电商仓储管理：供应链负责人自查表：库位规划最容易出现的错发漏发

在一次日发两万单的电商仓库诊断中，我发现错发漏发最多的区域并不是最拥挤的整箱库，而是“看起来最整齐”的拣选区：同款不同规格相邻摆放、旧货位标签没有撤干净、补货箱与拣选箱共用一个位置，三件事叠加后，某些 SKU 的错发率在促销日从平日的 0.18% 上升到 0.73%。库位规划不是把商品放进空货架，而是把订单需求、人员路径、包装形态、库存状态和系统规则共同翻译成现场动作。

供应链负责人真正要自查的，不是“货架有没有摆满”，而是每一个库位是否能让拣货员在最短判断时间内确认“这是什么、拿多少、从哪里拿、拿完是否需要复核”。只要其中一个问题依赖经验、记忆或猜测，错发和漏发就会在订单量上升时被放大。

一、先讲核心结论：错发漏发往往不是人的问题

1. 库位规划的本质是降低现场判断次数

我处理过不少仓库异常。管理者通常会先追问“哪个拣货员拿错了”，但追到现场后，很多错误并不是员工粗心，而是仓库让员工必须连续做出多个高风险判断。

例如，一个货位上同时放着白色、米色和浅灰色三种同款商品，系统只显示内部编码，货架标签使用商品简称，包装正面又没有明显规格。拣货员需要先确认款式，再确认颜色，再确认尺寸，最后确认数量。任何一个判断环节受到光线、疲劳、遮挡或催单影响，都会形成错发。

因此，我会把库位质量定义为一个更实用的公式：

库位质量 = 识别难度 × 操作复杂度 × 业务波动 × 复核缺口。

这里的四个因素不是简单相加。只要其中两个因素同时偏高，错误概率往往会明显增加。高频 SKU 如果放在低位、同款 SKU 如果紧邻、补货状态如果没有显著区分，仓库就会依靠人员记忆来弥补系统和现场设计的不足。

2. “货位利用率高”不等于仓库运行效率高

很多仓库用货位利用率评价规划效果，甚至把“货架填满”当作成果。但在电商拣选场景里，货位利用率过高可能意味着取货空间不足、箱体混放、标签被遮挡和补货频繁。

我更关注三个指标：订单行拣选耗时、每千行错发漏发次数、异常订单的定位耗时。如果货位利用率从 78% 提升到 92%，但拣选平均耗时增加 24%、差异复核增加 41%，这种“优化”其实是在把空间成本转移成人工成本和售后成本。

3. 先修正货位逻辑，再讨论系统工具

系统可以帮助仓库记录库存、分配任务、追踪批次，也可以通过九数云这类数据分析工具把订单、库存、库位和异常数据关联起来。但系统无法自动判断“两个包装几乎一样的商品不应该相邻”，也无法替管理者决定“高峰期需要给某个爆款留多大补货缓冲区”。

我见过一些企业在没有整理货位主数据之前就上线新的仓储系统，结果只是把错误的库位关系数字化了。系统显示库存准确，现场却找不到货；系统显示有货，员工拿到的是相似商品；系统显示订单已完成，复核台才发现少了一件。

系统解决的是信息传递问题，库位规划解决的是现场决策问题。两者要同步设计，不能把库位混乱归咎于软件，也不能期待软件替代仓库工程。

二、真实场景：同一仓库为什么在平日正常、促销日失控

1. 一家多品类电商仓库的异常结构

以下案例来自我参与过的匿名仓配项目。该仓库经营家居小件、个护用品和季节性礼盒，日常订单约 1.2 万单，活动日最高达到 3.6 万单。仓库面积约 1.1 万平方米，采用人工拣选、分区复核和流水线打包。

项目开始时，仓库负责人认为主要问题是人员熟练度不足，因为新员工在大促期间的错发率明显高于老员工。但我们把异常订单按库区、SKU 相似度、补货状态和拣选时段拆开后，发现新员工只是更早暴露问题，老员工也会在高峰期出现同样的错误。

