随着电子商务的快速发展，电商企业竞争日益激烈与复杂，当前各企业的发展趋向于“订单个性化、订单多样化、订单小批量”，另外对配送时间的要求也越来越严格，无论是客户还是企业都希望配送服务更完善、更高效[1]。根据当前相关研究可知，仓库作业在整个物流系统中占比较大，其中拣货系统更是占仓储环节总作业的65%左右，因此研究仓库中拣货作业系统的优化，有利于控制企业物流成本，加快现金流的流动速度，对提升企业竞争力有着重要意义。

广义上的仓储多是指企业对商品库存进行管理和控制，但是随着市场的不断演变与更新，企业对于仓储的要求也不断提升，在原有的基本商品存储环节中增加了商品的流通再加工、加工再组合制造、客户个性化定制、库存盘点与分析等一系列附加服务，这导致了仓储与配送作业难度不断升级。另外，随着新冠疫情对全世界的冲击，仓库的供求关系发展不均衡，使得仓库的租金逐年增高，进行仓库储位优化既能节约成本又能进一步优化拣货流程。因此，如何在不扩大仓库使用面积、不额外增加设备资金投入的情况下，设计仓库布局以及优化拣货流程显得尤为重要，目的则是为进一步提升拣货作业效率、降低拣货出错率、降低拣货成本等，并使得优化方案与企业实际情况更加高度融合[2]。仓库布局以及拣货流程的深入研究是提高物流系统效率以及降低物流成本的重点。对以上问题进行研究不仅可以降低企业在物流方面的运营成本，提高物流运作效率，关键是提升企业服务水平以及客户满意度。

EIQ分析法是由日本学者铃木震提出的，其中“E”代表“Entry”订单或者客户，即在一段时间内产生的所有订单；“I”代表“Item”商品的品项，即相应时间段内所有商品的种类；“Q”代表“Quantity”商品的出货量，即相对应的订单中商品的订货量。这是一种统计分析方法，EIQ分析法的基本思路主要就是通过EIQ分析模型对订单的数量、订购的次数和订购的项目进行统计分析，掌握相关规律，同时对产品出货的特性等问题进行研究分析，进而对仓储中心的规划提供基础依据[3]。EIQ分析法得出的结论可运用于物流的各个环节中，其中在仓储系统中的拣货流程运用更为广泛。

EIQ分析法主要从以下四个方向进行分析：（1) EQ（订单量）分析：对订单的出货数量进行分析，有利于择优选择拣货设备；（2) EN（商品品项）分析：对订单中商品品项进行分析，有利于择优选择拣货方法；（3) IK（同品项订单量）分析：对同品项商品的订购次数进行分析，有利于存储规划策略的优化；（4) IQ（商品种类数量）分析：对订单中的商品种类数量进行分析，有利于区分商品的重要程度，从而有利于进一步科学合理地规划仓库布局。

A企业为一家近几年刚成立的日用品生产制造企业且拥有完整的供应链运输及配送，主要产品为日常生活用品，该企业虽成立不久，但是依附于互联网线上交易平台，发展迅猛，订单量也逐年攀升。A企业目前仍处于创业发展时期，虽然拥有自己的仓库及配送中心，但由于自动化程度较低，在运输时效性等方面还有较大的提升空间，库位规划及拣货方法也均有待科学合理性的进一步优化。A企业主营业务流程简图如图1所示：

图1 A企业主营业务流程图  下载原图

每一笔订单处理背后，都隐藏着一套复杂的物流系统，物流系统的核心要素主要包括：仓库、分拣中心、配送站。其中，仓库主要是负责根据客户的需求安排生产，仓库生产完毕后，将包裹交接至分拣中心，分拣中心依据订单地址，对订单包裹进行分拣、装箱、发货，最终将包裹发至相应的配送站，最终由快递员将包裹配送到客户手中。本文着重从仓库的拣货流程展开分析，订单生成后，仓库拣货是整个物流系统的第一步，也是核心步骤之一，因此，拣货效率直接影响整个物流运作效率。通过掌握商品入库以及出库的全部详细流程，并分析相关订单特性的物流状态，规划仓库布局，优化仓库内部拣货路径、拣货方法以及拣货工具等[4]，使得物流运作效率得到提升，进而增加客户满意度，在市场竞争中赢得生存发展之道。

