某服装企业物流中心规划EIQ分析案例报告解读.docVIP

第一部分： XX配送中心物流基础分析 面对一场改变企业竞争力和产业创新的流通革命，面对 XX配送中心物流保障的迫切需求，经过内部和外部专家多次论证， XX配送中心决定导入先进的物流管理技术和组织方式，改造XX配送中心。在运作初期中心（RDC）、转运站式发货中心（FDC）综合功能的整合性中心，未来将定位于支持及其平台的中心（NDC）。中心在相当长的一个阶段还是对的发展起支持作用，性质上是集团内部的第三方物流服务，未来依托在作延伸增值服务。SKU管理，推动SKU管理在全集团各个流程上的应用； 作业空间上，以无限追求订单满足效率为设计基点，将仓储库改造为配送型的拣选库；根据订单的流量、流速、品项结构确定合理的空间和拣取作业设备，使配送中心承担更多与客户紧密相关的服务，方便订单满足和合理的线路配载，采用合理搬运方案； 配送特性： 配送产品主要为，71.5 cm *50.5 cm *33.5 cm，为男慢跑鞋、专业训练鞋、男网训练鞋的箱皮规格。 订单季节性变动趋势分析； 项目组对 的历史进行分析，来推估未來趋势的变化，找出各种可能的变动趋势或周期性变化，有利于资料的分析。 月份 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 出货量 17977 27298 21306 27963 16645 13316 46606 43943 41945 26632 22637 41945 正如其它服装类产品一样， XX出入库产品呈现明显的季节性变化，每个周期为1年， 销售的旺季为7月、8月、9月和12月，销售淡季为1月、3月、5月、6月和11月，季节性变动的差距超過3倍以上，以中期需求量为依据，长期递增的需求，可以预留空间考虑设备扩充的弹性，以分阶段投资方式2.5-3年的需求量）。分析348212.2箱，平均日出货量967.25箱，最大日出货日为 7月3日，出货量为9081.15箱，最大日处理订单数337张。 EQ分析主要可了解单张订单订购量的分布情形，可用于决定订单处理的原则、拣货系统的规划，并将影响出货方式及出货区的规划。EQ分析见附表1所示。 项目 EQ分析图表及说明 主参数 订单数 总订货量 最大值 最小值 平均值 众数 21451 348212.2 110.15 0.09 16.2 4 分布图 ABC分类 分类 订量比率 订单数 订单比率 A类 70%9.66% B类 20% 5101 23.78% C类 10%% 分析结论 订单订量分布极为分散，两极分化，说明订单的订量波动范围很大，可进行A、B、C分类； A类订单为大订单，单张订单出货量都大于85整箱，但都有拆零情况，应优先出库。 B类订单，订量占20%，一般初库量都小于85箱，但大于20箱，订单占总单量的20%； C类订单虽然总出货量很小（10%），但是其订单数较多，占总单量的66.5%，每张订单的出货量小于20箱，且其中大部分订单都小于1整箱，属于作业量最繁重的订单。 项目 图表及说明 主参数 订单数 累计出货品项数 最大值 最小值 平均值（品项/单） 出货品项数 21451 334895 377 1 15.3 3932 分布图 分析结论 单一订单的平均出品货项较高（15.3种），但其分布较为分散，累积出货项数为总出货品项的85倍 ，订单出货品项重复率较高，但部分商品重复分布时间较长，达不到批量拣选的范畴；部分产品出库时间较为集中，因此建议采用按单拣货和批量拣货相结合的方式。 在分类作EN分析时，发现重复率较高的商品还是鞋类。 累计出货品项数（GEN）=334895次，有效出货天数260天，说明在260天内，保管员转圈找货行走334895次，每天找货1288次，高峰时为去年8月25日拣货重复行走6625圈。如果每圈往返按照100米计算，每天所有工人库内行走总计128公里，高峰行走662公里。 总结论：采用按单拣货和批量拣货相结合的方式。找货环节工人每天找货库内行走128公里，高峰重复行走662公里，同时说明工作人力密集度高。 品项数量（IQ）分析 主要了解各类商品出货量的分布状况，分析各类商品的出货量和重要程度。IQ分析结果可用于仓储系统的规划、仓储设备选用和储位空间的估算，对拣货方式及拣货区的规划也有一定影响。经品项数量（IQ）的统计分析知, 1—12月份实际出库的品项为3932种，累计出货箱数为348212箱，IQ的帕托累图（图）和次数分布表（表）如下。 项目 图表及说明 主参数 品项数 总订货量 最大值 最小值 平均值 拆零率 3932 348212箱 7298箱 0.002箱 88.6箱 分 布 图 ABC分类 分类