这个案例有一个容易被忽略的细节：活动日的错误并不是平均分布在所有 SKU 上，而是集中在少数高销量、高相似度、频繁补货的商品上。前 10% 的风险 SKU 贡献了约 58% 的错发漏发异常。

这意味着仓库不需要一开始就平均改造全部货位。更有效的做法是先识别“高订单贡献、高相似度、高补货频率、高异常率”同时出现的货位，优先处理这些局部风险点。

2. 为什么活动日会把小问题放大

平日订单量低时，拣货员可以停下来翻看包装、询问同事或返回货位确认。活动日则不同：波次密度增加，补货和拣货同时进行，临时工比例提高，复核台前积压，任何一个模糊货位都会造成连续错误。

从操作角度看，大促放大的不是单一错误，而是错误之间的连锁反应。拣货员拿错商品后，库存账面减少的是正确 SKU 还是错误 SKU，取决于系统确认节点；补货员看到缺货提示后，可能又把正确商品补到错误货位；后续订单继续从错误货位取货，形成重复错发。

因此，活动前的库位检查不能只看库存量，还要检查库存状态、货位标签、商品相似度、补货路径、复核能力和异常回滚机制。

3. 从订单数据中找出真正的风险货位

我通常先建立一张“订单行，SKU，货位，拣选员，波次，异常类型”的明细表，再做五个关联分析：订单行频次、SKU 相似度、货位访问次数、补货次数和异常发生率。

如果企业已经在使用九数云，可以将订单明细、库存台账、库位主数据、补货记录和售后异常统一关联，建立按日期、仓区、货位、SKU、班次和异常类型切换的分析看板。重点不是看一张漂亮的图，而是找到“哪个货位在什么时段、被谁、以什么任务类型访问后最容易出错”。

例如，一个货位的订单行频次并不高，但每次都与另一个高相似 SKU 同时出现在同一波次中，且补货次数频繁，那么它可能比单纯高销量的货位更危险。

三、最容易出现错发漏发的库位规划误区

1. 误区一：只按销量排序，不看商品相似度

按销量把爆款放在黄金拣选区，是合理的第一步，却不是完整的库位规划。销量只能回答“员工多久会来一次”，不能回答“员工来了以后是否容易认错”。

同款不同颜色、同系列不同容量、主商品与替换装、单件装与多件装，往往共享大量关键词和相似包装。如果仅按销量排序，它们可能被放进同一排甚至相邻货位，员工每小时访问次数越多，发生误取的机会反而越大。

我的做法是给 SKU 增加“视觉相似度”和“业务相似度”两个维度。视觉相似度包括包装颜色、字体、瓶身或盒型；业务相似度包括名称关键词、规格单位、条码前缀和订单常见搭配。相似度高的商品，即使销量相近，也应保持物理隔离，至少不能共享同一个拣选箱。

（1）按销量做第一轮分区

将 SKU 按近 8 至 12 周订单行频次分成高频、中频和低频三组。不要只看销售件数，因为一笔订单购买 20 件可能只形成一个订单行，但对拣选动作的影响不同。

（2）用订单行而非销售金额判断拣选压力

高金额低频商品不一定需要靠近拣选主通道，低金额高频小件却可能占用大量人工。库位规划应优先服务拣选动作，而不是销售额排名。

（3）对高相似 SKU 设置隔离规则

隔离不一定意味着放到完全不同楼层，也可以是中间插入非相似商品、采用不同货架颜色、调整朝向、使用独立料箱或设置强制扫码。

2. 误区二：把同一 SKU 的所有库存塞进一个货位

同一 SKU 集中在一个货位，看起来便于管理，但当库存量大、包装尺寸不同或批次状态复杂时，单货位集中反而会增加错拣和补货风险。

我见过一个仓库把某款纸巾的整箱库存、拆零库存和活动组合包装全部放在同一货架。系统显示是同一个 SKU，但现场实际有三个不同包装。拣货员按订单拿走单包，补货员按箱补货，空箱拆开后又把剩余商品随手放到邻格，几天后就出现“数量对得上、包装拿不对”的问题。

