基于QLIK VIEW的倉庫優(yōu)化方案

龔軒濤++劉浩++陳昌平

摘 要：該文以快消品物流倉庫為研究對象，結(jié)合其物流行業(yè)運營特點和倉儲環(huán)節(jié)的現(xiàn)狀，以科學(xué)的數(shù)據(jù)分析框架為前提，運用有效的管理方法，對其倉儲管理進(jìn)行合理細(xì)致的研究。讓數(shù)據(jù)分析成為改善倉庫業(yè)務(wù)的有力支撐，幫助企業(yè)加快物資流動的速度，降低成本，提高訂單響應(yīng)速度，在市場競爭中贏得更多的份額。

關(guān)鍵詞：數(shù)據(jù)分析 諸位設(shè)計 挑選優(yōu)化 關(guān)聯(lián)性分析

中圖分類號：F251 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2017）04（a）-0242-02

“大數(shù)據(jù)”帶來的巨大價值正漸漸被人們認(rèn)可，未來數(shù)據(jù)的價值將逐步升值。該方案以快消品物流倉庫為研究對象，結(jié)合其自身運營特點和倉儲環(huán)節(jié)的現(xiàn)狀，對其倉儲數(shù)據(jù)進(jìn)行分析，綜合考慮倉庫的非數(shù)據(jù)部門使用者，能更方便地獲取、理解及使用這些數(shù)據(jù)。借助數(shù)據(jù)分析來改善運營效率、制定更明智的決策，加快物資流動的速度，提高訂單響應(yīng)速度，最終達(dá)到以信息化實現(xiàn)快消品倉庫數(shù)字化轉(zhuǎn)型的目的。

1 快消品倉庫的現(xiàn)狀及問題分析

1.1 倉庫現(xiàn)狀

快消品倉庫貨物普遍包括13大類，包括：食品類、日用類、電器類、日化類、特種類等。庫區(qū)具體包括了入庫區(qū)、托盤存儲區(qū)、揀貨區(qū)、設(shè)備存放區(qū)、出庫區(qū)以及辦公區(qū)域。主要的倉儲區(qū)包括：立庫貨架區(qū)、托盤貨架區(qū)、電子標(biāo)簽貨架區(qū)、閣樓貨架區(qū)、殘次品貨架區(qū)。

在設(shè)施設(shè)備方面，倉庫中常用的物流設(shè)備，包括了托盤、各類叉車、液壓車、手推車等設(shè)備。對于硬件設(shè)施來說，存儲貨位和揀貨貨位普遍較多，擁有自動化的立體倉庫。

1.2 問題分析

在倉儲管理中，問題主要分為三方面。在入庫時，倉儲人員憑借經(jīng)驗放置貨物，不考慮出庫頻率、關(guān)聯(lián)性、重量等庫存特性，也不考慮不同倉儲區(qū)域的儲位特性，導(dǎo)致倉儲零散，并降低訂單響應(yīng)速度。

在庫區(qū)內(nèi)部，缺乏針對每個貨架區(qū)倉儲量的動態(tài)監(jiān)控，導(dǎo)致倉庫貨架區(qū)利用率偏高與偏低并存。針對于不同物料，無法判斷補(bǔ)貨數(shù)量和補(bǔ)貨時點。

在出庫時，倉儲人員按單揀貨，倉儲人員為了提高工作績效，憑借經(jīng)驗快速取貨，不考慮倉庫有限的設(shè)備資源，導(dǎo)致訂單排隊等待時間加長。

2 相關(guān)理論與技術(shù)

2.1 安全庫存量

安全庫存量是為了預(yù)防需求或供應(yīng)方面（如客戶插單、供方交期延誤、質(zhì)量問題等）不可預(yù)測的波動，在倉庫中經(jīng)常應(yīng)保持最低庫存量作為安全庫存量。

以倉庫中典型物料為例，農(nóng)夫山泉天然水的年需求量為115 200，訂貨成本20元/次，單位商品年保管成本H=1元/年，安全系數(shù)為1.645，訂貨提前期為5 d。

經(jīng)濟(jì)訂貨批量為：

訂貨次數(shù)

