发布日期：2019-10-28浏览次数： 次信息来源： 辛鹏亮
在新工厂规划和老工厂扩能改造过程中，往往首先要评估工厂的大物流能力。在新工厂规划中大物流方案需考虑工厂要开多少个门？要设置多少个装卸货位？车辆、人员流动路径如何设置？工厂各模块、各厂房如何布局等等。这些都是新工厂规划中一开始就要面对的问题。而在老工厂的扩能改造中，除了设备、产线的产出能力之外，还要弄清楚的就是产能提升所带来的物流量的增加。在现有的园区内能不能运行？卸货资源能不能满足？不管是新工厂规划还是老工厂大物流能力评估，首先需要搞清楚的一件事就是工厂的物流量有多大。
一、流量数据收集
在分析工厂大物流流量的方法中，最常用的有两种方法：车流量实测法与物资体积测算法。
1、车流量实测法：顾名思义就是在原厂区各物流门及各装卸货区监测物流车辆信息。除了要记录车次以外，还要记录下到达站点的时间、车辆类型、车厢尺寸、装卸货物料、装载率、装卸货时间、等待时间等信息，记录的信息越详细，评估的准确性越高，后续的改善也就更容易找到突破口。
2、物资体积测算法：是利用工厂管理物资的基础数据进行理论测算。对于工厂而言，一般就是原材料、零部件、成品等需要进出厂的物资，其基础数据需要包括产品产能、产量、BOM、物料尺寸、包装信息、车辆装载信息等，根据以上信息计算出来料和成品的物流量。
实测法的优点是能够真实反映进出厂的车流量、装卸货时长以及现状入厂物流中存在的问题，据此可以找到改善的方向和思路。缺点是数据的波动可能会比较大，对于多点停靠的车辆很难搞清楚各点的物流量（具体到体积或数量），另外就是耗时较长，一般至少需要一周以上的持续记录。而理论测算法，可以精确的测算出各点的物流量及车流量，但前提都是基于一些假设，与实际会有差异。在以往的咨询项目中，多采用两种方法结合，可信度会高很多，对于后续的规划、改善就能提供强有力的支撑。
实测法对于信息化程度较高的工厂实施起来简单方便。通过视频识别、RFID识别等方式可自动记录车流量相关数据，但对于车厢内部的装载情况仍需人工识别记录。对于没有这些自动识别信息技术的工厂来说，就需要投入较多的人力才能记录清楚每个点的流量情况。
在这里有一个小技巧，就是在记录的时候不要去记录车牌号。因为手写记录一天的数据再往电脑录入的时候会发现：很多因为书写不规范，无法识别清楚车牌号，导致出错。可以通过在车辆入厂时发放数字号牌（从1开始排序），出厂时回收的方式，这样不仅操作简单而且记录的非常准确。
数据分析：获得基础数据之后接下来就是要对数据进行分析，包括现状分析和未来推算（基于产量变化），同样可以采用以上两种方法结合的方式提高数据的可信度。现状分析的角度一般包括各关键物流节点的车流量（用于建立各功能区的流量数字关系），车流量的时间分布和推移情况（用于分析车流量的波动情况（波动率）以及峰值是否与生产活动一致，整体是否均衡，若波动很大，则资源的配置便存在较大的浪费）。车辆在厂时间/卸货时间/返空时间（用于分析车辆在厂活动，发现浪费）。而要推算未来的车流量需要分析产量（自变量）和物流量（因变量）的关系，通过建立某种数学关系，从而实现调整产量（自变量）来推算物流量（因变量）的目的。以上数据分析也是园区SLP规划方法的重要组成部分。
通过以上这些方法可对一个工厂或园区的大物流能力有一个基本的认识和评估。结合SLP的系统规划方法的运用，可实现对企业物流设施科学合理的规划。