更稳妥的设计是把库存拆成不同作业属性：

• 整箱存储位：服务整箱订单或补货需求，允许堆叠，但必须明确箱规。
• 拆零拣选位：只放当前拣选单元，避免将整箱与拆零混在一起。
• 前置补货位：用于短周期补货，容量按高峰需求设定。
• 待检和异常位：退货、破损、待确认库存不得进入可拣货位。
• 活动专用位：组合装、赠品和临时包装应与常规销售包装区分。

一个货位可以存同一商品，但不能存多个未被现场明确区分的作业状态。

3. 误区三：用商品名称做标签，不用可扫描身份做标签

名称标签对管理人员有帮助，对高峰期拣货员却可能不够。商品名称可能被截断、简称不统一、规格单位位置不同，甚至同一个商品在不同渠道使用不同名称。

合格的货位标签至少应包含货位编码、商品编码、商品短描述、规格、拣选单位、条码和必要的批次或效期要求。标签中的文字是给人看的，条码是给系统和复核动作使用的，两者不能互相替代。

标签还要考虑现场视角。货位标签如果贴在横梁内侧，员工站在通道中只能看到半个编码；如果标签大小一样，大小件货位在视觉上没有层级；如果补货后旧标签没有覆盖或回收，现场就可能出现“一位多标”。

4. 误区四：货位编码符合系统逻辑，却不符合人的行走逻辑

货位编码常由仓区、排、列、层、位组成，但编码连续并不代表路线合理。有些仓库为了编码整齐，将高频商品分散到不同区域；有些仓库按入库时间安排位置，导致同一订单常买商品相隔很远。

我在设计路线时，会把订单共现关系作为重要依据。两个 SKU 经常在同一订单出现，不一定要放在一起，但要避免一上一下、一内一外或跨越拣选禁行区。否则，单个订单的访问节点增加，漏拣和错放的机会都会上升。

同时要防止“热销商品全部挤在入口”的极端做法。入口区域容易拥堵，补货车、拣货车和人员流线相互干扰。真正需要优化的是高频商品的可达性，而不是简单缩短它们到大门的距离。

5. 误区五：只规划存储位，不规划补货位和暂存位

很多库位图只画正式货位，却没有画补货暂存区、待上架区、拣选中转区和异常隔离区。结果是现场人员只能把商品临时放在通道边、相邻货位或空闲料箱中。

临时放置最危险的地方在于，它通常不进入系统状态。员工认为“只是放一会儿”，但下一班员工并不知道；补货单显示商品在原货位，实际商品已被挪到暂存区；拣货员看到箱体就默认可以拿，最终形成账实差异。

我建议把所有“临时位置”正式编码。哪怕只是一个短时周转区，也应有明确的区域码、责任班次、最大停留时间和清空规则。没有编码的暂存位，本质上就是不可追溯的黑洞。

6. 误区六：忽视货架高度、箱体深度和员工视线

库位规划图通常是平面图，但拣货错误很多时候发生在垂直空间。低位容易被踢碰、落尘和遮挡，高位需要抬头或借助工具，深货位容易出现前货挡后货，浅货位则可能导致箱体外露。

对于高频拣选 SKU，我更倾向于把常用拣选面设置在员工自然视线和腰部附近。大件、重件放低位，轻小件放在较高但可快速识别的位置。高相似商品不要因为货架有空位就上下叠放，否则员工可能拿错层位，复核时也不容易发现。

7. 误区七：用一次性库位规划应对持续变化的订单结构

电商仓库的商品生命周期通常不稳定。新品上架、直播爆发、季节切换、活动组合和渠道变化都会改变 SKU 的订单频次。一次规划后长期不动，实际上是在用旧需求服务新订单。

