EIQ分析：.doc

目录
设计材料：某新华书店 2
1.EIQ数据分析： 3
2.订单数量EQ分析： 3
3.订单品项EN分析: 4
4.品项数量IQ分析: 5
5.品项受定次数IK分析: 5
6.PCB分析： 7
7. EIQ分析结总览表 8
8.建议 9

设计材料：某新华书店
由于新华书店的订单数据过于庞大，因此仅抽取一段时间的订单资料进行分析。以下是新华书店抽取的14张订单，15个品项的商品的一周发货清单，数据如下表1-表4。
表1：
订单（号码）
70122a
70123a
70124a
70125a
70126a
70127a
70128a
每张订单数量Q
32582
28513
30053
26054
13197
23108
12470
订单（号码）
70122p
70123p
70124p
70125p
70126p
70127p
70128p
每张订单数量Q
19235
15472
21988
17925
13197
23108
12470
表2：
订单（号码）
70122a
70123a
70124a
70125a
70126a
70127a
70128a
每张订单品项数N
13
5
9
8
9
5
10
订单（号码）
70122p
70123p
70124p
70125p
70126p
70127p
70128p
每张订单品项数N
13
9
9
6
4
5
9
表3：
品种代码I
005
004
006
009
007
001
003
002
每种数量Q
144800
40912
28441
23049
17282
11050
10600
6600
品种代码I
012
013
015
011
010
014
008

每种数量Q
4350
898
701
330
280
50
29

表4：
I（品种代码）
001
002
003
004
005
006
007
008
K（出入频次）
8
8
2
11
14
12
8
1
I（品种代码）
009
010
011
012
013
014
015

K（频次）
13
12
5
7
2
2
6

要求：
（1）根据表1-表4所给数据，假设1P=12C，1C=12B，请按教材219-222页的内容进行EQ分析、EN分析、IQ分析、IK分析、PCB分析及相应的交叉分析。
（2）利用EIQ分析结果对图书拣方式、分拣设备选择、图书储位分配等决策给出适当的建议
分析
1.EIQ数据分析：
EIQ位数：分析EIQ属于一位数二位数三位或三位数的规模，本案例中
E=14
I=15
GEQ=Q=24114
分析得出I较小Q较大，类似于少样多量的出货形式。
2.订单数量EQ分析：

ABC分析：从整个图表中可以得到以下结论：20%的订单占了31%的出货量，50%的订单占64%的出货量28%的订单占了18%的出货量，没有出现少订单占大部分出货量的情况，总的来说订单占出货的比例为线性变化。但是差距在一个不算太大的区间，不用对少部分订单做特殊处理。
EQmax分析；EQmax：为226托盘，EQmin为87托盘。订货品项数为13项，项数较多，不是少样多货类型，而且没有EQ=1的情况出现，所以也不适合采用批次拣货。
3.订单品项EN分析:
GEN分析：
表2：

订单（号码）
70122a
70123a
70124a
70125a
70126a
70127a
70128a
总订货品项数
每张订单品项数N
13
5
9
8
9
5
10
59
订单（号码）
70122p
70123p
70124p
70125p
70126p
70127p
70128p

每张订单品项数N
13
9
9
6
4
5
9
55

合计订货品项数114项。
EN度数分析：

分析得没有突出特别项目，所以不需要考虑订单别拣货方式。

4.品项数量IQ分析:
品种代码I
1
2
3
4
5
6
7
每种数量Q
11050
6600
10600
40912
144800
28441
17282
箱数=
921
550
883
3409
12067
2370
1440
托盘数=
77
46
74
284
1006
198
120
接上表：
8
9
10
11
12
13
14
15
29
23049
280
330
4350
898
50
701
2
1921
363
23
28
75
4
58
0
160
30
2
2
6
0
5

分析可知在所有订单品项中，第5种品项占了出货的50%，第4和第6分别各占14%好10%。由此我们可以对5项和4、6项做特别对待，加强这几种产品的管理策略，对其进行重点管理。
IQmax、IQmin分析：
品项最大出货量
IQ(max)=
12067箱 占50%
品项最小出货量
IQ(min)=
2箱 占比近乎为0

5.品项受定次数IK分析:
GIK=GEN=114项

IK度数分析：

分析可知IK=1的项目为1，占比为6.7%左右，IK=1比例低，说明出货次数少的产品少，从以上折现图看出产品的出货频次没有特别的规律。因此储位安排上按次数多的就近安排即可。

6.PCB分析：
分析表：
PCB分析：

订单（号码）
70122a
70123a
70124a
70125a
70126a
70127a
70128a
70122p
70123p
70124p
70125p
70126p
70127p
70128p

P=托盘数=箱数/12
226
198
209
181
92
160
87
134
107
153
124
92
160
87

C=箱数=件数/12
2715
2376
2504
2171
1100
1926
1039
1603
1289
1832
1494
1100
1926
1039

B=每张订单数量Q
32582
28513
30053
26054
13197
23108
12470
19235
15472
21988
17925
13197
23108
12470

品种代码I
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
所需托盘数
77
46
74
284
1006
198
120
0
160
30
2
2
6
0
5

PC-CB分析：
拣取所需总托盘数
拣取所需总箱子数

2010
24114

7. EIQ分析结总览表

EIQ分析结总览表（以下数据均使用4舍5入取整，X表示未知）
1
订单件数
E=14

2
出货种类数
I=15

3
总订货数量
GEQ=Q=24114
EIQ数据分析：I较小Q较大，类似于少样多量
4
库存品项数种
ZI=X

5
库存数量
ZQ=X

6
一托盘码放箱数
P=12C

7
一箱的件数
C=12B

8
一日总出货量
GEQ=GIQ
24114箱
9
每张订单平均订货数量
EQ(avg）=
1722箱
10
每出货品项平均出货量
IQ(avg)=
　X
11
订单最大订货量
EQ(max)=
226托盘
12
订单最小订货量
EQ(min)=
87托盘
13
订单最大订货品项数
EN(max)=
13项
14
订单最小订货品项数
EN(min)=
4项
15
品项最大出货量
IQ(max)=
12067箱
16
品项最小出货量
IQ(min)=
2箱
17
总订货量
GEQ=
24144箱
18
总定货品项数
GEN=
114
19
品项最大订购次数
IK(max)=
14
20
品项最小订购次数
IK(min）=
1
21
总拣去数
GI=
24144箱

8.建议
根据以上分析，由于单个订单包含品项数多较多，且部分品项所需数量较少，因此建议采取批量拣货方式进行拣货。
在分拣设备选择上，由于出货量比较大因此可以选择拣货速度较快的拣货设备。
储位安排上，建议根据不同品项的出货量和其出货频次，进行综合考虑，合理安排储位将出货量大的以及出货次数多的，存放在仓库出货速度快且容易处。