EIQ分析步骤

EIQ分析的步骤是从数据的收集、取样，分解整理到数据分析及其图表制作，整个EIQ分析过程如图所示。

资料收集、取样

进行分析之前需先取得EIQ（订单“E”、品种“I”、数量“Q”）资料，以一日、一月或一年的EIQ资料进行分析。

要了解物流配送中心实际运作的物流特性，单从一天的资料分析将无法进行有效判断并得出结论，但是若需分析一年以上的资料，往往因资料量庞大，使分析过程费时费力。

如能找出可能的作业周期，则使分析较易进行，因此可将分析资料缩至某一月份、一年中每月月初第一周或一年中每周的周末等范围。

但是，一般物流配送中心一天的订单可能有上百张，订货品项可能上项，要集中处理这样多的资料不是一件容易的事，因此这就需要资料的取样分类。若EIQ的资料量过大，不易处理时，通常可依据物流配送中心的作业周期性，先取一个周期内的资料加以分析(若物流配送中心作业量有周期性的波动)，或取一个星期的资料分析。若有必要再进行更详细的资料分析。

同时也可依商品特性或客户特性将订单资料分成数个群组，针对不同的群组分别进行EIQ分析；或是以某群组为代表，进行分析后再将结果乘上倍数，以求得全体资料。或是采取抽样方式，分析后再将结果乘上倍数，以求得全体资料。不管采用何种分类和抽样方式进行资料取样，都必须注意所取样的资料是否能反映、代表全体的状态。

资料的分解、整理

EIQ分析就是利用订单“E”、品种“I”、数量“Q”这三个物流关键要素，来研究物流配送中心的需求特性，为物流配送中心提供规划依据。因此物流配送中心规划者从原始资料获取以后，应对资料作进一步的分解、整理，以作为规划设计之参考依据。同时还应注意考虑EIQ资料时间的范围与单位。表是以某一工作日为单位的主要订单出货资料分解格式。

注：Q1(订单E1的出货量)＝Q11十Q12十Q13十Q14＋Q15十……

Q1(品项I1的出货量)＝Q1l十Q21十Q31十Q41＋Q5l＋……

N1(订单E1的出货项数)＝计数(Q11，Q12，Q13，Q14，Q15，……)＞0者

K1(品项I1的出货次数)＝计数(Q11，Q21，Q3l，Q41，Q5l，……)＞0者

N(所有订单的出货总项数)＝计数(N1，N2，N3，N4，N5，……)＞0者

K(所有产品的总出货次数)＝K1十K2十K3十K4十K5十……

订单出货资料的分解的目的是由此展开EQ、EN、IQ、IK四个类别的分析。

在资料整理过程中，要注意数量单位的一致性，必须将所有订单品项的出货数量转换成相同的计算单位，否则分析将失去意义，如体积、重量、箱、个或金额等单位。金额的单位与价值功能分析有关，常用用于按货物价值进行分区管理的场合。体积与重量等单位则与物流作业有直接密切的相关，影响到整个物流配送中心的系统的规划，因此在资料整理过程中，需再将物品特性资料加入，才可进行单位转换。

上述EIQ格式乃针对某一天的出货资料进行分析，另外若分析资料范围为一时间周期内(如一周、一月或一年等)，则另需加入时间的参数，即为EIQT的分析，如表所示。

注：Q1(品项I1的出货量)＝Q1l＋Q12＋Q13＋Q14＋Q15十…

Q(所有品项的总出货量)＝Q1十Q2＋Q3＋Q4＋Q5＋…

Kl(品项I1的出货次数)＝K11＋K12＋K13十K14十K15＋…

K(所有产品的总出货次数)＝Kl十K2＋K3十K4十K5十…

一般收集到的企业订单出货资料，通常其资料量庞大且资料格式不易直接应用，最好能从企业信息系统的数据库中直接取得电子化数据，便于数据格式转换，并便于借助计算机运算功能处理大量的分析资料。

进行统计分析并制作分析图表

将步骤一取样得到的EIQ资料经第二步分类统计整理后，则可利用统计方法进行EQ／EN／IQ／IK及PCB等分析（分析过程见本章第三节）。 EQ、EN、IQ、IK四个类别的分析含义如表所示：

