引言

出库管理是WMS的核心业务，直接影响订单时效和客户满意度。本文重点讲解波次拣货这一关键技术，以及如何通过路径优化提升拣货效率。

1. 出库业务全景

1.1 出库流程

OMS下发订单 → 库存校验 → 库存锁定 → 波次生成
→ 任务分配 → 拣货执行 → 复核验证 → 打包发货

2. 波次拣货：效率提升的关键

2.1 为什么需要波次拣货？

传统模式：单订单拣货（Pick by Order）

订单1: SKU-A × 1 → 拣货员走到A区 → 拣1件 → 回到打包区
订单2: SKU-A × 1 → 拣货员走到A区 → 拣1件 → 回到打包区
订单3: SKU-B × 1 → 拣货员走到B区 → 拣1件 → 回到打包区

问题：拣货员重复跑动，效率低下

波次模式：批量拣货（Pick by Wave）

波次1: 合并10个订单
  SKU-A: 5件（订单1, 2, 5, 7, 9）
  SKU-B: 3件（订单3, 4, 8）
  SKU-C: 2件（订单6, 10）

拣货员: 一次走完A→B→C区 → 拣齐所有商品 → 回到打包区

优势：减少80%的行走距离，效率提升3-5倍

2.2 波次生成策略

1. 按时间波次

  • 策略：每小时/每2小时生成一个波次
  • 适用：订单量稳定的仓库
  • 示例：
    • 10:00-11:00订单 → 波次1
    • 11:00-12:00订单 → 波次2

2. 按目的地波次

  • 策略：同一城市的订单合并
  • 适用：跨城市配送
  • 优势：降低物流成本

3. 按优先级波次

  • 策略：VIP订单优先打波次
  • 适用：有优先级区分的业务
  • 示例：
    • VIP订单 → 优先波次
    • 普通订单 → 常规波次

4. 按SKU重合度波次

  • 策略：SKU重叠多的订单合并
  • 适用：电商仓库
  • 算法：计算订单相似度，聚类分组

2.3 波次生成算法

简化版算法（按时间+数量）：

def generate_wave(orders, max_wave_size=100):
    """
    生成波次
    :param orders: 订单列表
    :param max_wave_size: 每个波次最大订单数
    :return: 波次列表
    """
    # 按创建时间排序
    orders.sort(key=lambda o: o.created_at)

    waves = []
    current_wave = []

    for order in orders:
        current_wave.append(order)

        # 达到波次上限，生成新波次
        if len(current_wave) >= max_wave_size:
            waves.append(current_wave)
            current_wave = []

    # 最后一个波次
    if current_wave:
        waves.append(current_wave)

    return waves

3. 拣货模式

3.1 摘果式拣货（Pick to Order）

定义：拣货员按订单拣货，每次处理一个订单

流程：

订单1: SKU-A × 1, SKU-B × 2, SKU-C × 1
拣货员: A区拣1件 → B区拣2件 → C区拣1件 → 打包

适用场景：

  • 订单量少（<100单/小时）
  • SKU种类多（>1000种）
  • 订单SKU数少（1-3件/单）

优缺点：

  • ✅ 操作简单，不易出错
  • ✅ 不需要二次分拣
  • ❌ 效率低，重复行走

3.2 播种式拣货（Pick to Light / Put to Light）

定义：先批量拣货，再分配到各订单

流程：

步骤1: 批量拣货
  SKU-A: 10件（用于10个订单）
  SKU-B: 15件（用于15个订单）

步骤2: 播种分拣
  订单1: SKU-A × 1, SKU-B × 2
  订单2: SKU-A × 1, SKU-B × 1
  ...

适用场景：

  • 订单量大（>500单/小时）
  • SKU种类少（<500种）
  • 订单SKU重叠度高

优缺点：

  • ✅ 效率高，减少行走
  • ✅ 适合大促场景（双11）
  • ❌ 需要二次分拣，操作复杂
  • ❌ 需要播种墙设备

3.3 边拣边分（Pick and Sort）

定义：拣货和分拣同步进行

流程：

拣货员拿着10个订单的容器
每拣一件商品，立即扫描放入对应订单容器

适用场景：

  • 中等订单量（100-500单/小时）
  • 订单SKU数适中（3-10件/单）

4. 拣货路径优化

4.1 S型路径

入口 ─→ 排1 ─→ 排2 ─→ 排3 ─→ 出口
       ↓      ↓      ↓
      拣货   拣货   拣货

特点：

  • 按货架顺序拣货
  • 简单易执行
  • 不是最短路径

4.2 Z型路径

入口 ─→ 排1（有货） ─→ 拣货 ─→ 排3（有货） ─→ 出口
       跳过排2（无货）

特点：

  • 跳过无货货架
  • 比S型路径更优
  • 适合稀疏拣货

4.3 最短路径算法（TSP问题）

问题定义：拣货员需要拣20个库位的商品，如何规划最短路径？

算法：

from scipy.spatial.distance import cdist
from python_tsp.exact import solve_tsp_dynamic_programming

def optimize_pick_path(locations):
    """
    优化拣货路径（旅行商问题TSP）
    :param locations: 库位坐标列表 [(x1,y1), (x2,y2), ...]
    :return: 最优路径
    """
    # 计算距离矩阵
    distance_matrix = cdist(locations, locations, metric='euclidean')

    # 求解TSP
    path, distance = solve_tsp_dynamic_programming(distance_matrix)

    return path, distance

实际案例：

  • 原始路径距离：500米
  • 优化后距离：320米
  • 效率提升：36%

5. 复核与打包

5.1 复核流程

1. 扫描复核

RF终端:
  扫描订单号 → 显示应拣SKU列表
  扫描商品条码 → 系统校验SKU
  全部扫描完成 → 复核通过

2. 称重复核

系统计算标准重量:
  SKU-A: 200g × 1 = 200g
  SKU-B: 150g × 2 = 300g
  包装: 50g
  总重: 550g

实际称重: 548g
误差: 2g < 5g（允许误差）✓

5.2 打包规则

1. 单品打包

  • 1个订单 = 1个包裹

2. 合并打包

  • 同一客户多个订单合并

3. 拆分打包

  • 超大订单拆分多个包裹

6. 实战案例：京东仓库的拣货优化

优化前：

  • 拣货模式：摘果式
  • 拣货效率：80单/小时/人
  • 拣货准确率：98.5%

优化方案：

  1. 引入波次拣货（按时间）
  2. ABC分类：A类商品播种式，B/C类商品摘果式
  3. 路径优化：Z型路径 + TSP算法

优化后：

  • 拣货效率：150单/小时/人（提升87.5%）
  • 拣货准确率：99.8%（提升1.3%）
  • 人力成本：节省30%

7. 总结

波次拣货核心要点：

  1. 波次策略：按时间/目的地/优先级
  2. 拣货模式：摘果式 vs 播种式 vs 边拣边分
  3. 路径优化：S型 → Z型 → TSP最优路径
  4. 复核验证：扫描+称重双重验证

下一篇预告：库存管理：精准控制与实时同步

版权声明：本文为原创文章，转载请注明出处。