我建议至少按月复盘一次高频 SKU 和异常货位，促销前再做一次专项复盘。对于波动特别大的类目，应设置可移动货位或弹性区，让高峰期商品可以临时前置，活动结束后再恢复。

四、专业判断逻辑：如何判断一个货位到底危险不危险

1. 先建立库位风险评分，而不是凭感觉排查

我在项目中常用一个简化的库位风险评分模型，把每个货位的异常风险拆成六项。企业不需要一开始就建立复杂算法，用表格也能完成第一轮筛查。

评分不需要追求数学上的绝对准确，它的价值是让不同仓区可以用同一套语言讨论风险。高风险货位的改善顺序，通常应先处理相似度、历史异常率和补货频率，而不是先移动所有低频商品。

2. 用“人、货、位、单、时”五个维度交叉判断

单看货位异常率容易误判。某个货位异常多，可能是商品本身容易混淆，也可能是某个班次、某类订单或某种补货方式导致。只有交叉分析，才能判断问题属于布局、流程还是人员。

• 人：异常是否集中在新员工、临时工或某个班次。
• 货：商品是否存在包装相似、规格相近、单位复杂或组合销售。
• 位：货位是否存在标签遮挡、深度过大、上下层混淆或临时占位。
• 单：异常是否集中在多件、多品、赠品、套装或跨区订单。
• 时：异常是否发生在换班、补货高峰、活动波次或夜间低照度时段。

例如，异常只在夜班出现，且集中在高位货架，那么首先要排查照明和标签可视性；如果异常集中在补货后两小时，则要检查补货确认和旧标签清理；如果异常集中在组合订单，则要检查订单拆分和复核规则。

3. 用“判断时间”补充“行走距离”

仓库优化经常只测量从一个货位走到下一个货位的距离，却忽视员工停下来辨认商品的时间。对于相似商品，判断时间可能比行走时间更长。

我会在现场随机观察 30 至 50 个订单行，记录员工从到达货位到完成拿取的时间，并单独记录是否出现回看标签、翻箱、询问、返回或二次确认。若一个货位平均行走距离很短，但判断时间超过 8 秒，且回看比例超过 20%，它就不适合继续承担高频订单。

一个实用的拣选耗时模型可以写成：

单行拣选耗时 = 行走耗时 + 定位耗时 + 取货耗时 + 数量确认耗时 + 异常处理耗时。

库位规划主要影响定位耗时、取货耗时和异常处理耗时。只优化行走路线，可能会把风险从“走得远”变成“拿得快但拿错”。

4. 将漏发看成流程断点，而不是库存不足

漏发并不总是因为仓库没有库存。更多时候，库存存在但订单在某个环节失去了一次确认：订单拆分后少生成一个拣选任务，组合件没有被拆成独立明细，赠品规则没有落到现场任务，或者拣货完成后少了一件但复核没有发现。

判断漏发来源时，我会先区分四种情况：

1. 系统未生成任务：订单规则、库存分配或接口环节出现问题。
2. 任务已生成但未执行：拣货员漏看、任务合并或波次拆分不合理。
3. 已执行但未进入包装：中转、暂存或交接环节出现遗漏。
4. 已包装但未装箱：复核标准和装箱确认机制不足。

只有确认漏发发生在哪个节点，才能决定是改库位、改任务、改复核还是改交接。如果把所有漏发都归因于“拣货员没拿”，改善方向通常会偏离。

五、案例与数据观察：如何用分析看板找到错发漏发源头

1. 先把五张基础表连接起来

如果要用数据支持库位调整，至少需要五类数据：订单行明细、SKU 主数据、库位主数据、库存与补货记录、售后或复核异常记录。很多企业并不是没有数据，而是这些数据分散在订单系统、仓储系统、表格和客服记录中，无法按同一货位或同一 SKU 追踪。

在九数云的应用场景中，我通常建议先建立统一字段，而不是先做复杂可视化。SKU 编码、货位编码、订单号、波次号、作业员工号、异常类型、发生时间和处理状态必须先统一。

