在仓库中，工作量如何评估？如何从各项细分工作与数据中计算总工作强度呢？工作量是由客户订单生成的，每个客户的订单是由“拣货线路”构成的购物清单，以及各挑货线路产生前往到相应的存储位置和随后的拣货，复核，包装和输送产品。于是拣货线路就是一个工作量的重要指标，幸好几乎总会有他们的历史记录，因为他们和一个销售单据里的条目相对应，这是第一条被电脑处理的信息。

我们使用此信息来推断其中的工作量，也就是说，它是如何分布在以下内容:

•SKU（Stock-keeping units库存单位）

•产品系列

•存储位置

•仓库区域

•时间（一天中的时间，一周有几天，一年有几周，依此类推）

下面，我们重点来看一下SKU：

有时这被称为活动分析（activity analysis），因为我们检查每个SKU的活动，特别是，它有多少次被要求;以及销售了多少SKU？请注意，这是两个不同的问题，第一个问“这个SKU出现在多少客户订单上？”，第二个问“有多少件，箱或托盘通过仓库移动？”

如果一个客户需求的数量少于一个完整纸箱，这被称为拆箱拣选（broken-case pick）。一个拆箱拣选能够进一步划分为内包拣选等，取决于产品是如何打包的。如果客户需求的数量是箱数的整数倍，但少于一个托盘的（单位）装载量，这被称为整箱拣选。一个托盘拣选表示订单数量是一个托盘装载量的整数倍。不会经常有客户需求的数量涉及混合拣选；也就是说，一次拣选同时包括一个拆零和整箱的数量或两种整箱和托盘装载量。拆零拣选比整箱拣选需要更多的时间来处理，整箱拣选比托盘拣选需要更多的时间来处理，当处理数量归一化时。因此希望知道每个期间每个作业的处置。

这里有一个应用，高档纸张的分布，很多SKU都有相当数量的拆零和整箱拣选，许多纸箱也是特别重。一个设施里面，订单拣选员正在进行迂回，效率低下的路线，因此他们可以首先存储在他们推车的底部的纸箱数量，然后将松散的拆零箱数量存储在顶部，以便不压碎或损坏松动数量的纸张。这决定了应该有单独拆零和整箱拣选区域，以减少这种低效率。货架和流架的混合区域被决定用于存储纸箱，根据那些需要执行拆箱拣选作业的箱数。托盘货架，如同前面，是被用来存储全部或部分托盘载荷，根据那些需要执行整托盘拣选和需要拆零拣选的区域。

图1：拣选如何分布在SKU上。横柚是根据需求（拣选）的频次列出SKU，通过显示实际值和累积分数，很容易看出其中最流行的SKU的拣选是怎样集中的

在每个区域中的每个SKU决定恰当的空间数量（插槽类型）需要分解每个SKU对应于整箱拣选作业，同时通过拣选和需求。那些只占其作业很小一部分的类型的SKU，可能不会被分配给这两个区域。

一旦这种作业已经被计算，可以产生多种帕累托曲线。例如，人们可以按热门程度（需求数，拣选）对SKU排名，排序列表，然后产生一个图，显示所有拣选中最流行的SKU的百分比。例如，图14.1显示出的仓库数据，其5000个最繁忙的SKU占了拣选的75％。这表明了，布局仓库以支持快速拣选区域（详见第8章）应该是行得通的。

另一种有用的帕累托曲线可以通过分别检验拆零箱和整箱拣选产生。相类似的，曲线可以通过检验SKU的关键子区域键，这如同那些来自仓库中的一个区域，或结合普通的季节性，或来自相同的产品系列。在这个SKU的子区域里分析的方法中，可能建议仓库的哪块区域或哪个产品系列具有改进的最大机会，或哪类客户是需要负责最多的工作量。最后，有个词可以取代任何作业类型的“拣选”，比如需求。如果进行需求分析，它必须被归一化到整箱或托盘，以便于有一个共同的比较基础。

还有其他的分布可以揭示产品经移动过仓库的模式，例如，图14.2展现了一个仓库的鸟瞰图，其中一个较深的阴影显订单拣选员更为频繁地前往。很明显，常用的SKU存储着仓库所有的吞吐量，而且这样管理能够预期更大的劳动力成本并降低响应，因为所有的行走需要检索一个典型的订单。

      声明：本文内容部分来源于网络，图片来源于摄图网，版权归原作者所有，经本平台整理和编辑，仅供交流、学习和参考，不做商用，转载请联系授权。若有来源标注存在错误或侵犯到您的权益，烦请告知，本平台将于第一时间整改处理。