| ABC分析之所以被稱為ABC分析,是因為它將貨運資料按流量從高到低排序,並將其分為三個部分。但根據實務經驗,我認為如果劃分得更多,會更容易考慮物流設備。 Tera計算採用與ABC分析相同的概念,並將其分為五個區塊。 Tera計算中的這種聚合方法稱為常規計算。 |
| ABC分析(参考)画面 |
![]() ABC 分佈有時以每件商品的價格來表示。這對採購或銷售部門來說可能是有用的統計指標,但在系統設計中,它僅作為參考,並非決定係統方案的有力依據。 |
左側表格為ABC分析,供參考。 表格顯示了物料匯總的排序排名,以產生帕累托圖。 整箱出貨和散裝發貨分別匯總。 |
| 傳統計算螢幕 |
![]() 出貨數據包含箱體體積數據,但不包含箱體尺寸資訊。 在「箱體體積示意圖」中,箱體尺寸的比例為 5x4x3。 計算箱體體積意味著箱體尺寸資料是單獨存在的,因此,透過將箱體尺寸資料與出貨資料關聯起來,可以確定單一物品的尺寸。 Tera 計算會估算箱體尺寸,就好像沒有箱體尺寸資料一樣。 箱裝發貨和散裝發貨的存儲和工作方法有所不同。 上述所有資料匯總介面無法區分箱裝出貨和散裝發貨,因此無法進行設備分配。此數據僅供系統設計參考。 |
左側的「發貨數據匯總」表匯總了所有商品的發貨數據,但同時也包含了發貨數據中未包含的其他項目,例如箱數、產品責任、體積和重量轉換。 「百分比」單選按鈕表示每個出貨日期佔總出貨資料 (100%) 的百分比。 此出貨資料中的目的地總數和商品總數代表重複出貨的累積值。 發貨數據顯示了 518 個目的地和 4,594 件商品(如圖所示)。 「圖表」顯示的出貨日期為:2022 年 5 月 10 日。 顯示 1 顯示目的地、商品和行數。 顯示 2 顯示散裝商品數量和箱數轉換。 顯示 3 顯示產品責任、體積和重量轉換。 關於“總數據收集的特徵”, 箱數差異很大,從 1 箱到 120 箱不等。 |
| 常規計算(ABC分析應用) |
![]() 上表允許將貨物分類為整箱發貨和散裝發貨,並允許進行排名,從而便於設備分配。 若要指派儲存設備,請使用所有資料的平均值(請參閱第 3 章「Tera 計算 1:出貨資料分析」和第 2 節「輸出設備分配」)以及專案總結。 將區域劃分為五個區塊可以靈活地進行分配,例如將 CPLI_A1 和 CPLI_A2 合併以使用電動貨架,或將 CPLI_A2 和 CPLI_B 用作固定貨架。 |
左側表格顯示在「Tera 計算 1_出貨資料分析」中。 此表格提取並匯總了整箱發貨數據,但同樣適用於散裝發貨。 ABC 分析使用五個部門而非三個部門進行總結。 您可以查看每個等級的商品出貨量,包括散裝數量和轉換後的價值。 此匯總使用與 EIQ 矩陣表相同的類別,因此匯總結果與 EIQ 矩陣表相同。 |
| 按出貨單位匯總螢幕 |
![]() 在對資料匯總的解釋中,我寫道「箱裝貨物和散裝貨物的儲存和作業方式不同」。然而,事實證明,「即使數量相同,箱裝貨物和散裝貨物的儲存和作業方式也不同」。 將箱裝貨物和散裝貨物的數據匯總後,無法進行設備分配。此數據僅供參考,不應用於系統設計。 |
此表格的檢視方式與先前的計算介面相同。 數據分別統計箱裝出貨和散裝出貨的數量。 通常情況下,箱裝出貨記錄(出貨資料行)以箱為單位進行出貨。散裝發貨也是如此。 有時,會出現這樣的發貨情況:一條記錄包含一個箱裝發貨和三個散裝發貨;這種情況稱為箱裝散裝發貨。 這種箱裝散裝發貨在每筆記錄中將被計為兩次發貨、一次箱裝發貨和一次散裝發貨,並在計算排名時同時計入箱裝發貨和散裝發貨的數量。 注意: 箱裝散裝發貨的數據在排名匯總後將不再顯示。 |