字段统一后，可以先做最简单的透视分析：按货位统计订单行数、异常次数、补货次数和平均拣选耗时，再按 SKU 相似度分组。通常第一轮分析就能发现一些“销量不高但异常很高”的货位。

2. 重点看四类交叉图，而不是只看总异常率

总异常率只能告诉你仓库整体是否变好，不能告诉你为什么变好或变坏。我建议看四类交叉关系。

• 货位访问次数与异常次数：判断高频货位是否承担过高风险。
• 补货次数与异常次数：判断补货动作是否制造了错位或混放。
• 商品相似度与错发率：判断包装和规格是否是主要原因。
• 订单件数与漏发率：判断多件订单、组合订单是否存在任务断点。

例如，某个货位每周访问 3000 次，异常 4 次，表面异常率并不高；另一个货位每周访问 120 次，异常 3 次，异常率却高得多。前者可能需要提升拣选效率，后者则需要立即做物理隔离，因为低频并不代表低风险。

3. 观察一个仓库改造前后的真实变化

在前述项目中，我们没有一次性重排所有货位，而是先处理 120 个高风险货位，采取四项措施：拆分相似 SKU、增加货位前置标签、区分整箱位和拆零位、对组合商品增加复核提示。

改造前后采用相同的统计口径：每千行拣选异常次数、单行平均拣选耗时、补货后两小时异常次数、复核台拦截率和订单售后错发率。结果显示，整体异常下降明显，但并不是所有指标都同步改善。

这个结果说明一个重要取舍：降低错发漏发不一定会立即降低拣选耗时。前期增加扫码、分隔和确认动作，可能让作业变慢，但只要售后、返工、补发和客户投诉下降，整体履约成本仍然可能改善。

4. 如何用看板持续监控，而不是改完就结束

库位调整完成后，建议建立四个固定看板。第一张是“风险货位看板”，显示异常率、访问量、补货频次和当前整改状态；第二张是“SKU 相似度看板”，显示相似商品的货位距离、共同订单比例和错发情况。

第三张是“补货质量看板”，重点看补货及时率、补货后异常率、补货任务完成与实际落位的差异；第四张是“异常闭环看板”，追踪异常发现、责任判定、临时措施、永久措施和复盘结果。

如果使用九数云，可以将这些指标设置为按仓区、班次、日期和异常类型筛选的分析页面。管理者不必每天查看所有明细，但要设置异常阈值，例如同一货位连续三天出现异常、补货后两小时异常超过基准、同类 SKU 异常率高于仓库均值两倍时，自动进入复查清单。

六、供应链负责人可直接使用的库位规划自查表

1. 商品主数据自查

• 是否为每个 SKU 定义了统一的拣选单位，如件、包、盒、箱。
• 商品名称是否包含关键规格，而不是只使用销售简称。
• 同款不同颜色、容量、尺寸和件数是否被明确标识。
• 组合装、赠品、替换装是否与主商品建立清晰关系。
• 整箱包装与拆零包装是否使用不同的作业属性。
• 条码是否可以在实际拣选姿态下被快速扫描。
• 效期、批次、序列号和特殊保管要求是否写入库位规则。

如果商品主数据不完整，库位调整只能停留在“看起来更整齐”。真正的风险往往隐藏在规格单位、组合关系和包装形态里。

2. 货位现场自查

• 每个货位是否只有一个清晰有效的货位标签。
• 旧标签、临时标签和手写标记是否全部清除。
• 标签是否位于员工正常视线范围内。
• 同货位多 SKU 是否有物理隔断和明确边界。
• 货物是否超出货位边界，遮挡相邻标签或通道。
• 高频商品是否被放在不利于快速取货的位置。
• 重货、易碎品和大件是否符合人体工学要求。
• 货位前是否长期堆放待上架、退货或异常商品。

