配送中心人工拣选方式效率测评与选择

杨巨峰，马宇霞

（1.运城学院 经济管理系，山西 运城 044000；2.国药山西运城有限公司，山西 运城 044000）

1 引言

配送中心有摘果式与播种式两种基本拣选方式[1]，其货物拣选效率成为影响物品到达目的地时间长短的重要因素，拣选作业在仓库的整体作业流程中占很大比重。目前关于拣选效率的研究集中在拣选作业的优化过程分析，而较少涉及对拣选效率的测量与评价。未来配送中心业态细化趋势明显，选择适宜的拣选方式是配送中心流程设计与管理的核心关键技术。

2 对效率指标的分析

效率，即单位时间完成的总工作量。在拣选方面，就是单位时间内完成的拣选量。单位时间内完成的拣选量越多，准确率越高，拣选效率就越高，反之，则效率越低。对拣选效率的影响因子进行梳理，筛选20 个因子[1]，见表1，进行影响大小程度打分,范围1-10 分。通过调查物流专家及行业实践者，发放100 份调研问卷，回收65 份，对回收问卷数据采用主成分分析法对效率影响因子进行分析。

2.1 特征值及累计贡献率

在对原始的调查问卷进行处理后，得到65 个可用的数据。将数据导入spss 软件，得到的特征值及累计贡献率详见表2。

首先，根据问卷调查收集到的原始数据经过标准化处理后进行KMO、Bartlett 球形度检验和碎石图检验[2]。如果KMO 的值大于0.6 且Bartlett 球形度检验的sig 值小于显著水平0.001，碎石图趋势符合要求，则意味着变量间的相关性强，适合做主成分分析且上表中的结果（即提取到的主成分）是有效的。KMO和Bartlett球形度检验见表3。

表1 拣选效率影响因子表

表2 说明的变量数总计

表3 KMO和Bartlett球形度检验

碎石图检验如图1所示。

由图1 可知，第一个特征值点在顶点处，第二个特征值点在拐点处，从第二个点开始，特征值点就趋于平缓，且第一个点明显高于其他点，说明收集到的数据是有效的[2]，表2 中的结果（即提取到的主成分）是有效的。

图1 陡坡图

由表2 可以得出，大于1 的特征值总共有7 个。所以可以得到7 个特征值，它们分别是λ1=4.896，λ2=2.019，λ3=1.666，λ4=1.398，λ5=1.372，λ6=1.157，λ7=1.049。主成分贡献率：L1=24.481%，L2=10.096%，L3=8.330% ，L4=6.992% ，L5=6.858% ，L6=5.786% ，L7=5.243%。

累计贡献率M=67.787,累计贡献率在60%-80%之间，因此提取前7个主成分作为影响人工拣选效率的指标。由初始因子载荷矩阵（见表4）得各指标初始载荷V1,V2,…。

表4 初始因子载荷矩阵

由上表分析主成分与一种或多种指标呈现的正相关或负相关关系，对主成分进行重新命名[2]。

2.2 指标重建

第一主成分C1与当前批次总的订单行、拣货人员行走速度、拣货人员拣货速度、拣选路径有效性、播种式拣选及客户在每个巷道的产品重复系数呈现较强正相关；与当前批次的物品品种数和拣货人员学历水平呈现较强负相关。呈现正相关的因素反映了拣货人员拣选速度对人工拣选效率的影响，因而能够认为第一主成分C1是拣货人员拣选有效性的代表。

第二主成分C2与当前批次的订单数/客户数及拣选服务（拣选、订单合并、审核）呈现较强的正相关；与零拣作业区巷道宽度、拣货人员行走速度、拣货人员拣货速度、拣选人员工龄、分拣设备、订单预处理、拣误率及领导管理呈现较强的负相关。呈现正相关的因素反映了订单处理效率的影响，因而能够认为第二主成分C2是订单处理效率的代表。

第三主成分C3与分拣设备、摘果式拣选及拣选区占地面积呈现较强的正相关；与当前批次的订单数/客户数、当前批次总的订单行、零拣作业区长度和宽度/周长、零拣作业区巷道宽度、拣货人员行走速度、拣货人员拣货速度、拣选人员工龄及拣选服务（拣选、订单合并、审核）呈现较强的负相关。呈现正相关的因素反映了拣选外力配置因素对人工拣货效率的影响，因而能够认为第三主成分C3是拣选外力配置因素的代表。

第四主成分C4与拣货人员学历水平呈现较强的正相关；与当前批次的物品品种数、当前批次总的订单行、拣货人员行走速度、拣货人员拣货速度、拣选路径有效性、分拣设备、订单预处理及播种式拣选、拣误率、拣选区占地面积呈现较强的负相关。呈现正相关的因素反映了素质教育因素对人工拣货效率的影响，因而能够认为第四主成分C4是素质教育因素的代表。