综上所述，本文将主要采取EIQ分析法作为理论基础，结合A企业现状，针对A企业主营产品种类多、易消耗、更新速度快等特点，将该方法运用到A企业拣货流程当中，为企业提供参考性建议。

拣货路径距离以及拣货路径的合理性直接关乎到拣货效率，如表1所示，为A企业仓库拣货人员拣货路径总距离数据统计。因以每周为统计维度误差较大，不确定因素较多，故表1数据以日为统计维度进行统计分析。

根据表1数据显示，仅12月5日拣货路径距离在目标拣货路径距离之内；另外，12月8日拣货路径距离达到了3 600米，超出目标路径距离20%；除12月5日，其他几天的拣货路径均超出目标值3.3%以上。拣货路径冗长可直接导致拣货效率降低，从而导致后续物流流程效率降低。

表1 2020年12月5日至11日拣货路径统计数据  下载原图

复杂的拣货流程会使得拣货效率降低，那么，拣货出错率高则会进一步使得拣货流程复杂化，同时降低客户满意度。根据2020年12月拣货准确率数据可知，2020年12月这4周拣货准确率均未达到100%，其中，12月1日至6日拣货准确率为97.3%;12月7日至13日为97.7%;12月14日至20日为98.0%;12月21日至27日为97.6%。另外，以周为统计维度，有利于进一步细化分析当月准确率的提升或降低。拣货准确率较低使得订单复核率提升，从而使得拣货流程更加复杂，最终导致拣货效率降低，客户满意度也随之降低。

目前，A企业仓库拣货仅是按照订单进行拣货，拣货条理较单一，不利于拣货效率的提升。例如，客户B的订单中包含B1、B2、B3三种商品，每种商品各需50件；客户C的订单中包含B1、B3、C1、C2、C3、C6六种商品，每种商品各需20件。从拣货时间、拣货路径、拣货准确率这三个维度进行数据统计，该案例下，按照订单来拣货效率明显低于按照商品种类拣货效率。因此，进一步细化分类拣货条理，由仅按照订单拣货拓展至按照商品种类将订单糅合再分类等拣货条理，依据不同的订单情况，挑选出最为合理高效的拣货条理，则更有利于进一步提升拣货效率。

本文数据采集范围为：A企业2020年第4季度仓库订单出库数据。使用EIQ分析法，首先要求是对历史数据进行取样，为了更科学准确地反应产品出库特性，需要将异常数据先行剔除。通过分析2020年第4季度的订单出库趋势，因第4季度线上线下均参与大促活动，存在最大出货量，随后又面临年终，存在最小出货量，因此，选取2020年第4季度的订单出库数据作为研究依据有利于更合理及准确的判断。经过梳理，将从以下几个维度进行分析：订单数量、商品出货量、商品种类、同种类商品的出货量、同种类商品的出货次数。

EQ分析是指对订单的出货数量进行分析，有利于进一步对客户进行ABC分类及客户情报管理。根据表2,A企业2020年第4季度仓库订单数据可知，在该季度总商品出货量为780件。其中，客户B1订单中共包含400件商品，约占总出货量的51.28%，因此，将客户B1归为较为重要客户类别中。将客户进一步细分类，有利于企业抓住当前市场规律，了解客户近期需求，可提前预测商品出货量，提早做出相应判断。

