播种式拣选和摘果式拣选之争,表面上是两种作业方法的选择,实质上是订单结构变化之后,仓库不得不回答的一道算术题。过去十年,电商订单越变越碎,单均行数一路下滑,曾经理所当然的摘果式开始显得昂贵,播种式则从大仓的专属配置变成了中小仓也在考虑的选项。两种模式的切换没有统一答案,同一个方法在一个仓里省钱,在另一个仓里可能恰恰亏钱。
场景一(示意):2024 年 9 月,华东一家美妆电商仓在大促复盘会上算账。该仓日均约 900 单,单均只有 1.8 行,前 50 个 SKU 覆盖六成以上订单行。按摘果式作业,拣选员每天跑 900 趟,同一排货架一天被反复经过几十次。改成播种式后,每批 8 单并成一趟,日均趟次降到 120 趟上下。代价同样真实:仓里新辟了一个分播区,两名员工整天站在格口前,把混装筐里的商品一件件分回各单,旺季高峰期分播区排队超过 40 分钟。
场景二(示意):几乎同一时期,华北一家汽配 3PL 仓做了相反的尝试后又退了回去。该仓单均 7.4 行,在库 SKU 超过 2 万个,订单间商品重合度很低。试行播种式三周,每趟停靠的库位几乎没有减少,行走距离省不下来,分播环节反而多了一道工序和一处新的差错点。三周后仓库停掉播种式,恢复摘果式,分播区改回临时存储区。两次尝试都没有错,错的是把方法当成信仰,而不是需要验算的选项。
行走时间才是拣选的大头
先看拣选的时间都花在哪里。根据佐治亚理工学院 Bartholdi 与 Hackman 合著的《Warehouse & Distribution Science》,在人到货的拣选体系中,行走约占拣选时间的 55%,寻找约占 15%,取货约占 10%,其余约占 20%,而拣选本身约占仓库运营成本的 55%。行走是拣选里最大的一块成本,能压缩行走的方法都值得认真算一算。
不过,先给数据本身打一个补丁。业内流传更广的说法是行走占一半,最早出自 Frazelle 1996 年的《World-Class Warehousing》,原始样本与测算方法从未公开,之后三十年被反复引用,逐渐被当成研究结论。55% 有教科书出处,50% 只有行业口口相传的资历。两者指向同一个方向,但精确到个位数的自信没有依据,做决策时把行走占比理解为五成上下更诚实。
定义先对齐。按苏黎世联邦理工学院课程引用的 RKW 手册口径,摘果式是逐单作业,拣选员按一张订单的拣选单走完全程;播种式是把多张订单汇总,按合并后的总需求一次走完,再通过二次分播把商品拆回各单。两者真正的差别不在行走姿势,而在分拣发生的时点:摘果式在货架前完成分拣,播种式把分拣推迟到行走结束之后。
播种式拣选省下的路,二次分播又还回去多少
播种式的收益机制很直观:一趟行走服务多张订单,重复经过同一库位的次数被合并。但收益是有条件的,就是订单之间要共享库位。如果十张订单要的商品各不相同,合并行走省下的路程几乎为零,分播环节却一分不少地加上了。这就是场景二里那家汽配仓的遭遇:方法没有失效,是订单结构让它没有施展空间。
二次分播的成本由三部分构成。一是直接人工,分播动作本身要花时间,格口越多、单均行数越少,分播的人力占比越高。二是空间与设备,分播区要占用仓库里宝贵的近出口位置,格口数量直接决定每批能并多少单。三是差错面,摘果式的差错主要发生在货架前,播种式把差错面搬到分播台:正确的商品放进错误的订单格口,是这类模式最典型的差错,分播环节没有校验,准确率就会往下走。行业指南给出的参考区间是,无技术辅助的播种式准确率约 97%~98%,带射频扫描的摘果式可达 99.5%~99.9%(厂商资料,仅供参考)。
