工很厉害,能够在那么多种产品中精确地找到所需要的。现在看,却觉得由于系统、流程的整体不到位,导致了整个操作过程中有很多的问题:
1. 对熟练员工的依赖度太高:
当时库房一共4个熟练的检货员工,他们同时负责上架和检货两项工作,某一天,由于一些原因,其中的三人集体辞职,导致整个生产过程几乎中断,当天订单无法及时出库。当时的库房管理人员说,一个熟练的检货员工需要至少训练三个月。在那样的操作中,检货操作、看单等,最多一个星期就能熟练,绝大多数的时间是用来熟悉库房,熟悉产品,熟悉货位的。
这个行业内,库房员工的流动性却又非常大。他们大多是乡间进城打工的子弟,工资普遍不高(北京地区1500左右),工作辛苦不说,出错率不低,淘汰率很高;再加上各家企业都在大量招工,熟练员工极为抢手,完全可以放心大胆地跳。
对熟练员工依赖度高,就意味着公司存在致命的缺点。
2. 出错率高:
正常情况下,检货员工需要先走到某一个货位,确实产品无误后方可检出。但熟练员工做久了以后,往往会清楚某一类产品放在哪里,检货时往往会不看实物,凭感觉检货,很有可能检错产品。多个订单中包括了同一件产品时,也经常会发生漏检或者多检的情况。
3. 效率低:
虽然这一检货流程看起来简单,但是它的整体效率其实是偏低的。首先,员工的检货路径实际是自己制定的,其效率不可能达到最优化;其次,前面提到这种检货方法的出错率较高,效率自然低下;第三,每个员工自己的检货任务(手中的那一堆检货单)其实是随机产生的,并没有经过优化。

摘果和播种,向着大规模发展后,趋势必然是播种法。窃以为,播种法其实是一次次的检货任务的安排、规划、执行的过程。

1. 检货任务安排:

播种法是将多个订单集中到一起后,批量检货,然后再分检成单独的订单。播种法的最大优势在于,多个订单集中处理后,理论上需要检的产品会均匀分布在整个库房中,检货时只需要在库房中遍历一次,即可完成整个检货的过程。

但这只是理想的情况。首先,产品会均匀分布的前提是,所需要订单的数量足够大,需要检货的规模足够多。但是,在一个检货批次中,操作人员只能应对一定数量的订单。一般情况下,一个检货批次中一般不应超过50个订单。50个订单一个批次,很难达到产品均匀分布,无法达到理想情况。

检货批次的安排(即一个检货批次中包括哪些订单),我认为有以下两点指导原则:

A. 单件产品订单单独处理:
单件产品的订单在扫描出库时可以采取与普通订单不同的方式(具体做法在扫描出库时描述),可以显著提高扫描出库速度,需要单独处理;

B. 订单的大分区,小聚合:
播种法的优势在于聚合,将多个订单集中在一起处理,检货人员只需要遍历一次检货路径,即可完成所有订单的检货,但是如果这些订单中的所有产品分布于库房的各个地点,则检货路径会明显很长,效率也不会很高。
最为理想的情况是,在一个货位上完成所有产品的检货,但这显然是不可能的,那在此思路下,在一个较小的区域内完成所有订单的检货,其效率也会较高。
因此,在分派检货批次时,将每一批次中的产品尽量集中在一个相对较小的区域中,即是在大的分区中实现了小聚合,可以达到提高检货效率的目的。

2. 检货路径规划:

检货路径的规划,实际上就是地理信息学中的路径规划问题。而物流库房中的路径规划,实际依赖的是货位,只要确认货位后,即可依据货位号的大小关系,制定路径规划规则,从而得到检货路径。

3. 检货任务的执行:

检货任务的执行,即在货位上检下产品的过程,需要注意两点:所检产品的正确,产品数量的正确。除了检货人员自己的细致检查外,最理想的方式是使用RF设备,扫描条码,确认产品类型。
分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics