基于EXCEL的服裝電商行業分揀作業應用研究

王君紅

摘 要：訂單分揀是配送中心運作的重要環節，其效率高低直接影響配送中心的經營效益。電商平臺在執行物流訂單時，經常出現“爆倉”或差錯率高的問題，主要原因在于分揀能力不足。針對服裝電商行業，主要從揀選作業的訂單處理—一次“客戶訂單分批”和二次“一次揀貨單”分批著手，通過EXCEL的算法設計以及實例分析展開研究，一次性完成多張顧客訂單的分揀，對服裝電商行業的分揀作業提出了行之有效的解決辦法。

關鍵詞：服裝電商；波次分揀；EXCEL

中圖分類號：F25 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2018.08.017

1 引言

淘寶、京東、當當等目前中國購物網站的主流模式是B2C。該運營模式導致大部分服裝電商賣家的發貨單位趨于“小型化”，消費者訂單呈現“數量多、單筆訂單小、品種多、配送地址分布廣、配送時間要求高”等特點。這些服裝電商物流倉庫中，分揀環節占比較重，其效率高低直接影響訂單處理的時間長短。電商平臺在執行物流訂單時，經常出現“爆倉”或差錯率高的問題，主要原因在于分揀能力不足。

因此，通過選擇合適的訂單分批方法來完成分揀作業對于提高服裝電商行業揀選作業效率顯得尤為重要。

2 分揀作業流程設計

訂單揀選是物流配送業務流程中的重要環節之一，是指從保管區或動管區按照特定客戶的需求揀選相應的物品，完成此過程需要耗費大量的人力及設備資源。

波次揀貨，又叫訂單分批，是指通過將多個訂單合并到一個時間段中進行集中揀取。訂單分批工作的優劣對后續揀選作業的效率有著直接影響，其目的在于將儲存位置靠近的貨物集中在一次作業中完成，縮短揀選路徑的距離和時間。

當客戶訂單的商品種類比較多但是每一品種的需求量比較少時，最好是與其他客戶訂單作為一個批次進行揀選，采用這種分揀策略可以大大縮減揀貨人員的行走時間。目前大多數服裝電商行業的顧客訂單特點為“品種雜批量小”。如果按照按單揀選的方式進行分揀作業，將大大增加行走路徑的距離，而且路徑重復率較高。因此，采用訂單分批的波次分揀可以大大提高揀選效率。

分揀作業流程主要包括4個環節：生成揀選資料、行走或搬運、揀取、分類與集中。

通過上述分析，我們可以將服裝電商分揀作業流程設計為。

首先，將多張客戶訂單生成一張揀貨單，此為“一次揀貨單”，目的是通過一次揀貨就可以揀出多張訂單的貨品，此為一次分揀；同理，其次可以在此基礎上將多張揀貨單再進行合并生成“二次揀貨單”，即通過一次可以揀出多張揀貨單的貨品，此為二次分揀。通過該分揀流程設計，采用分批策略，可以大大的降低行走路徑長度及路徑重復率，從而達到節約揀貨時間的目的。將商品按照客戶要求揀選出來后，分揀人員在進行分類的時候可以配合掃描槍等設備增加一次分揀復核，分揀作業的準確率更高。

3 揀貨波次設計

3.1 一次分揀之訂單分批

批量分揀又叫播種式分揀，我們把播種員在不需要行走、彎腰或者墊腳的情況下進行分揀，最佳的播種范圍稱之為最佳播種面積。一次分揀播種口的數量決定了訂單分批的批量大小。

一次分揀播種口數量=最佳播種范圍面積÷單個播種口面積（1）

由公式（1）可知：如果單個貨品的體積小，需要的播種口面積就小，則在最佳范圍內可設置多個播種口。反之，單個貨品的體積大，播種口設置數量就少。一次分揀播種口數量即客戶訂單分批的批量。

3.2 二次分揀之“一次揀貨單”分批

二次分揀整合了多張“一次揀貨單”的貨品，貨物數量相對較大，在播種時需要將揀貨箱平行放置，此時的最佳播種范圍是個弧形，最佳范圍的周長由人的胳膊長度決定。假設該弧形周長線上可以放置N個揀貨箱，則將N張“一次揀貨單”合并為一張“二次揀貨單”，公式如下：

N=最佳范圍周長÷揀貨箱寬度（2）

N即二次分揀的播種口數量，其大小決定了“一次揀貨單”分批的批量大小。

4 實例分析

現已知某服裝電商企業某天的部分訂單信息（包括單據號、貨品編號及數量）和貨品的貨位信息（包括貨品所屬庫位、所屬區域），具體見圖1所示。

4.1 基于EXCEL的訂單分批的實現

每個客戶訂單的商品數量相對較少，所以可以采用播種墻來幫助播種。最佳播種范圍即由播種員肩寬和兩臂長構成的長及兩臂長構成的寬組成的矩形面積。

假設播種員人體胳膊長度a為60cm、人體兩肩寬度b為50cm，一次分揀播種口寬度c為35cm、播種口高度d為40cm，則最佳播種范圍面積為20400cm2，播種口面積為1400 cm2。

最佳播種范圍面積=（a×2+b）×a×2=20400cm2

播種口面積=c×d=1400 cm2

所以一次分揀播種口數量，即每波次訂單數為15，參照公式（1）。

因此，將15張客戶訂單作為一個批次生成揀貨單，完成一次分揀作業，具體分揀結果如圖1所示。

完成一次分揀作業的基于EXCEL的客戶訂單分批的算法設計如表1所示。

一次分揀之客戶訂單按照批量15進行分批結果出來后，對其進行數據透視（透視結果如表2所示），最終將透視結果進行數據轉換粘貼到“二次分揀”進行二次分揀之“一次揀貨單分批”。

4.2 基于EXCEL的“一次揀貨單”分批的實現

假設播種員人體胳膊長度a為60cm、人體兩肩寬度b為50cm，二次分揀播種口寬度e為43cm，則播種最佳周長為345.4cm。

播種最佳周長=2π×（a+b）/2=345.4cm

所以二次分揀播種口數量，即每波次分揀單數為8，參照公式（2）。

因此，將8張“一次揀貨單”作為一個批次作二次分揀，并進行類似“一次分揀”的基于EXCEL的計算，得到二次分揀結果（如圖2所示），再進行數據透視，即得到最終的揀貨結果。

通過以上基于EXCEL的分揀作業優化，該服裝電商現有揀貨流程是將15張客戶訂單生成一張揀貨單，此為“一次揀貨單”，再由8張“一次揀貨單”生成一張“二次揀貨單”，那么根據二次整合的揀貨單進行配貨，則可以同時揀出120張客戶訂單的貨品。

5 總結

綜上所述，通過對服裝電商行業揀選作業的優化，對于提高揀選作業效率及準確性具有重要的理論和現實意義。

本文充分考慮了訂單分批對揀選行走時間和分揀時間的影響，基于此，從揀選作業的訂單處理一次客戶訂單分批和二次“一次揀貨單”分批著手，通過EXCEL的算法設計以及實例分析展開研究，通過分揀作業一次性完成多張顧客訂單的分揀。

EXCEL在管理科學領域的應用很多，其運用能對管理者的決策提供很好的支持。本文的研究結果為服裝電商行業的分揀作業效率的提高提出了一種新的、行之有效的思路和方法，對傳統的分揀作業方法有明顯的改善，具有很強的實踐意義。

參考文獻

[1]李英德.波次分區揀貨時裝箱與貨位指派問題協同優化的模型與算法[J].系統工程理論與實踐，2013，33（05）：1269-1276.

[2]馬飛.電商配送中心訂單分批及揀選路徑優化研究[D].昆明：昆明理工大學，2016.

[3]韓思媛，呂貴鑫.從光棍節的“爆倉”談我國電子商務的物流配送之殤[J].統計與管理，2013，（3）：138.

[4]孫洪華，董慧慧.配送中心訂單分批與揀貨路徑研究[J].物流技術，2014，（13）：179-183.

[5]趙蘭.基于揀選和分揀時間的訂單分批優化方法研究與應用[D].武漢：華中科技大學，2015.

[6]田維彬.播種式揀選技術在某大型醫藥配送中心的應用研究[D].昆明：昆明理工大學，2017.