仓储与搬运系统(ppt)

仓储与搬运系统

仓储系统的必要性
仓储系统的功能
仓储方案
物料搬运问题
四种方案

仓储系统的必要性
利用合理的仓储活动可以实现储存、生产和运输之间良好的、经济的平衡。
降低运输-生产成本
平衡生产、提高运输效率
协调供求
需求与生产、生产与供应之间的不平衡；
长期生产供应短期的需求；短期生产供应长期需求；低价时采购充足的原材料；
生产需要
仓储可以是生产的一部分，例如，酒。
营销需要
仓储可以使产品更接近客户，加快交货时间，改善客户服务。

仓储系统的功能
储存（Holding）
集装（Consolidation）
分拨仓库：
半永久性存储区与拣货区
拆装(Break-Bulk)
由于运输费用的关系，用于分拆的分拨仓库应离客户较近。
混合(Mixing)配送

物料移动的功能
装货和卸货
卸货、整理分类、货物分级和检验、修改库存记录；
核实订单、加固包装、更改库存记录；
库内运输
从卸货点到存储区，从存储区到拣货货区，从拣货区到装货点。
拣货

仓储方案
企业在进行仓储方案选择时，一般都是从仓储成本和客户服务水平两方面来考虑。
自营仓库
优势
较低的仓储费用，在利用率较高时；
更大程度地控制仓储运作；
充分发挥人力资源的优势；
税收及无形资产方面的优势；
增值及未来的发展；
缺点
缺乏柔性；
位置、规模、技术水平。
较高的投资、较低的投资回报率。

公共仓库
优势
无需固定投资；
当库存量过高或很低时，可以降低仓储成本。
降低投资风险；
仓库设施、设备的寿命，技术的革新和运行模式的改变；
较高的柔性；
选址灵活；物流网络的优化；
缺点
信息的沟通
仓库的信息化管理和企业的信息沟通。
个性化服务
企业的特殊要求等。

租赁仓库
在一定时期内，按照一定的合同约束，使用仓库内一定的设备、空间和服务。
优势
较低的租金；
仓库经营者可以提供更多的服务，如，运输配送、存货控制、客户服务、订货、退货等。
加强了沟通与协调；
缺点
丧失了一定的灵活性；
在途存储


物料搬运问题
搬运的指导原则
消除无效搬运
搬运不能增加货物的内在价值，而会增加破损可能性和成本；
减少搬运次数，提高搬运纯度（先去杂质、避免过度包装等）；
注意重力等因素的影响和作用；
提高搬运活性
物品放置有利于下次搬运；托盘化；（装上时考虑便于卸下，入库时考虑便于出库等）

充分利用搬运设备
即使人可以操作，为了提高效率、安全性等因素也用机械设备，人做更有意义的事情；
物流均衡顺畅、避免忙闲不均；
集装化；
系统化
将运输、保管、包装、装卸各环节作为一个系统来考虑，考虑综合效益；

仓库布局
存储区
根据货物的周转率设计通道的宽度、堆码的高度。
拣货区
将拣货区与存储区分开，可以缩短工人配货的时间。
提高拣货效率的几个策略：
排序：将订单上的货物按照拣货路线上的次序排列，减少路程；
分区：一个拣货员只负责一个区域内的货物；
批处理：一次经过货位时，为多个订单拣货；

选择存储设备
货架和其他适合不规则形状货物的设备。如回转货架，可在一个封闭轨道上移动；
选择搬运设备
手工搬运设备：灵活、低成本、低能力
动力辅助设备
托盘-叉车；电瓶车（操作简单、灵活，载重量小）；
牵引车+挂车（适合运输量大而稳定的场合，如码头、中心货站、大型企业的原料仓库）；
输送机——重力式、滚轴式、皮带式等（出入库、分拣）；
全机械化设备
自动存取系统AS/RS（Automated Storage/Retrieval System）


预测物流需求
决策离不开预测，预测是编制计划（存储计划、运输计划）的基础；
预测的主要方法是“让历史告诉未来”；
需求的特性
预测方法分类
一些简单方法
特殊的预测问题
快速反应——解决预测问题的另一个办法



需求的特性
时间和空间
时间维上的变化规律，时间序列；
不同的区域需求不同；
自上而下的预测：先分析总需求，再按地理区域分解；
自下而上的预测：先对各地区预测，再汇总总需求。


无规则需求与规律性需求
在产品处于稳定时期，需求模式一般可分解为趋势、季节性和随机性因素，表现出一定的规律性；
当产品刚刚进入市场或即将退出市场时，则产品的需求时间和需求水平非常不确定，难有规律可循。
派生需求与独立需求
派生需求：是由其它需求决定的；
独立需求：来自客户的“原始”需求；

例如， 独立需求——自行车销售量；
派生需求——轮胎、车架、踏脚；
因此，重要的是独立需求的预测。
预测的方法分类
预测技术可分为三类：
定性法（Qualitative Method）
通过调查、比较、直觉和判断对未来作出估计。
如Delphi法，使一组互不相关的专家（20人左右），不断在汇总材料上给出新的预测和新的要求，使大家都能掌握充分的信息。适合中长期的经济预测；

