第7章 Tera計算參考

第1節 EIQ分析

什麼是EIQ分析

EIQ分析是一種從出貨數據中分析E（Entry：出貨地）、I（Item：商品）、Q（Quantity：數量）之間相關性的手法。 其起源在於物流現場自古以來進行「播種作業（散裝揀貨）」時所製作的「播種表」。

在Tera計算中，是以將商品的尺寸要素加入這個EIQ分析中的「SEIQ」思維為基礎，將其實現為換算成紙箱、棧板、容積、重量等實務上的單位。

---

主要的分析產出

1. EIQ表（播種表）

這是一張縱軸為品項、橫軸為出貨地的巨大矩陣表。

• 特徵: 將品項依出貨數量由多到少排序顯示。
• 實例: 舉例來說，在430個出貨地 × 1,984個品項的規模下，數據量將會龐大到人類眼睛無法一次讀取。
• 分析的提示: 當排名前面的出貨地有空白時，可以解讀出正在進行將出貨分散到特定日期的運作趨勢（例如僅處理緊急出貨，而一般出貨暫停等）。

2. EIQ散佈圖

將EIQ表中的每個儲存格（1格）根據有無出貨實績以點來表現，將整體出貨數據視覺化地顯示在一個畫面中。

• 角色: 適合用來直覺地掌握出貨數據整體的分布趨勢，但難以讀取出詳細的物量（Q）。

3. EIQ矩陣表

將EIQ表分割為「品項5個區塊 × 出貨地5個區塊」，總計25個區塊來進行統計的表。

• 實務上的優點: 在檢討物流機器的選定或設備的分配時，這是一個非常容易處理的區分方式。
• 靈活的計算: 不僅是數量，還可以換算成箱數、棧板數、容積等單位來顯示。
• 等級比例: 透過Tera設定，可以定義將整體視為100%時，各區塊的物量比率（等級比例），在處理數據時也能夠變更比率。

第1項 EIQ表的製作

EIQ表製作畫面

該表是以全出貨數據為對象，將品項依散裝數量多寡排序的，出貨日為2022/05/09的數據。

因為出貨地排名1與2沒有出貨所以是空白的，透過捲動可以顯示全部438個出貨地的數值。

因為有1984個品項，考量到顯示範圍與PC負載導致的處理速度，所以分割成66頁來顯示。

這張表的大小為430行*1984列，就這樣是無法用人類的眼睛來讀取的。

第2項 EIQ散佈圖的製作

將EIQ表中的1格（儲存格）以點來表現，在一個畫面中顯示整體出貨數據的表就是EIQ散佈圖。

EIQ散佈表

該表是為了完整顯示EIQ表，將有出貨的儲存格以打點來表示的散佈圖。

遺憾的是，雖然可以看出整體的趨勢，但無法看出物量。

第3項 EIQ矩陣表的製作

將EIQ表分為，品項5個區塊＊出貨地5個區塊＝25個區塊來進行統計的，就是EIQ矩陣表。

根據經驗，我們認為這是在系統設計時，為了分配機器設備而相當方便的區塊劃分數。

這張表可以視需要算出換算成紙箱、PL、容積的數值。

因為會與傳統計算同時顯示，所以希望您能一邊與傳統計算方法比較一邊學習。

EIQ矩陣表

這張表表示，在有132個品項的C箱_I_A1區塊中，出貨了1099筆記錄（行數），而在C箱_E_A1區塊排名前21的發送地出貨了488行。
C箱_I_A2區塊出貨了185行等，表示C箱_I_A1區塊合計出貨了1009行（300個出貨地）。

各區塊的比例，可以在Tera計算0_數據處理時，透過變更Tera設定來改變。

等級的劃分，是以全體出貨數據為對象進行分析統計而得的。 指定出貨日篩選出的EIQ矩陣統計，會產生些許比例上的偏差。

---

第2節 傳統計算

Tera計算中的ABC分析（傳統計算）

一般的ABC分析是將出貨數據從高流動性排列至低流動性，並根據累積比率分為3個區分（A・B・C），但在Tera計算中，為了讓實務上的物流機器選定更有靈活性，我們將其分為5個區塊（等級）來進行統計。 我們將此定義為「傳統計算」，並一邊與EIQ分析的結果比較，一邊將其活用為系統設計的依據。

---

1. 整體數據統計與項目的追加

追加統計出貨數據本身並未包含的實務性指標，以掌握中心的整體樣貌。

• 追加的換算項目: 箱數換算、PL（棧板）換算、容積換算、重量換算。
• 紙箱尺寸的推算: 即使出貨數據中沒有紙箱尺寸，也會從紙箱容積數據中，以「長5：寬4：高3」的比例來想像並推算尺寸。
• 統計特性: 將全數據的特性視覺化，例如每箱入數從1到120變化多端等。