两种模式之间还有一个常被忽略的中间形态:分区拣选筐作业,即常说的 cluster picking。拣选车上每单一个筐,拣选员在货架前扫码确认后直接把商品放进对应订单的筐里,分拣发生在拣选动作里,而非事后。按设备厂商的资料,一辆拣选车的筐位通常在 8~10 个,这决定了它的批次规模上限。好处是省掉了事后分播,代价是每件商品多一次扫码确认,车子装满就得回程。很多仓库实际运行的播种式,恰恰是这个中间形态,而不是教科书里的纯播种式。
什么时候该从摘果式拣选切到播种式拣选
反常识的判断是:直觉上订单越大越适合播种,数据指向的方向恰恰相反。单均行数越多,每单要走的库位越多,订单间共享库位的比例越低,合并行走省下的路程就越有限。真正让播种式大放异彩的,是单均 1~3 行、畅销品高度重合的小订单结构。订单越碎,播种式越划算,这与很多管理者的第一直觉是反的,也是切换决策里最容易误判的一点。
下面是一笔假设算例,数字全部为说明用假设,不代表任何真实仓库的实测值。
| 项目 | 摘果式拣选 | 播种式(每批 8 单) |
|---|---|---|
| 日订单量 | 800 单 | 800 单 |
| 单均行数 | 2.1 行 | 2.1 行 |
| 每趟行走 | 4 分钟 | 12 分钟(停靠点更多) |
| 行走合计 | 800 趟 × 4 分钟 = 3200 分钟 | 100 趟 × 12 分钟 = 1200 分钟 |
| 拣取时间 | 1680 行 × 0.5 分钟 = 840 分钟 | 1680 行 × 0.5 分钟 = 840 分钟 |
| 分播时间 | 0 | 1680 件 × 0.25 分钟 = 420 分钟 |
| 合计 | 4040 分钟 | 2460 分钟 |
在这个假设算例里,播种式拣选节省约 39% 的总时间,行走节省 2000 分钟,分播吃回去 420 分钟。分界点就藏在这张表里:订单重合度下降,每趟行走从 12 分钟向 20 分钟爬升,或分播单件耗时从 0.25 分钟涨到 0.5 分钟,节省会被迅速蚕食殆尽。业内指南给出的经验区间是每批 4~12 单,超过这个区间,推车拥挤、分播复杂度和差错率上升的速度,往往快过行走节省的速度。
判断是否切换,只需要跑两周数据。一看单均行数,长期低于 3 行的仓库值得认真评估播种式,高于 5 行的要格外谨慎。二看 SKU 重合度,前 50 个畅销 SKU 覆盖的订单行占比越高,合并行走的收益越大。三看截单节奏,波次释放越规律,批次组得越满,播种式的收益越稳定;订单随到随拣的仓库,凑批等待本身就是成本。这三个数跑出来,分界点基本就清楚了。
混合模式:按订单结构分流,而不是按仓库分区
现实中越来越多的仓库不再二选一,而是按订单结构分流:单均行数低、畅销品集中的订单走播种式,单均行数高、长尾商品多的订单继续走摘果式,大促期间两种模式的比例随订单结构动态调整。分流的标准写在系统规则里,而不是凭班组长的经验临场判断。
波次设计最容易被低估。播种式依赖波次把订单凑成批次,波次切得太碎,批次组不满,行走节省打折;切得太粗,订单在池子里等凑批,截单时间被迫提前,客户体验受损。合理的做法是按承运商截单时间倒推波次,把批次锚定在真实发运节奏上,而不是为了凑批而凑批。
另一个趋势是:分播环节正在成为新的自动化投资点。播种式把人力从行走转移到分播,分播台前的人力密度上升之后,灯光指引分播与小型自动分播设备的性价比就跟着上升了。拣选方法的选择,正在从一次性的流程决策,变成决定下一轮设备投资投向的前置决策。
订单结构还会继续变:单件订单占比仍在上升,播种式的适用面可能还在扩大,分播的人力与差错成本也在同步上升。值得追踪的问题是:当播种式从优化手段变成默认动作,分播会不会成为下一个需要被自动化吃掉的环节?答案取决于未来两三年分播设备的价格曲线,以及各家仓库愿不愿意把分播成本单独记账。如果分播成本长期藏在拣选总账里不单列,很多仓库要到差错率亮红灯,才意识到切换的账没算完。
作者:陈博士|供应链行业研究员