第五主成分C5与拣货人员学历水平及分拣设备呈现较强的正相关；与当前批次的订单数/客户数、当前批次的物品品种数、当前批次总的订单行、拣货人员拣货速度、拣选人员工龄、订单预处理、拣选服务（拣选、订单合并、审核）、领导管理及拣选区占地面积呈现较强的负相关。呈现正相关的因素反映了设备使用率因素对人工拣货效率的影响，因而能够认为第五主成分C5是设备使用效果因素的代表。

第六主成分C6与当前批次的物品品种数、拣货人员责任感及拣误率呈现较强的正相关；与零拣作业区巷道宽度、拣货人员拣货速度、拣选路径有效性、拣货人员学历水平、拣选人员工龄、分拣设备、订单预处理、拣选服务（拣选、订单合并、审核）、播种式拣选及拣选区占地面积呈现较强的负相关。呈现正相关的因素反映了拣货人员对货品区分度因素对人工拣货效率的影响，因而能够认为第六主成分C6是拣货人员对货品区分度因素的代表。

第七主成分C7与当前批次的订单数/客户数及零拣作业区长度和宽度/周长呈现较强的正相关；与当前批次总的订单行、拣货人员拣货速度、拣货人员责任感、拣选服务（拣选、订单合并、审核）、摘果式拣选及客户在每个巷道的产品重复系数呈现较强的负相关。呈现正相关的因素反映了订单与作业区相适度因素对人工拣货效率的影响，因而能够认为第七主成分C7是订单与作业区相适度因素的代表。

3 实验数据分析

选取XX物流配送中心作为实验测试场所，该配送中心库区类型属于普通仓库，结构为平房，道路属于环形式，其有效使用面积包括两部分，使用面积（货架、货垛实际占地面积）和辅助面积。其物料流动方式为收货—储存—拣货—发货，拣选使用工具一般为手推车和叉车，货位布置为纵列式，即货垛，且货架长度方向与侧墙相互平行。拣选人员整体受教育水平较低，企业管理制度方面较为一般，人员流动性较大，多为人工拣选方式。

3.1 以时间为测算标准的两种不同拣选方式的拣选效率

该物流配送中心平均每日接收的客户订单为35个，平均每日处理的订单行为1 900-2 000 行，根据实际情况，在这里我们取（V）1 960行，则每个客户的平均订单行（P）为56 个，实际的SKU（W）约为500种。故每张订单客户的产品重复系数为4。一次拣选区为长（C）45m、宽（K）30m 的拣货区，巷道数（X）为20个。二次拣选取为长（c）25m、宽（k）20m的二次分拣区（货垛）。

3.1.1 摘果式拣选。一次拣选作业区的长度为45m，宽度为30m。作业区两边货架不靠墙，每个巷道内客户的产品重复系数为3（δ）。一个拣货员平均拣选一个SKU的时间为3s（T1）,拣选完一个SKU寻找下一个SKU 的时间为5s（T2）。行走时间为0.8m/s（T3），拣选完一张订单后要绕过最后一个货架把拣选货物放到复核区。拣货人员为5 人，且在拣选区同时作业，拣误率为0.8%。在一次拣选区拣选有效性为0.8。

根据以上信息得：

S为拣选人员拣选完一张订单所用时间。每天平均处理客户订单35个，故总的时间为34 820.625s。

3.1.2 播种式拣选。二次拣选作业区长度为25m，宽度为20m。假设货品所在巷道位置不确定，拣货员拣货时要从头到尾走遍所有巷道。在一次拣选区拣选有效性为0.6，拣选人员的灵活度较高，能及时发现错误并修正。且一次拣选完成后送到复核区，打包，装车的衔接性较强。一般情况下5个订单为一批，即5个客户为一批(当前批次总的订单行为j),共分为7批，则计算式如下:

T4为拣选一批客户所用时间。每天平均处理客户订单35个，故总的时间为26 617.5s。

假定在二次分拣区的作业时间包括拣出货品时间和分类装筐时间。拣出货品时间按照拣取一个SKU 的时间计算。分类装筐时间（T5）为拣取一个SKU 时间的2 倍。拣选时间为T6=(T1*P+T5*P)*7,即T6=(3*56+6*56)*7=3 528(s)。采用播种式拣选总时间为T7=26 617.5+3 528=3 0145.5(s)。