定量法（Quantitative Method）
例如：
历史映射法（Historical Projection Method）
用过去的变化模式来预测未来。
因果法（Causal Method）
通过分析因果关系将因变量的预测归结为较容易预测的自变量的预测。
如回归分析与计量经济模型，困难在于变量的选取；
定性定量结合，如计算机仿真；

一些简单的预测方法
研究显示，简单的预测模型得到的结果常常不比深奥的、复杂的模型差。
移动平均法
Ft+1=(At+ At-1… + At-N+1)/N
其中，Ft是t时段的预测值; At是t时段的实际值;N是选定的时段数量;
通过给每个时段的实际值不同的权值就得到加权移动平均法。

指数平滑法
指数平滑法是时间序列方法中最广泛为人接受使用的方法。
Ft+1= At +(1-)Ft
其中，是指数平滑系数。
越大，预测模型对近期的实际值变化有更灵敏的反应；
越小，预测需求量时给需求历史数据的权数越大，预测结果越平稳，受随机因素的干扰少。


为什么叫指数平滑法？
过去实际数据的权重越来越小；
At的权重为， At-1的权重为(1- ) ，At-2的权重为(1- ) (1- ) ，…
例如，对=0.2，有


资料9.3

例

当数据中有明显的趋势和季节性特征时，模型的内在滞后性使预测误差相当大。加入趋势和季节性因子后，可以提高预测精度。


1.校正趋势
St+1= At +(1-)Ft
Tt+1= (St+1 -St) +(1- ) Tt
Ft+1=St+1 +Tt+1
其中St是t期初始预测；
Tt是t期的趋势；是趋势平滑系数；


资料9.4 与上例同样的数据

2.季节性指数
有些产品的需求有明显的季节性，当季节性高峰与低峰在每个周期的同一时期出现时，可以用以下的预测模型：
St+1= (At /It-L )+(1-)(St +Tt)
Tt+1= (St+1 -St) +(1- ) Tt
It= (At / St) +(1- ) It-L
Ft+1=(St+1 +Tt+1) It-L+1
其中It是t期的季节性指数；
L是一个完整季节的期间；是季节性指数上的平滑系数；


3.预测效果的衡量：
预测误差 Ei=Fi-Ai
平均绝对误差

如果误差服从期望为0的正态分布，则对于一定的置信度，可以得出需求的一个范围。
即首先查正态分布表（附录A），得z()，置信度为的需求范围为（ Ft - z() SF, Ft + z() SF ）
资料9.5


假设置信度为95%，则查得
z(0.975)=1.96 (对应附录中面积为0.975)，
因此，置信度为95%的预测区间为
（1064-1.96*407.92, 1064+1.96*407.92 ）
4.监控预测误差
预测系统应是一个自维护系统。不仅建立初始模型，而且在预测过程中自动调整模型，使之适应新的情况。
使用指数平滑法进行预测时，即是要根据对预测误差的监控对平滑系数进行自动调整。


经典时间序列分解
长期的销售模式可以分解为四组成分：趋势、季节性波动、周期性变化和随机因素。
即
F=T*S*C*R
其中T是趋势水平； S是季节指数； C是周期指数； R是随机波动指数；
实践中，通常设C=R=1。因为预测本身就是预测期望值；在长期的预测过程中，模型本身也要更新，在更新过程中预测者会考虑周期性变化的趋势。
趋势T的估计
线性回归：设T=a+b*t
a, b可以用最小二乘法，得到

其中N是观察值个数；
Dt是第t期的实际需求；

资料9.6
某服装制造商根据历史销售情况将每年分为夏季、换季时节、秋季、春节期间和春季，已知前两年的销售情况，现需要对最近两个季节的需求做预测。

多元回归分析
对某种产品的需求可能受到多种因素的影响。
例如对羊毛衫的需求量，受到羊毛衫价格、消费者收入、消费者偏好、气候等因素的影响。
通过分析需求与变量之间的关系，预测各个变量的未来值，最后求得需求的预测值。
例.已知17年来玻璃制造业的销售额、汽车生产量和建筑业的产值。经过回归分析得到
Y=19.1234+35.6697X1+10.8603X2
预计来年汽车生产量为6.4万辆，建筑业产值为40千万元，则来年玻璃的需求量为，
19.1234+35.6697*6.5+10.8603*40=685.389(万元)

特殊的预测问题
启动
没有历史数据
利用类似产品的需求模式来估计；
有比较高的平滑系数进行预测，逐渐调低；
不规律需求
分析原因
不频繁大额订单；派生需求；季节性高峰；例外情况等；
将不规律需求与其他有规律需求分开处理。
如果是例外情况，可以不对变化作快速反应，例如用较小的平滑系数。


地区性预测
是总预测后分配还是先预测再合计？
组合预测
根据各种预测模型（例如回归法、判断法、指数平滑法等）的预测误差，给每种预测模型一定的权值。
将各个预测模型的预测值进行加权平均后作为最后的预测结果。
综合考虑了多个预测渠道的信息。

快速反应——解决预测问题的另一办法
推式市场的供应链
根据长期预测进行生产决策；
拉式市场的供应链
生产是由需求驱动的，因此生产是根据实际客户需求而不是预测需求进行协调的。
快速的信息流机制；
库存水平明显下降；
资料9.10



仓储与搬运系统(ppt)