3. 路线和订单自查

• 高频 SKU 是否集中在合理的拣选区域，而不是全部挤在入口。
• 高共现商品是否被安排在相近作业区。
• 高相似商品是否因为共现关系被错误地放在一起。
• 多件订单是否需要频繁跨越不同楼层或作业区。
• 拣选路线是否存在明显回头、交叉和拥堵点。
• 单人拣选、分区拣选和波次拣选的货位规则是否一致。
• 活动期间是否有可快速启用的弹性前置区。

4. 补货和库存状态自查

• 补货任务是否明确指向货位，而不是只指向商品。
• 补货完成后是否必须确认实际落位。
• 整箱库存、拆零库存、待检库存和异常库存是否分开。
• 是否存在无系统记录的临时暂存位。
• 补货高峰是否与拣选高峰发生冲突。
• 缺货提示是否区分真实缺货和货位账实不符。
• 移库、退货和盘点后是否及时更新货位关系。

5. 复核和异常自查

• 复核是检查数量、商品、规格，还是只检查订单是否完成。
• 高风险 SKU 是否设置了更高等级的复核规则。
• 复核台拦截的异常是否回写到具体货位。
• 错发、漏发、少发、串货和账实差异是否分开统计。
• 异常是否能追溯到拣货任务、补货任务和操作时间。
• 同一货位重复异常时，是否触发现场复查而非重复培训。
• 临时纠正措施是否有截止时间和责任人。

七、不同仓储场景下的行动建议与取舍

1. 小型仓库：先做清晰分区，不要过度自动化

日均订单量较小、SKU 数量有限的仓库，不一定需要立即投入复杂设备。最先要做的是统一货位编码、清除无效标签、拆分相似商品、规范暂存区和建立异常台账。

小仓库最常见的问题是“所有人都熟悉仓库”，因此管理者不愿意做标准化。可是人员一旦请假、离职或临时支援，依赖记忆的库位系统就会暴露问题。

适合小型仓库的优先顺序是：

1. 建立货位编码和商品短描述。
2. 把高相似 SKU 分开，并增加颜色或规格标识。
3. 将退货、待检、活动库存与可拣货库存隔离。
4. 每周统计异常货位，不追求复杂预测。
5. 订单量达到新峰值后，再重新调整高频区。

这里的取舍是：少投入系统和设备，换取更高的现场纪律要求。只要货位不多、人员稳定、商品变化可控，人工标准化仍然有较高性价比。

2. 中型仓库：重点建设数据驱动的动态库位

当仓库 SKU 达到几千甚至上万、订单渠道增多、活动频繁时，静态货位表很快失效。此时要建立按周期更新的库位策略，至少每月重新计算高频 SKU、商品相似度、订单共现和异常率。

中型仓库通常适合采用“固定主货位 + 弹性前置位”的方式。主货位保证库存稳定，弹性位应对活动和季节波动，但必须通过系统或看板管理，避免变成无记录的临时区。

这一阶段可以使用九数云等分析工具，将订单、库存、补货和异常数据集中分析。重点不是做更多报表，而是实现以下三个动作：

• 每天识别需要复查的高风险货位。
• 每周检查高频 SKU 是否仍处于合理拣选区。
• 每次活动结束后复盘临时库位是否产生了异常。

取舍在于：动态调整会增加计划和维护成本，但能减少频繁全仓搬移。仓库不应追求每天重排，而应根据风险阈值决定哪些货位需要变化。

3. 大型仓库：先建立规则引擎，再谈自动化设备

大型仓库的错发漏发通常不是一个货架的问题，而是多个系统和作业区域之间的规则不一致。入库、上架、补货、拣货、复核、打包和退货各自有不同的货位逻辑，任何接口或状态断点都可能造成异常。

大型仓库需要建立统一的库位规则，包括：

• 商品属性与货位类型的匹配规则。
• 相似 SKU 的隔离规则。
• 整箱、拆零、活动和异常库存的状态规则。
• 补货触发、补货确认和超时处理规则。
• 高风险商品的扫码、称重或图像复核规则。
• 库位变更的审批、发布和回滚规则。