由上述可得出该物流配送中心的测算数据，且在该种情况下选择播种式拣选方式较为节约时间，节约时间为78min。

3.2 基于不同指标的两种拣选方式的测评与优化

根据主成分分析的降维结果，以XX物流配送中心播种式拣选与摘果式拣选的相关数据为例，采用主成分分析得出的指标来说明各种指标下播种式拣选与摘果式拣选的适用范围。

3.2.1 两种拣选方式的测评

（1）在第一主成分C1代表的指标中，指标的量化分析结果见表5-表7。

表5 每批次处理的总订单行

表5 显示，随着j（每批次处理的总订单行）的增大，摘果式拣选和播种式拣选两者之间的时间差差距变小，而播种式拣选的时间增量小于摘果式拣选的时间增量，因此当每批次处理的总订单行增多时，采用播种式拣选方式较为合适。

表6 拣取时间

随着拣取时间的增大，摘果式拣选和播种式拣选的时间差逐步缩小，因此当拣取时间增大时，即拣取大件物品时，根据实际情况选择采用播种式拣选或摘果式拣选方式。

随着订单与作业区相适度的加大，摘果式拣选和播种式拣选的时间差也逐渐缩小，因此当拣选有效性增大逐渐逼近1时，根据实际情况选择采用两种拣选方式。由表5-表7 及有关分析表明，采用拣选人员拣选有效性这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况。

表7 拣选路径有效性

（2）在第二主成分C2代表的指标中，指标的量化分析见表8、表9。

表8 客户数

随着客户数的增加，摘果式拣选和播种式拣选的时间差也逐渐加大。当客户数（订单数量）增多时，采用播种式拣选方式较为合适。因此用订单处理效率这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况。

（3）在第三主成分C3代表的指标中，指标的量化分析见表9。

表9 拣选区占地面积

随着拣选区占地面积的增加，摘果式拣选和播种式拣选所用时间和时间差也逐渐加大，而从总体看，播种式拣选时间增长幅度小于摘果式拣选。因此，当拣选区占地面积增大时，适合采用播种式拣选方式。

物流配送中心应根据实际情况对拣选区面积进行调整，否则有可能加大了面积的同时反而增加了拣选时间，没有提高实际的拣选效率。

由表9及有关分析表明，用外力配置这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况。

（4）第四主成分C4以及第五主成分C5不适合采取量化指标来表明。故在此不再分析。

（5）在第六主成分C6代表的指标中，指标的量化分析见表10、表11。

表10 寻找货位时间

随着拣取人员寻找货物时间的增大，摘果式拣选和播种式拣选所用时间逐步加大。相对于两种拣选方式来说，几乎没有差别。因而能够按照实际情况选择采用合适的拣选方式。因此用拣选人员对货品区分度这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况

表11 分类装筐时间

随着拣取时间与分类装筐时间差距的缩小，摘果式拣选和播种式拣选的时间差逐渐加大。由此可得，当拣取时间与分类装筐时间差距缩小时，即分类装筐时间增大时，采用播种式拣选方式较合理。因此用拣选人员对货品区分度这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况。

（6）在第七主成分C7代表的指标中，指标的量化分析见表12。订单数与作业区长宽比较大时，两种拣选方式的拣选时间都在增加，但是播种式拣选方式的增长幅度较小，因此适宜采用播种式拣选方式。上述相关分析表明，用订单与作业区相适度这一主成分来判定该物流配送中心适宜的拣选方式符合实际情况。

表12 订单与作业区相适度

3.2.2 拣选效率的优化建议。上文通过对本配送中心相关数据的测评可以选择使其效率最大化的方式。下面从宏观的角度提出几点提高小型物流配送中心拣选效率的措施。

（1）提高其拣选的技术水平，在使用手推车、叉车、起重机的基础上，在一定成本控制范围内根据实际情况适度提高其拣选的技术水平。

（2）增加对员工的培训，完善相应制度，从而增加每一个拣选人员的在岗时间，增强拣选熟练度。

（3）招聘相关专业人才，提高其薪资待遇，鼓励员工对配送中心建言献策，增强员工的责任意识，减少人员的流动性。

（4）减少订单等待时间，优化空间利用率以及增强拣选作业间的衔接性。增强订单处理的效率，避免订单堆积。

4 结语

本文采用主成分分析法分析了影响配送中心人工拣选效率的因素，并根据降维结果对XX物流配送中心两种拣选方式的拣选效率进行测评与选择，最后给出了优化物流配送中心人工拣选效率的建议。在实际配送中心拣货作业中，还有众多因素影响拣选效率，因此要根据实际情况对物流配送中心的发展做出决策，增强人与物的匹配度，提高拣选效率与效益。