表2 2020年第4季度A企业仓库商品出货量数据统计  下载原图

仓库数据经过EQ分析，根据订单种类的不同，可对拣货条理进行分类再组合，与此同时对客户也进一步细分类，当企业服务效率得到大幅度提升后，客户满意度也将得到显著提升。

EN分析是对商品品项进行分析，根据本文所选取的样本数据可知，若某品项商品订购量较大，应重点关注，预防缺货情况发生。若发生缺货情况，目前A企业采取以下复核方式，即订单重新拣货，剩余商品返回货架。该方式存在重复作业，不仅使得拣货路径总距离增加，同时也使得拣货流程繁琐，订单出库率低。通过EN分析样本数据，现引入缺货比以及缺货比参数这两个概念，实际拣货过程中，若缺货比大于等于缺货比参数值，则按照A企业目前的复核方式继续执行；若实际缺货比小于等于参数值，则追加拣货。

上述方法引入后，效果最为显著的改善维度是在拣货路径方面，后期对2021年1月4日至1月10日的拣货路径数据进行统计分析，对比2020年12月5日至12月11日的相关数据，得到图2。

根据图2，可更直观看出，引入缺货比和缺货比参数等相关概念，同时选择运用原复核方法和运用新的复核方法后，拣货路径明显缩短，拣货流程也相对简洁化，对于拣货效率的提升存在显著影响。

图2 2020年12月与2021年1月拣货路径统计数据对比折线图  下载原图

IK分析是指对同品项商品的订购量进行分析，通过IK分析，有利于了解各种商品的订购频率以及出货频率。IK分析，可将近期订货频率高的某品项商品放置在优先拣货区，其余商品放置在默认拣货区，在合理规划仓储中心布局的情况下也有利于拣货人员提高拣货效率，从而加快商品出库，缓解仓储压力。另外，A企业商品主要为日用品，保质期时间有限，故在拣货过程中要将保质期这一维度添加至拣货流程中，采取先进先出的策略，这将从细节上进一步提升客户满意度。

IQ分析是指对每种商品的订货数量以及出库状况进行分析，明确商品的出库情况，通过IQ分析，同时结合IK分析有利于掌握商品出库规律，对于拣货工具也可择优选择，同时可对商品的订购频率做出预测，有利于对商品进行更细致的划分。仓库进行更为细致的功能划分，即根据商品的出库规律、重要程度进行划分，对拣货的准确性来说也存在着积极影响，同时提升客户满意度。

首先，EIQ分析法是取过去某段时间的数据作为样本数据，可以人为地剔除异常数据，或选取具有一定代表性的数据为参考依据；另外，根据客户需求，结合ABC交叉分析法，进行订单不同层面的分析，从而得出商品的出货特性及规律，实施专项重点管理，进一步优化仓储布局、提升拣货效率[5]。其次，从EQ、EN、IK、IQ这几个维度运用EIQ分析法进行分析，EQ分析可将客户分类更加细化，同时，对于不同订单的拣货条理进一步细分再组合，有利于A企业对客户的有效运营及管理，提升客户体验感，增加满意度；EN分析则有利于在商品复核时缩短拣货路径，避免拣货人员重复性进行拣货，也可提升准确率；IK和IQ分析能够筛选出同品项订单量较高的商品，通过对商品出库特性的分析，科学性优化仓库布局，缓解仓储压力，提高出库效率。最后，基于上述几个维度交叉组合分析完毕后，可从拣货路径距离、拣货准确率、拣货条理梳理等方面进行优化，最终实现拣货效率的提升。

在仓储管理规划中，过去时间段的出货数据对于优化仓库布局起着重要作用，EIQ分析法实则是对过往数据的统计及分析，通过EIQ分析法找到商品的出货特性，仓库的主体是商品，分析出商品的出货特性也就能够对仓库的布局进行合理性规划。因此，从商品角度出发，最终再回归商品，实现仓库服务于商品。本文结合A企业2020年第4季度仓库订单出入库数据及运作特点，为A企业提供优化策略，目标为提升商品出货效率，降低仓储环节的支出成本，同时保障企业仓库科学合理的运营及管理。与此同时，也可为其他相关企业提供参考性建议。