××

訂貨點

在庫存管理中，適當(dāng)?shù)陌踩珟齑婧徒?jīng)濟(jì)訂貨批量對于倉庫的管理是非常重要的，根據(jù)以上算法可以得到不同貨物的經(jīng)濟(jì)訂貨方案，不僅能夠節(jié)省倉儲費用，提高倉庫的利用率，還能降低缺貨帶來的損失。

2.2 關(guān)聯(lián)性分析

Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項集算法，通過候選集生成和情節(jié)的向下封閉檢測兩個階段來挖掘頻繁項集。掃描所有訂單，計算出頻繁集L1（頻繁集合Lk表示集合內(nèi)的每個項由k個物料組成，比如L2={{a，b}，{c，d}}）；然后采用apriori-gen算法計算出候選集合C2（候選集合Ck表示集合內(nèi)的每個項由k個物料組成。注意在產(chǎn)生候選集合時候，可判定每個項內(nèi)的物料組成的項集是否在Lk-1內(nèi)，若不在，則拋棄該項目，顯然支持度不滿足，這樣可提高效率）；產(chǎn)生候選集合C2后遍歷一遍訂單集合，計算每個項的支持度，并根據(jù)支持度閥值篩選出頻繁集合L2，依此類推，直到Lk為空集合。

我們將Apriori算法用于倉庫物料存儲庫區(qū)中，分析物料之間的關(guān)聯(lián)度，進(jìn)行關(guān)聯(lián)性分析。

資料庫（Transaction Database）：存儲著二維結(jié)構(gòu)的記錄集。定義為：D。

所有項集（Items）：所有項目的集合。定義為：I。

支持度（Support）：定義為supp（X）=occur（X）/count（D）=P（X）。

置信度（Confidence/Strength）：定義為conf（X->Y）=supp（X∪Y）/supp（X）=P（Y|X）。

候選集（Candidate itemset）：通過向下合并得出的項集。定義為C[k]。

頻繁集（Frequent itemset）：支持度大于等于特定的最小支持度（Minimum Support/minsup）的項集。表示為L[k]。注意，頻繁集的子集一定是頻繁集。

提升比率（提升度Lift）：lift（X->Y）=lift（Y->X）=conf（X->Y）/supp（Y）=conf（Y->X）/supp（X）=P（X and Y）/（P（X）P（Y））。見圖1。

3 分析結(jié)果

3.1 入庫-儲位設(shè)計

不同庫區(qū)之間，采用移動平均加權(quán)法，劃分頻率標(biāo)準(zhǔn)線及數(shù)量標(biāo)準(zhǔn)線，將每個物料有效分配到四個對應(yīng)的庫區(qū)類別，達(dá)到儲位優(yōu)化效果；庫區(qū)內(nèi)，采用關(guān)聯(lián)性分析，找尋同一筆訂單中不同物料同時出現(xiàn)的置信度，將置信度高的物料擺放在相近區(qū)域，減少揀貨時間，提高響應(yīng)速度。

3.2 庫內(nèi)-補(bǔ)貨監(jiān)控

通過對物料現(xiàn)有庫存量進(jìn)行動態(tài)跟蹤，當(dāng)庫區(qū)貨品庫存低于安全庫存量時，自動計算出安全庫存量比率，當(dāng)比率低于歷史值18%進(jìn)行預(yù)警，并自動提醒補(bǔ)貨數(shù)量，以免引起缺貨情況。

3.3 出庫-挑選優(yōu)化

當(dāng)倉庫收到一筆訂單，根據(jù)訂單的各類信息，快速分析出發(fā)貨時間、挑選工具、發(fā)貨車輛等信息，宏觀安排人力物力，提高出庫效率和響應(yīng)速度。在發(fā)貨時間中，根據(jù)訂單中物料數(shù)量、重量、月臺效率計算出揀貨裝載時間；根據(jù)客戶所持路段、交通擁堵信息計算出路程時間；最終根據(jù)應(yīng)到達(dá)時間反向推導(dǎo)最遲發(fā)貨時間。

在挑選工具時，綜合考慮物料體積、包裝規(guī)格，規(guī)劃所需叉車和手推車數(shù)量。