拣选效率突然掉了一截,先别找人谈话,先翻 WES 任务日志。这个坑我见过三次:都是管理层在会议室里吵了三天"是不是人不行了",最后日志一摊开,卡点写得清清楚楚,跟人半毛钱关系没有。WES 任务日志是全仓最诚实的员工——它不甩锅、不修饰,只记录每个任务从创建到完成花了多久、卡在哪一步。
为什么效率掉的时候先看日志?30 多个上线项目做下来,我的经验是:现场管理看的是"结果",任务日志看的是"过程"。拣选员说"我一直在干活",主管说"我看他挺忙的",全是主观的。日志里有时间戳、有步骤流转、有中断记录。效率掉了,逃不过三类原因:任务在系统里排队太久(分配环节卡了)、任务执行拖太久(现场有障碍)、异常中断太多(反复重做)。三类原因,日志里各有各的痕迹,互不重叠——这就是下面这套 3 步诊断法的底气。
先给一个 10 分钟速查框架,细节下面展开:
- 任务创建到分配超过 5 分钟(对比自家日常基准)→ 分配策略或系统性能问题;
- 分配到完成比日常基准慢 20% 以上 → 现场执行问题;
- 中断、取消、重派记录比平时翻倍 → 异常流程问题。
注意:5 分钟和 20% 是经验参考值,你们真正要对比的是"自己 4 周前的基准",不是我的数字。
第一步:从任务日志看排队时长——卡点在不在分配环节
打开 WES 任务日志,先别急着看单个任务,先看汇总:任务创建后在队列里等了多久才分配到人头上。我把它叫"排队时长"。
具体做法,分 4 步:
- 从 WES 里导出最近 14 天的任务日志,按天算排队时长的中位数和 90 分位值(别用平均数,平均数会被极端值带偏)。
- 找到效率掉的那一天,往前推 7 天,画出两周的排队时长曲线。
- 如果排队时长在效率掉的当天同步上涨——卡点在分配环节,不在拣选员,直接跳过对人的排查。
- 排队时长没涨 → 分配环节没问题,去第二步。
讲一个项目故事。 2024 年秋天,华东某 3PL 仓,日均 8000 单上下,拣选效率一周内掉了将近三成。管理层开会,结论是"旺季临工不行",准备换一批人。我去翻任务日志,排队时长从平时的 2 分钟出头涨到了 10 分钟以上——任务在系统里排队,根本没到人手上。继续往下看分配记录:一条"按区域就近分配"的规则,被新上线的促销波次策略覆盖了,系统把大量任务攒着等波次凑单。关掉自动凑单逻辑,排队时长当天回到 2 分钟,人也不用换了。临工们差点替系统背了锅。
这一步的常见病因,我总结在文末对照表里。核心记住一句:人还没拿到任务,效率就已经掉了,这锅怎么也轮不到拣选员。
第二步:对比分配与完成的时间差——卡点在不在现场执行
如果排队时长正常,任务顺利到人了,再看下一步:从分配到完成的时长有没有变长。

具体做法,分 3 步:
- 取同一批 SKU、同一个库区的任务,对比效率掉之前和之后,分配→完成的时长变化。
- 必须按库区、按 SKU 属性(大小件、整零)分组看,不分组就是一团浆糊——大件区本来就慢,跟它比没有意义。
- 哪个分组的完成时长系统性拉长,现场就去看哪个分组,同时翻第三步的中断记录交叉验证。
再讲一个故事。 2023 年底,北方某电商仓,零拣区的完成时长从 40 分钟左右涨到 60 分钟以上,排队时长却完全正常。主管怀疑新员工手慢。我让他把任务日志按通道分组一看:A 通道正常,B、C 通道的任务完成时间全部拉长。去现场一看——B、C 通道在做货架加固施工,叉车和物料把一半通道堵了,拣选员全程绕路。日志里早就有答案:按通道一分组,清清楚楚。
