您目今的位置： 首页 > 案例新闻 > 新闻动态 > yd2333云顶电子游戏动态

基于EIQ剖析的配送中心仓储库区优化

来源：本站 | 宣布日期：2023-02-27

0 引言

配送中心的仓储担负着商品入库、出库、盘点、存储、分拣、理货、包装以及信息处理等运动，在整个物流网络和供应链网络起着至关重要的作用。随着配送中心订单量的增加，出库订单向小批量、高频率、多品种偏向的生长，订单商品数量和品项的差别化愈加明显，合理的库区分派，对缩短拣货路径，提高仓储分拣作业效率和配送中心整体效劳水平的意义重大。本文基于EIQ(Orerentry,Item,Quantity）剖析，通过线性计划构建数学模型，对仓储库区的合理性提出了剖析、思考与优化，以期提高分拣作业效率和仓储整体效劳水平。

1 EIQ剖析的应用

1.1 EIQ剖析法

EIQ剖析法是日本铃木震先生提倡的一种关于配送商品出货特性的剖析要领。通过利用“Entry”“Item”“Quantity”三个物流要害要素，进行EQ、EN、IQ、IK等种种数据剖析，来研究货仓的商品需求特性，为货仓基础计划等提供依据。其中：（1）订单量（EQ）剖析是对单张订单出货数量的剖析；（2）订单品规数（EN）剖析是对单张订单出货物规数的剖析；（3）品规数量（IQ）剖析是对每简单品规出货总数量的剖析；（4）品规受定次数（IK）剖析是对每简单品规出货次数的剖析。

本文主要进行IQ与IK剖析，主要了解种种品项出货总量的漫衍状况，结合ABC剖析法剖析各品项的重要水平与数量规模，为仓储的库区计划提供数据依据。

1.2 EIQ剖析的应用现状

EIQ剖析在实际事情中的应用越来越广泛，随着海内外诸多学者的研究，目前已在物流系统的基础计划，物流系统的�？楣菇ǖ确矫嬉讶〉眯兄行У耐黄�。陈诚等人[1]，针对钢铁物流园区保存的仓位、堆场结构不对理，车辆在库流转时间长等一系列常见问题，提出利用EIQ-ABC-SLP要领合理革新仓储结构，以实现改善仓位、堆场结构合理性，减少车辆流转时间，提高仓储效率。刘倩等人[2]，通过收集配送中心的订单数量，建立EIQ剖析模型，结合ABC剖析和交叉剖析，得出数据变换纪律，为F公司的配送中心制品仓提出计划结构建议。刘军[3]，针对烟草这类少品种、大批量特点的商品，收集卷烟配送中心的订单数据，通过EIQ剖析法寻求合理的分拣战略，最后提出分拣单位分区和订单支解战略来对烟草进行分拣作业。通过总结目前的参考文献，发明在EIQ剖析的应用中，大部分学者接纳将其与ABC剖析法相结合进行数据模型构建，主要用于探索实践历程中分拣战略简直定和库位结构的计划等研究。

2 基于EIQ剖析的仓储库区优化

2.1 项目简介

某配送中心的商品贮存仓，主要为客户提供仓储与配送效劳，该货仓的面积有3000平方米，共划分为八大区域，收货区、退货处理区、贮存分拣区、异常处理区、复核出货区、设备安排区、待上架区、用料安排区、办公区，目前在贮存分拣区存放了A、B、C、D、E、F和G共7家客户的商品，该商品贮存仓平面位置图如图1所示：

图1 商品贮存仓平面位置图

Fig.1 Commodity storage warehouse plan location map

2.2 EIQ数据剖析

收集客户四月份订单出库情况，具体相关数据如表1所示：

通过抽取四月份七位客户的出货情况，将客户假设为品项（I），每个客户的订单量作为出货频率（K），每个客户的出货量作为该品项的出货量（Q），周平均出货次数和出货量如表2所示：