在进行EQ／EN／IQ／IK及PCB等分析后，还应将所得出的分析数据加以图表化，这些数据、图表即为EIQ的资料分析结果。

通过EIQ分析，可以得到许多有用的信息，对物流配送中心的规划和改善具有重要意义。

EIQ分析以量化的分析为主，常用的统计手法包括平均值、最大最小值、总数、柏拉图分析、次数分布、ABC分析及交叉分析等，以下就柏拉图分析、次数分布、ABC分析及交叉分析进行说明。

1、柏拉图分析

在一般物流配送中心的作业中，如将订单或单品品项出货量经排序后绘图(EQ、IQ分布图)，并将其累计量以曲线表示出来，即为柏拉图。此为数量分析时最基本的绘图分析工具，如图所示。其他只要可表示成项与量关系的资料，均可以柏拉图方式描述。

2、次数分布

绘出EQ、IQ等柏拉图分布图，常可得到如图的图形，但是若想进一步了解产品别出货量的分布情形，可将出货量范围作适当的分组，并计算各产品出货量出现于各分组范围内的次数，如图所示。

由图可知，次数分布图的分布趋势与资料分组的范围有密切关系，在适当的分组之下，将可得到进一步有用的信息，并找出数量分布的趋势及主要分布范围。但是在资料分组的过程中，仍有赖于规划分析者的专业素养与对资料认知的敏感性，以快速找出分组的范围。

3、ABC分析

在制作EQ、IQ、EN、IK等统计分布图时，除可由次数分布图找出分布趋势，进一步可由ABC分析法将一特定百分比内的主要订单或产品找出，以作进一步的分析及重点管理。通常先以出货量排序，以占前20％及50％的订单件数(或品项数)，计算所占出货量的百分比，并作为重点分类的依据。如果出货量集中在少数订单(或产品)，则可针对此一产品组(少数的品项数但占有重要出货比例)作进一步的分析及规划，以达事半功倍之效。相对的出货量很少而产品种类很多的产品组群，在规划过程中可先不考虑或以分类分区规划方式处理，以简化系统的复杂度，并提高规划设备的可行性及利用率。如图所示。

4、交叉分析

在进行EQ、IQ、EN、IK等ABC分析后，除可就订单资料个别分析外，也可以就其ABC的分类进行组合式的交叉分析。如以单日别及年别的资料进行组合分析，或其他如EQ与EN、IQ与IK等项目，均可分别进行交叉汇编分析，以找出有利的分析信息。如图7－7所示。其分析过程先将两组分析资料经ABC分类后分为三个等级，经由交叉汇编后，产生3×3的九组资料分类，再逐一就各资料分类进行分析探讨，找出分组资料中的意义及其代表的产品组。在后续的规划中，如结合订单出货与物性资料，也可产生有用的交叉分析数据。

EIQ图表数据判读与分析

EIQ图表分析是订单资料分析过程最重要的步骤，通常需对各个分析图表进行认真分析，并配合交叉分析及其他相关资料做出综合判断的结论。

1、订单数量（EQ）分析

EQ分析主要是了解单张订单订购量的分布情形，决定订单处理的原则，以对拣货系统进行规划。EQ分析通常以单一营业日为主，各种EQ图表的类型分析如表所示。

图形分布，可作为决定储区规划及拣货方式的参考，当订单量分布趋势越明显时，则分区规划的原则越易运用，否则应以弹性化较高的设备为主。当EQ量很小的订单数所占比例很高时(＞50％)，应可将该类订单另行分类，以提高拣货效率；如果以订单别拣取则需设立零星拣货区，如果采取批量拣取则需视单日订单数及物性是否具有相似性，综合考虑物品分类的可行性，以决定是否于拣取时分类或于物品拣出后于分货区进行分类。

2、品项数量(IQ)分析

主要了解各类产品出货量的分布状况，分析产品的重要程度与运量规模。可用于仓储系统的规划选用、储位空间的估算，并将影响拣货方式及拣货区的规划。各IQ图形类型分析如下。

在规划储区时应以一时间周期的IQ分析为主(通常为—年)，若配合进行拣货区的规划时，则需参考单日的IQ分析。另外单日IQ量与全年IQ量是否对称也是分析观察的重点，因为结合出货量与出货频率进行关联性的分析时，整个仓储与拣货系统的规划将更趋于实际，因此可进行单日IQ量与全年IQ量的交叉分析。