这一步最大的坑是"平均数陷阱"。全仓平均完成时长可能只涨了 10%,看着不严重,但按库区一拆,某个区涨了 60%,其他区纹丝不动——平均数把问题藏起来了。上线前夜 checklist 里我永远加一条:任何效率指标,必须能按库区、波次、班次三维下钻,否则这个报表就是摆设。
第三步:看任务日志里的异常中断记录——卡点在不在反复重做
任务被取消、重派、超时的记录,是效率杀手里最隐蔽的一个。拣选员看起来一直在忙,忙的却是返工。
具体做法,分 3 步:
- 统计每天"任务中断"类事件数量:取消、重派、超时自动释放、异常关闭。
- 算中断率 = 中断任务数 ÷ 总任务数,跟 4 周均值对比。
- 中断率翻倍以上的,先看中断原因分布:缺货重派多吗?库位异常多吗?系统超时释放多吗?原因分布直接指向根因。
第三个故事,也是我见过最贵的一个。 2025 年初,某美妆仓,效率掉了两成,中断率是平时的 3 倍。中断原因一看:八成是"缺货重派"——任务派到拣选员手里,到了库位发现没货,任务打回,重新派。根因是收货上架不及时,系统库存和实物对不上。仓里花了两周做全盘,把库存准确率拉回来之后,中断率当天下来,效率跟着回来。现场的人天天在救火,但没人想到去看中断原因的分布——救火的和点火的是同一个流程。
常见卡点对照表:日志里的症状 vs 先查什么
| 日志里的症状 | 大概率卡点 | 先查什么 |
|---|---|---|
| 排队时长涨,人还在等活 | 分配策略被波次/促销策略覆盖 | 波次规则、分配优先级配置 |
| 排队时长涨,任务量没变 | 系统性能或接口延迟 | 任务引擎响应、与 WMS 接口 |
| 某库区完成时长系统性拉长 | 现场物理障碍或库位异常 | 通道占用、库位准确率 |
| 完成时长全面小幅拉长 | 人员/班次变化 | 班次表、新员工占比 |
| 中断率翻倍,缺货重派多 | 库存准确率掉了 | 盘点记录、收货上架及时率 |
| 中断率翻倍,超时释放多 | 超时阈值太紧或任务超载 | 超时参数、任务量是否超负荷 |
一个反常识的判断:效率掉了,先别培训,先查 WES 任务日志
很多仓的习惯动作是:效率掉 → 开会 → 培训 → 加人。我的判断正好反过来:效率突然掉,大概率不是人的问题,是流程或系统的问题。 人是慢慢变懒的,不会一夜之间集体掉三成。突然掉,说明有个东西变了——策略变了、现场变了、库存变了。任务日志就是那个"什么东西变了"的记录仪。
利弊取舍也要说清楚:这套方法的前提,是你们的任务日志是完整的。有些仓的 WES 只记任务创建和完成,不记中间步骤和中断原因——那日志就是残的,查不出东西。上线前夜 checklist 必须确认:任务日志要记录创建时间、分配时间、开始时间、完成时间、中断事件和原因,少一个字段,事后复盘就瞎一只眼。
收尾:效率掉下来的 30 分钟 checklist
- 导出最近 14 天任务日志,按天算排队时长中位数和 90 分位值。
- 对比效率掉的那天 vs 前 7 天:排队涨了 → 查分配策略;没涨 → 下一步。
- 按库区、SKU 属性分组看分配→完成时长:哪个分组拉长,现场去看哪个分组。
- 算中断率,跟 4 周均值对比:翻倍 → 看中断原因分布。
- 每个结论必须能在日志里找到对应的时间戳证据,再动手改配置或调人。
- 改完之后,继续盯 3 天同一批指标,确认回来了再结案。
效率问题,任务日志里都有答案。先看数据,再下判断——这个顺序,永远不要反。
作者:林晓|WMS 实施顾问,做过 30+ 上线项目