大型仓库的取舍是：规则越细，系统和培训成本越高；规则太粗，又会让现场依靠经验。我的建议是把规则集中用在高风险节点，不要对所有商品实施同样强度的控制。

4. 直播和活动仓：设置临时库位，但禁止临时管理

直播、秒杀和节日礼盒会让 SKU 订单结构在短时间内剧烈变化。活动仓不适合完全依赖日常库位，但也不能将商品随意堆到空地上。

活动前应完成三项准备：建立活动 SKU 清单、规划活动拣选区、设定活动库存的补货和撤场时间。活动货位要有独立编码，活动结束后必须做撤场盘点，并清理全部临时标签。

如果活动商品包含赠品或组合件，最好在拣选任务上明确显示组成关系，避免现场员工根据口头通知判断。赠品漏发经常不是员工不愿意拿，而是系统任务和库位动作没有把它当作独立任务管理。

5. 多仓协同：不要只看单仓异常率

多仓企业可能出现一个仓库库存充足但异常率高，另一个仓库库存紧张但异常率低的情况。如果只看单仓履约率，可能把订单转移到更快但更不稳定的仓库。

多仓决策应同时考虑库存可用性、仓库异常率、订单承诺时间、转运成本和商品风险。高相似 SKU、易碎品和组合商品不一定适合在所有仓库采用相同的库位策略。

建议建立统一的仓库对标指标：

八、库位调整的实施方法：先小范围验证，再逐步扩大

1. 第一阶段：用两周数据锁定试点范围

不要一开始就移动整个仓库。先取最近 8 至 12 周的订单和异常数据，排除明显的系统接口异常，再按风险评分找出 30 至 120 个高风险货位作为试点。

试点范围应覆盖不同类型：高频高相似、高频低相似、低频高相似、补货频繁、组合商品和历史账实不符货位。这样才能判断改善措施对不同问题是否有效。

同时要保留一组相近但未改造的对照货位。没有对照组，只比较改造前后，很容易把活动变化、人员变化或季节因素误认为库位改造效果。

2. 第二阶段：做现场走查，而不是只在图纸上改

现场走查至少要覆盖早班、晚班、活动高峰和补货时段。白天空闲时看起来清晰的标签，到了晚班可能反光；平时不拥堵的通道，补货车进入后可能让员工无法站到正确角度。

我会要求观察者记录以下细节：员工到达货位后是否回看标签，是否需要移动前货，是否拿取后再次确认，是否有商品从相邻货位取出，是否存在箱体外露和暂存。

这些细节往往比会议上的主观判断更有价值。一个货位只要连续出现三次“先拿出来再确认”，就说明它的设计已经把风险推给了员工。

3. 第三阶段：按照风险类型选择改造动作

4. 第四阶段：用成本模型判断是否值得改

任何库位改造都有成本，包括搬移时间、标签制作、扫码设备、培训、停工窗口和系统维护。供应链负责人不能只问“能不能降低异常”，还要问“降低一件异常需要付出多少成本”。