表1 各客户订单量和出货量

Tab.1 Order volume and shipment volume of each customer

表2 周平均出货次数和出货量

Tab.2 Weekly average number of shipments and shipments

2.2.1 品项出货量（IQ）剖析

品项量（IQ）剖析一般结合ABC剖析法，实现对重要品项的重点治理。ABC剖析法是剖析物流系统数据常用的剖析要领，在结合IQ剖析法时，即对差别品项凭据数据特征把它们分为A、B、C三类来考虑。下面依据品项（I）的数量（Q）的巨细进行排序，I1为C,I2为E,I3为B,I4为G,I5为F,I6为A,I7为D。得如下表3:

表3 IQ排序表

Tab.3 IQ sorting table

凭据表2、凭据表3，对各品项进行ABC分类，如表4所示：

从图1所示和表1上可以得出各个品项的发货量，产品I1、I2的出货总量占52.27%，凭据ABC分类法C和E可以归为A类客户做重点治理；I3、I4的出货总量占31.21%，故B和G客户归为B类客户；I5、I6、I7的出货总量占16.52%，所以F、A和D客户归为C类客户。

表4 ABC分类表

Tab.4 ABC classifi cation table

图2 IQ漫衍图

Fig.2 IQ distribution chart

2.2.2 品项受订次数（IK）剖析

品项受订次数（IK）剖析的是差别品项的出货频率漫衍，结合ABC剖析法，同时配合IQ剖析，能进行仓储以及拣货系统的计划设计，提供对差别客户储区安排的决策依据。下面依据品项（I）的出货频率（Q),I1为C,I2为E,I3为B,I4为G,I5为F,I6为A,I7为D，如表5所示：

表5 IK剖析表

Tab.5 IK Analysis Form

凭据表5得IK漫衍图，如图3所示：

图3 IK漫衍图

Fig.3 IK distribution map

由IK漫衍图可以看到，该货仓内各个客户的出货量与其出货频率并不可正比，所以需要综合考虑两者对储区计划的影响水平，并凭据巨细进行优先级排列，从而做出储区安排的优化决策。

2.3 库区优化数学模型

仓储库区分派是否合理，直接影响仓储系统的拣货效率。目前常见的库区分派原则基本就是在满足商品特性的情况下，最终使得拣货路径最短，例如相关性、同一性、类似性等原则。本文基于EIQ剖析，通过进行IQ、IK剖析，接纳线性计划方法，建立数学模型，以求得出拣货路径最短的库区分派方法。

2.3.1 建立线性计划数学模型

无论接纳何种库区分派原则，库区优化的目的就是将出货频率高，出货量大的商品靠近出口处摆放，以此减小拣货路径和搬运作业量。结合本文项目中商品贮存仓的实际，需要结条约一性原则，将同一客户的商品统一安排集中放在一个库区，以便于集中拣货。所以就形成了一个库区对应一个客户，七个客户划分对应仓储仓的7个库区，每个库区到复合区的距离牢固，区和区之间各自独立�；诖�，对本案例的库区优化，其主要影响因素是路径、拣货频率和拣货难度。

本文中路径是指从商品库区到复核区的距离，用Li体现，实际丈量可得，并且一个库区到复核区的距离是唯一的。

拣货频率是指客户商品的出库频率，用Ki体现，出货频率越大，路程往返次数就越多，行走的路径也就越长。则路径优化要抵达的目的就是使得Li Ki最小，即F=MIN Li Ki。拣货难度是指拣取商品的难易水平。差别的商品拣货难度是差别的，一般认为同重量下，体积大比体积小要难拣取。同等体积，重物比轻物辛苦，所以体积与重量的巨细会直接影响到拣货作业的难度以及搬运作业难度。除此之外，拣货数量也是一个必须考虑的影响因素，另有仓储是人事情业照旧机械化作业也会对拣货难度有影响。本文引入一个拣货难度系数A，对除路径和拣货频率以外的其它因素视作为影响拣货作业操作难度的集中要素。由于拣货难度系数A在使用时禁止易进行量化处理，于是，将其界说为权重值以实现量化的效果。