若将单日及全年的IQ图以ABC分析将品项依出货量分为ABC(大、中、小)三类，并产生对照组合后进行交叉分析，则将其物流特性分成以—下几类，如下所示。

Ⅰ：年出货量及单日出货量均很大，为出货量最大的主力产品群，仓储与拣货系统的规划应以此类为主，仓储区以固定储位为较佳，进货周期宜缩短而存货水平较高，以应付单日可能出现的大量出货，通常为厂商型配送中心或工厂发货中心。

Ⅱ：年出货量大但单日出货量较小，通常出货天数多且出货频繁，而使累积的年出货量放大。可考虑以零星出货方式规划，仓储区可以固定储位规划，进货周期宜缩短并采取中等存货水平。

Ⅲ：年出货量小但单日出货量大，虽总出货量很少，但是可能集中于少数几天内出货，是容易造成拣货系统混乱的可能因素。若以单日量为基础规划易造成空间浪费及多余库存，宜以弹性储位规划，基本上平时不进货，于接到订单后再行进货，但前提是必须缩短进货前置时间。

Ⅳ：年出货量小且单日出货量也小，虽出货量不高，但是所占品项数通常较多，是容易造成占用仓储空间使周转率降低的主要产品群。因此仓储区可以弹性储位规划，以便于调整货位大小的储存设施为宜，通常拣货区可与仓储区合并规划以减少多余库存，进货周期宜缩短并降低存货水平。

Ⅴ：年出货量中等但单日出货量较小，为分类意义较不突出的产品群，可视实际产品分类特性再归纳入相关分类中。

3、订单品项数(EN)分析

订单品项数(EN)分析主要了解订单别订购品项数的分布，该分析对于订单处理的原则及拣货系统的规划有很大的影响，并将影响出货方式及出货区的规划。通常对单一订单出货品项数、总出货品项数、订单出货品项累计次数三项指标进行分析。

以Qei＝数量(订单e，品项i)符号表示单一订单订购某品项的数量，则分析各指标的意义如下：

1）．单一订单出货品项数

计算单一订单中出货量大于0的品项数，就个别订单来看，可视为各订单拣取作业的拣货次数。

N1＝COUNT(Q11，Q12，Q13，Q14，Q15，……)＞0

2）．总出货品项数

计算所有订单中出货量大于0或出货次数大于0的品项数。

N＝COUNT(Q1，Q2，Q3，Q4，Q5，……)＞0或

COUNT(K1，K2，K3，K4，K5，……)＞0，且N＞＝Ne(总出货品项数必定大于单一订单的出货品项数)

此值表示实际有出货的品项总数，其最大值即为配送中心内的所有品项数。若采用订单批次拣取策略，则最少的拣取次数即为总出货品项数。

3）．订单出货品项累计次数

将所有订单出货品项数加总所得数值，即为EN绘制柏拉图累计值的极值。

GN＝N1十N2十N3十N4十N5十……

GN≥N(当个别订单间的品项重复率越高，则N越小)

此值可能会大于总出货品项数甚至所有产品的品项数。若采订单别拣取作业，则拣取次数即为订单出货品项累计次数。

由以上说明，针对EN图与总出货品项数、订单出货品项累计次数两项指标，再比较物流配送中心库存商品总品项数，可整理如表的模式。基本上图中各判断指标的大小，需视物流配送中心产品特性、品项数、出货品项数的相对大小及订单品项的重复率来决定，并配合其他的因素综合考虑。

4、品项受订次数(IK)分析

品项受订次数(IK)分析：主要分析产品别出货次数的分布，对于了解产品别的出货频率有很大的帮助，主要功能可配合IQ分析决定仓储与拣货系统的选择。另外，当储存、拣货方式已决定后，有关储区的划分及储位配置，均可利用IK分析的结果作为规划参考的依据，基本上仍以ABC分析为主，并从而决定储位配置的原则。各类型分析如下

5、IQ及IK交叉分析

将IQ及IK以ABC分析分类后，可为拣货策略的决定提供参考的依据，如图所示。将IQ及IK以ABC分析分类后，所得交叉分析的分类整理如表所示。依其品项分布的特性，可将物流配送中心规划为以订单别拣取或批量拣取的作业形态，或者以分区混合处理方式运作。实际上拣货策略的决定，仍需视品项数与出货量的相对量来作判断的依据。