精益环境在不同行业有很多形态，物流企业与生产单位的差别最主要的体现在缺少“均衡”的条件。作为距离市场最末的环节，需求往往被放大，压力也自然最高。传统物流企业，与客户、承运商、外包公司关系千丝万缕，在部署精益项目的时候困难重重。
在这样一个极富挑战的环境下，项目应该如何去做？
背景
公司某个运作单位为一位500强客户提供服务。客户依据销售，在一天中频繁的下单，但依照约定：我们以某个时间点对订单进行截止处理。
处理模式还在沿用几十年前的“Pallet to Zero”策略。仓库的某个零层区域，在非拣货时段是空出的，任务开始后，这个区域将被短暂的作为中转站完成订单的分拣工作，可被视为“Pick Face”。这种利用率低下的策略是由客户的SAP系统决定的，无法改变。
如果我们想要优化这样一个拣货的策略和路径问题，应该如何着手？
设定衡量方式
策略的改变会引起效率的改变，体现在处理时间上。
现在的做法
- 对截止的订单，按照“取货位”进行计数，仅取一次，视为单一订单(sigle pick)，取多次，视为批量订单，做批采操作(batch order)
- 单一订单，将在出货前才从库位拉出，做到“仅取一次”
- 批量订单，依据某种逻辑进入PTZ区域
- 人工进行分拣(Order Pick)
从数据分析的角度来看，这是一块订单数据的group by和resort的变形记。逻辑的调整究竟会对整个操作时间产生什么样的影响呢？
时间的构成：
- 取货时间(定义为从原库位开始到PTZ区域的时间)
- 使用车辆运行时间
- 分拣时间（PTZ区域到发货库位的时间）
- 人工小车行程时间（不增值）
- 折返引发的时间（不增值）
- 拣货操作时间
很显然，取货时间在逻辑调整后并不产生变化，原因是：1-9，9个数字，先输入1，还是先输入9并没有差别。
而人工拣货路线将完全取决于逻辑的设定。
上图是某一份订单(客户的原始订单)在PTZ区域的排布。工人在通道里将以“Z”形路线进行取货。
改进后
通过对时间的定义，依照订单信息和运作基础数据，可以设定整个拣货过程时间的计算。同时，我们对订单的处理逻辑进行了改变，主要有根据SKU排序、源发地排序、ABC排序等。
仅仅是处理逻辑的改变，带来的时间的节约，效率的提升也是可观的。在某一整月里，一共有18个工作日，而其中8天将有机会产生边际效应，平均单次节约达5%-10%。
现在，订单处理小组有了一个系统，可以通过对时间效率的计算自动选择最优的方案。另外我们还做了一些优化，整合了订单与装车信息的关联，来确保发往统一客户、城市、车辆的订单在Order Pick之后不会被打乱，这也产生了10%的效率的提升。
更加先进的做法
从图-2可以看出，解决这种批量的问题，如果可以缩小订单规模可以产生更加明显的提升
- 将订单拆成波次，使单次处理量降低，处理频率提高
- 对PTZ区域进行改造， 增加横向通道制造小规模区域，通过订单信息的聚类可减少无意义的行程时间
这些将作为下一阶段的课题进行研究。
总结
物流企业的成本是动态的，如果仅仅是沿用一套固定的模式，将会错过巨大的改进可能。