可以使用以下简化模型：

年度异常损失 = 错发漏发订单数 × 单次处理成本 + 客诉赔付 + 补发物流 + 退换货处理成本 + 客户流失风险。

改造收益 = 改造前年度异常损失 − 改造后年度异常损失 − 改造实施成本。

如果一个低频商品一年只产生一两次异常，专门为它配置高成本设备可能不划算；如果一个高频高相似商品每天制造多次异常，即使新增扫码和隔离货位，也可能很快收回成本。

九、哪些做法不值得做，以及为什么

1. 不要为了整齐把所有货位重新排列

全面重排看起来最彻底，但会带来大面积盘点、系统更新、人员适应和订单中断风险。如果没有明确的风险排序，重排后很可能只是把问题从一个区域移动到另一个区域。

更好的方式是先处理高风险货位，再根据数据决定是否扩大范围。每次调整应记录原货位、新货位、启用时间、库存迁移结果和异常变化，确保出现问题时可以回滚。

2. 不要把所有商品都要求扫码

扫码可以降低人工识别风险，但会增加设备、网络、电量、操作和维护成本。低风险、包装差异明显、异常率长期接近零的商品，没有必要采用与高风险商品同样的控制强度。

更合理的是分级防错：高风险商品强制扫码或图像复核，中风险商品使用清晰标签和抽检，低风险商品保持标准拣选并定期抽查。

3. 不要用培训代替现场设计

培训适合解释规则，不适合弥补结构性缺陷。一个货位如果长期存在同款混放、标签遮挡和补货不确认，培训只能让员工短期注意，无法改变任务压力下的真实行为。

我判断是否该培训还是改现场，会问三个问题：错误是否集中在某个货位，是否在不同人员身上重复出现，是否在高峰期明显放大。如果答案都是肯定的，优先改货位和流程，而不是继续增加培训课时。

4. 不要只看仓库内部的异常率

有些仓库复核很强，仓内拦截率高，客户侧错发率低，但这并不代表前端库位设计合理。过多异常被复核拦截，意味着仓库付出了更多二次处理成本。

管理者要同时看拣选异常、复核拦截、包装返工、出库延误和客户售后。真正的改善应让异常在更早节点减少，而不是把更多问题堆到复核台。

十、下一步行动：用七天完成第一轮库位自查

1. 第一天：明确指标口径

统一“错发、漏发、少发、串货、账实差异、复核拦截”的定义，确定统计单位是订单、订单行还是商品件数。没有统一口径，不同部门会用不同数字争论同一个问题。

2. 第二天：整理基础数据

导出近 8 至 12 周的订单行、SKU、货位、补货、库存和异常记录。先处理编码不一致、缺失货位、重复 SKU 和异常类型混用，不要急着做图。

3. 第三天：找出高风险货位

按订单频次、商品相似度、共存 SKU、补货频率、历史异常率和现场可视性评分，形成高风险货位清单。优先选出贡献大部分异常的前 5% 至 10% 货位。

4. 第四天：开展多时段现场走查

至少观察一个平日高峰、一个补货时段和一个低照度班次。记录员工真实动作，不要只拍货架照片。重点看标签、前货遮挡、临时放置、跨区路线和复核交接。

5. 第五天：确定试点改造方案

每个试点货位只选择一到两项主要措施，便于判断效果。例如同款不同规格优先隔离和强化规格标签，补货串货优先分离补货位和拣选位。

6. 第六天：上线对照测试

保留相近的未改造货位作为对照，连续观察至少两周。记录拣选耗时、异常次数、补货后异常、复核拦截和售后错发率，不要只看某一天的结果。

7. 第七天：形成责任闭环

将每项异常关联到货位、SKU、作业节点和责任人，明确临时措施、永久措施、完成时间和验证指标。没有复盘和验证的整改，只能算现场清理，不能算管理改善。

十一、结语：最好的库位规划，是让正确动作变得更容易

我对错发漏发的判断一直比较明确：如果一个错误在不同员工、不同班次和不同日期反复出现，就不要先把它定义为“人员粗心”；如果错误集中在少数货位，就不要先做全员培训；如果异常只在活动和补货时段出现，就不要只看日均库存准确率。

库位规划的最终目标不是让仓库看起来整齐，也不是把所有商品放到离打包台最近的位置，而是让员工在真实压力下仍然能够快速、准确、可追溯地完成动作。

供应链负责人可以从三个动作开始：第一，找出贡献大部分异常的高风险货位；第二，用订单、补货和异常数据验证现场判断；第三，用小范围试点证明“隔离、标签、分区、扫码或复核”哪一种措施真正有效。

不要用平均指标掩盖局部风险，也不要用系统上线掩盖现场混乱。先把库位设计成不容易犯错的环境，再用数据持续验证，错发漏发才会从“靠人盯”变成“靠机制降”。

免费注册

咨询方案

扫码咨询方案