Ch1・Ch2・Ch9 §9.4・Ch12
Ch4・Ch5・Ch6・Ch7
Ch9–Ch13
延伸閱讀:Ch1 五元組與網絡、Ch2 主資料、Ch9 §9.4 四種傳輸模式、Ch12 資料閉環
兩段錄影共約 2 小時。第一段到「點線面」為止,第二段接著講點、線、面三層與逆向設計。
同一個物流事件,在每個系統裡都能用同一個單號找到。
例:配送單號從 WMS 帶到 TMS、APP、計價。
每一種資料只有一個系統說了算,其他系統訂閱。
例:履約狀態以 TMS 為準。
每一次狀態改變都留下時間。
例:出廠、到店、簽收、回單各有時間。
| 層次 | 是什麼 | 要管的東西 | 追求 | 每一層都要問 |
|---|---|---|---|---|
| 點 | 單一作業節點 作業站:供應商、工廠、物流中心、轉運站、配送點 | 人、機、貨、時間 | 效率/品質 | 停多久?由哪個主檔管? |
| 線 | 端到端流程 點與點之間怎麼流動 | 前後站銜接、等待、瓶頸 | 流動/交付 | 傳什麼、何時傳、怎麼傳、傳完做什麼、失敗怎麼辦? |
| 面 | 物流網路 責任區與共用平台 | 多倉、多路線、多客戶 | 成本/服務 | 誰負責哪一塊?誰看得到什麼? |
每次都要答得出:誰、何時、在哪、做了什麼、為什麼。以一張門市補貨單為例,從到貨到容器回收共八次交手:
| 時間 | 事件 | 要留下的痕跡 | 系統 |
|---|---|---|---|
| D-2 14:00 | 供應商送到 DC | 到貨時間・驗收量・效期批號 | WMS |
| D-2 16:00 | 上架 | 實際儲位・上架人 | WMS |
| D-1 17:00 | 門市截單 | 訂單號・要求到貨日 | OMS |
| D-1 23:00 | 揀貨・出貨驗出 | 揀貨人・驗出數量 | WMS |
| D 05:00 | 對點裝車 | 對點數量・差異 | WMS × TMS |
| D 05:30 | 出廠 | 出廠時間・車號・司機 | TMS × APP |
| D 07:10 | 到店簽收 | 到店與完成時間・簽收方式・狀況原因 | APP |
| D+1 | 容器回收 | 逆向單據・數量 | WMS |
順序是「面 → 線 → 點」:先決定要看什麼,再回頭決定現場要記什麼。
| 頻率 | 例子 |
|---|---|
| 月 | 運費計價月結 |
| 日 | Excel 匯入排車 |
| 事件當下 | 出車・完成推播 |
| 分鐘 | GPS 每 2 分鐘更新 |
| 秒 | 每 30 秒刷新位置 |
延伸閱讀:Ch4 WMS 架構、Ch5 儲位、Ch6 入庫驗收與上架、Ch7 揀貨與庫存控管
四段錄影共約 2 小時。主體在第 2、3 段:從「帳上 30 箱架上找不到」一路追到找回來。
| 層 | AI 需要的來源資料 | 應用情境 |
|---|---|---|
| 點 | 儲位主檔(可容板數、材積載重、溫層、上架型態、已用與預加預扣);貨品主檔(三階單位、材積重量、效期批號) | 儲位與動線建議、補貨建議 |
| 線 | 每一次移動:誰、何時、從哪一格到哪一格;揀貨與驗收明細 | 盤點異常偵測、揀貨波次建議 |
| 面 | 分區與規則(庫別、儲區、優先序);節拍與人力(各區處理量、班表) | 動線重配、人力排班 |
這些定義不是為了 AI 才做的——但剛好就是 AI 要吃的東西。
| 項目 | AI 未來能做什麼 | 如果資料不準 |
|---|---|---|
| 數量 | 預測庫存差異、異常收貨、補貨需求 | AI 會把「帳錯」當成真正的需求 |
| 品質 | 影像辨識破損、溫控品質風險預測 | 無法建立品質風險模型 |
| 效期 | 效期風險預測、先到期先出建議、呆滯預警 | AI 可能推薦錯誤的出貨順序 |
| 批號 | 異常批次分析、召回範圍判定、來源追溯 | 出問題時無法精準找出影響範圍 |
