基于QLIK VIEW的倉庫優化方案

龔軒濤++劉浩++陳昌平

摘 要：該文以快消品物流倉庫為研究對象，結合其物流行業運營特點和倉儲環節的現狀，以科學的數據分析框架為前提，運用有效的管理方法，對其倉儲管理進行合理細致的研究。讓數據分析成為改善倉庫業務的有力支撐，幫助企業加快物資流動的速度，降低成本，提高訂單響應速度，在市場競爭中贏得更多的份額。

關鍵詞：數據分析 諸位設計 挑選優化 關聯性分析

中圖分類號：F251 文獻標識碼：A 文章編號：1672-3791（2017）04（a）-0242-02

“大數據”帶來的巨大價值正漸漸被人們認可，未來數據的價值將逐步升值。該方案以快消品物流倉庫為研究對象，結合其自身運營特點和倉儲環節的現狀，對其倉儲數據進行分析，綜合考慮倉庫的非數據部門使用者，能更方便地獲取、理解及使用這些數據。借助數據分析來改善運營效率、制定更明智的決策，加快物資流動的速度，提高訂單響應速度，最終達到以信息化實現快消品倉庫數字化轉型的目的。

1 快消品倉庫的現狀及問題分析

1.1 倉庫現狀

快消品倉庫貨物普遍包括13大類，包括：食品類、日用類、電器類、日化類、特種類等。庫區具體包括了入庫區、托盤存儲區、揀貨區、設備存放區、出庫區以及辦公區域。主要的倉儲區包括：立庫貨架區、托盤貨架區、電子標簽貨架區、閣樓貨架區、殘次品貨架區。

在設施設備方面，倉庫中常用的物流設備，包括了托盤、各類叉車、液壓車、手推車等設備。對于硬件設施來說，存儲貨位和揀貨貨位普遍較多，擁有自動化的立體倉庫。

1.2 問題分析

在倉儲管理中，問題主要分為三方面。在入庫時，倉儲人員憑借經驗放置貨物，不考慮出庫頻率、關聯性、重量等庫存特性，也不考慮不同倉儲區域的儲位特性，導致倉儲零散，并降低訂單響應速度。

在庫區內部，缺乏針對每個貨架區倉儲量的動態監控，導致倉庫貨架區利用率偏高與偏低并存。針對于不同物料，無法判斷補貨數量和補貨時點。

在出庫時，倉儲人員按單揀貨，倉儲人員為了提高工作績效，憑借經驗快速取貨，不考慮倉庫有限的設備資源，導致訂單排隊等待時間加長。

2 相關理論與技術

2.1 安全庫存量

安全庫存量是為了預防需求或供應方面（如客戶插單、供方交期延誤、質量問題等）不可預測的波動，在倉庫中經常應保持最低庫存量作為安全庫存量。

以倉庫中典型物料為例，農夫山泉天然水的年需求量為115 200，訂貨成本20元/次，單位商品年保管成本H=1元/年，安全系數為1.645，訂貨提前期為5 d。

經濟訂貨批量為：

訂貨次數

××

訂貨點

在庫存管理中，適當的安全庫存和經濟訂貨批量對于倉庫的管理是非常重要的，根據以上算法可以得到不同貨物的經濟訂貨方案，不僅能夠節省倉儲費用，提高倉庫的利用率，還能降低缺貨帶來的損失。

2.2 關聯性分析

Apriori算法是一種挖掘關聯規則的頻繁項集算法，通過候選集生成和情節的向下封閉檢測兩個階段來挖掘頻繁項集。掃描所有訂單，計算出頻繁集L1（頻繁集合Lk表示集合內的每個項由k個物料組成，比如L2={{a，b}，{c，d}}）；然后采用apriori-gen算法計算出候選集合C2（候選集合Ck表示集合內的每個項由k個物料組成。注意在產生候選集合時候，可判定每個項內的物料組成的項集是否在Lk-1內，若不在，則拋棄該項目，顯然支持度不滿足，這樣可提高效率）；產生候選集合C2后遍歷一遍訂單集合，計算每個項的支持度，并根據支持度閥值篩選出頻繁集合L2，依此類推，直到Lk為空集合。

我們將Apriori算法用于倉庫物料存儲庫區中，分析物料之間的關聯度，進行關聯性分析。

資料庫（Transaction Database）：存儲著二維結構的記錄集。定義為：D。

所有項集（Items）：所有項目的集合。定義為：I。

支持度（Support）：定義為supp（X）=occur（X）/count（D）=P（X）。

置信度（Confidence/Strength）：定義為conf（X->Y）=supp（X∪Y）/supp（X）=P（Y|X）。

候選集（Candidate itemset）：通過向下合并得出的項集。定義為C[k]。

頻繁集（Frequent itemset）：支持度大于等于特定的最小支持度（Minimum Support/minsup）的項集。表示為L[k]。注意，頻繁集的子集一定是頻繁集。

提升比率（提升度Lift）：lift（X->Y）=lift（Y->X）=conf（X->Y）/supp（Y）=conf（Y->X）/supp（X）=P（X and Y）/（P（X）P（Y））。見圖1。

3 分析結果

3.1 入庫-儲位設計

不同庫區之間，采用移動平均加權法，劃分頻率標準線及數量標準線，將每個物料有效分配到四個對應的庫區類別，達到儲位優化效果；庫區內，采用關聯性分析，找尋同一筆訂單中不同物料同時出現的置信度，將置信度高的物料擺放在相近區域，減少揀貨時間，提高響應速度。

3.2 庫內-補貨監控

通過對物料現有庫存量進行動態跟蹤，當庫區貨品庫存低于安全庫存量時，自動計算出安全庫存量比率，當比率低于歷史值18%進行預警，并自動提醒補貨數量，以免引起缺貨情況。

3.3 出庫-挑選優化

當倉庫收到一筆訂單，根據訂單的各類信息，快速分析出發貨時間、挑選工具、發貨車輛等信息，宏觀安排人力物力，提高出庫效率和響應速度。在發貨時間中，根據訂單中物料數量、重量、月臺效率計算出揀貨裝載時間；根據客戶所持路段、交通擁堵信息計算出路程時間；最終根據應到達時間反向推導最遲發貨時間。

在挑選工具時，綜合考慮物料體積、包裝規格，規劃所需叉車和手推車數量。