同一品項三批:剩 180/60/30 天。先到期先出(FEFO, First Expired First Out)排出 C → B → A。
AI 再加入歷史銷量、門市需求、促銷、客戶允收效期、未來訂單,預測:批次 C 可能有 320 箱在效期前出不完。
對策:跨倉調撥、優先配送、促銷、客戶協調。前提是驗收時把製造日期與批號記準。
判斷準則:把入庫優先序列出來,現場組長看得懂,才算設計完成。
還沒發生、但已經答應的量。儲位記錄可容板數、預加板數(即將進來)、預減板數(即將移出)。
| 1. 這件貨是誰的? | 客戶、客戶貨品 → 總帳 |
| 2. 什麼狀態? | 好品/壞品、有帳無物 → 總帳・狀況別 |
| 3. 何時進來? | 效期、批號、進貨單號 → 總帳+儲位帳 |
| 4. 現在放在哪? | 儲位、板號、櫃號 → 儲位帳 |
| 區域盤 | 選庫別、儲區;抽盤率 1%~100%;適合定期循環盤點 |
| 庫存品項盤 | 依系統總庫存選品項批號;抽盤率 100%;適合高價、易錯品項 |
| 異動盤 | 只盤有動過的儲位或品項;成本低、最容易抓到錯 |
| KPI | 對抗指標 | 只看 KPI 會發生什麼 |
|---|---|---|
| 庫存準確率 | 盤點頻率・盤點範圍 | 只盤好盤的區域,數字漂亮 |
| 揀貨正確率 | 揀貨速度 | 慢慢揀,正確率高但出不了貨 |
| 準時出貨率 | 部分出貨率 | 把缺貨的先拆單出,準時但不完整 |
| 儲位使用率 | 找貨時間・移庫次數 | 塞滿儲位,找貨變慢 |
每一個倉儲 KPI 都要能往下追到儲位、批號、揀貨人。
缺一項,整張不放行。客戶收到的一定完整,但會晚。
有的先預扣先出,缺的待處理。準時,但可能不完整。
延伸閱讀:Ch9 TMS 架構、Ch10 指派與路線規劃、Ch11 在途追蹤、Ch12 簽收回單、Ch13 碳盤查
兩段錄影共約 1.5 小時。第二段的「定點定線後再路線最佳化」案例講解最完整(約 19 分鐘)。
| 單據 | 配送單 | 車次主檔/明細 | 送貨單・回單 | 運費單(應收/應付) |
|---|---|---|---|---|
| 作業 | 接單 → 排車 | 派車 | 配送 → 回單 | 計價 |
| 主檔 | 配送點 | 車輛・駕駛 | 貨運公司 | 區域路線組 |
決定線排不排得出來
決定派不派得出去
決定派不派得出去
| 情境 | 來源資料 |
|---|---|
| AI 排車(預排車次) | 配送點主檔 × 車輛 × 駕駛可配工時 |
| 預估抵達時間預測與動態改派 | GPS 軌跡 × 歷史到店時間 |
| 地址標準化 | 配送點地址 × 郵遞區號 |
| 語音確認收貨人 | 聯絡人 × 收貨時窗 |
| 回單與簽收影像辨識 | 簽收照片 × 回單結果(需標註樣本) |
| 碳排自動計算 | 車次 × 車型 × 里程 × 載重 |
這個案例只用當天資料、不使用歷史資料:先沿用現行邏輯(撈單、排除指定客戶、裝載率檢核、選出定點定線單據),再交給 AI 改善。
| M1 | 消除車次:把裝載最少的車分給其他車 |
| M2 | 合併拆單:被拆開的單集中回同一台 |
| M3 | 同店集中:同一家店集中到同一台 |
| M4 | 搬移/互換:兩車之間移點或換點 |
| M5 | 同店集中裝載:已停同店的車之間移籠數 |
| T1 | 消除車次 |
| T2 | 單點移動 |
能不能移?同日・同批次・同路線群・同車種;受繞路・停靠・工時・噸數把關,重複到沒有可執行的調整為止。
取貨單插入、里程與時間估算、硬性限制總檢核、比較指標與未排入提示。
追到回單計價,要開幾個系統、打幾通電話?
檢查:同一把鑰匙、唯一主責、時間戳
答得出最後一次是誰、什麼時候、為什麼動它嗎?
檢查:異動紀錄、上架掃實際儲位
有幾筆地址寫法不一致、缺經緯度或收貨時窗?
檢查:點的品質與主寫權
本頁內容整理自講者課堂簡報;系統畫面與案例屬展輝科技、工研院等各權利人所有。