---

2. 依出貨單位・依等級統計

在物流系統設計中，「整箱出貨」與「散裝出貨」的區分因為保管・作業方法不同而極為重要。

依出貨單位的區分

• 整箱出貨: 以紙箱為單位進行的出貨紀錄。
• 散裝出貨: 以單件為單位進行的出貨紀錄。
• 整箱加散裝出貨: 在1筆紀錄中像「1箱＋3個」這樣出貨的情況。 這在計算上，會作為1個整箱出貨・1個散裝出貨，分別編入各自的等級計算中。

透過依等級統計來分配機器

藉由將ABC分析細分為5個區塊，能為設備機器的分配帶來靈活性。

• 範例: 讓具體的檢討變得容易，例如「組合等級A1與A2做成電動貨架」、「將等級A2與B做成固定貨架」等。
• 一致性: 這個統計結果被設計成會與EIQ矩陣表的區分相同。

---

3. 柏拉圖（ABC分析）的活用

也能將各品項以金額或物量表現出來的柏拉圖（ABC分佈）作為參考顯示。

• 心得: 以金額為基礎的分析雖然對採購或營業部門有益，但在物流的系統設計（機器選定）中，以物量為基礎的各等級統計才會是更有力的設計依據。

第1項 整體數據統計

傳統計算計算畫面

左方的「出貨數據統計」表是將所有出貨數據依項目單位進行統計的結果，但我們追加統計了出貨數據中沒有的項目，即箱數換算、PL換算、容積換算以及重量換算。

單選按鈕「比率％」表示當將全部出貨數據視為100％時，各個出貨日的比率。

這個出貨數據中出貨地與品項的合計值，是每天重複出貨的累計值。

出貨數據的出貨地數為518，品項數為4594（依表格記載）。

「圖表」為出貨日2022/05/10。
顯示1為出貨地、品項、行數。
顯示2為散裝數量與箱數換算。
顯示3為顯示PL換算、容積換算、重量換算。

作為「從整體數據統計看出的特性」，
每箱入數從1到120變化非常多端。

出貨數據中雖然有紙箱容積數據，但沒有紙箱尺寸的概念。

「紙箱容積意象」是以長5、寬4、高3的比例來想像紙箱的尺寸。

能算出紙箱容積，就表示有作為別的資料存在的紙箱尺寸數據，只要將紙箱尺寸數據與出貨數據連結，就能知道各個品項的尺寸。 在Tera計算中，是假設手邊沒有紙箱尺寸數據來推算紙箱尺寸的。

整箱出貨與散裝出貨的保管方法及作業方法不同。

在上述的整體數據統計畫面中，因為沒有區分整箱出貨與散裝出貨，所以無法進行機器的分配。 就系統設計而言，這是參考數據。

第2項 依出貨單位統計

依出貨單位統計畫面

表格的看讀法與傳統計算計算畫面相同。

分為整箱出貨與散裝出貨來進行統計。

通常進行整箱出貨的紀錄（出貨數據的行），會進行以紙箱為單位的出貨。 散裝出貨亦同。

偶爾會有1筆紀錄中包含1箱，然後又額外追加3個散裝數量的出貨情況， 整箱加散裝出貨指的就是這種出貨。

這種整箱加散裝出貨，會被視為1筆紀錄有2次出貨，即整箱出貨1次、散裝出貨1次，在進行等級計算時會分別編入整箱出貨與散裝出貨中。

在整體數據統計的說明中寫道「整箱出貨與散裝出貨的保管方法及作業方法不同」，但其實「整箱出貨與散裝出貨即使在『物量』上，保管方法及作業方法也是不同的」。

在整箱出貨與散裝出貨的區分統計中，無法進行機器的分配。 就系統設計而言，這是參考數據。

第3項 依等級統計

傳統計算（ABC分析應用）

左表是顯示在「Tera計算1_出貨數據分析」中的表格。

這張表是篩選出整箱出貨來進行統計，散裝出貨也能進行相同的統計。

是將ABC分析分為5部分而非3部分來進行統計。

可以確認各等級的品項出貨了多少程度，不只是散裝數量，還包含換算值在內。

這個統計因為使用了與EIQ矩陣表相同的區分，所以統計結果會與EIQ矩陣表相同。

上述表格已經區分了整箱出貨・散裝出貨，並且完成了等級劃分，所以能夠輕易地分配設備機器。

保管設備的分配是使用全數據的平均值（請參照第3章 Tera計算1_出貨數據分析，第2節 出貨機器設備的分配），並使用品項統計。

例如將CPLI_A1與CPLI_A2組合做成電動貨架，或是將CPLI_A2與CPLI_B做成固定貨架等，透過分成5個區塊能帶來分配的靈活性。

第4項 ABC分析（柏拉圖）

ABC分析（參考）畫面

左表作為參考顯示了ABC分析。

該表是為了顯示柏拉圖的品項統計排序順位表。

整箱出貨與散裝出貨是分開統計的。

有時會用各品項的金額來表現ABC分布。 我認為這對採購或營業部門來說是相當珍貴的統計，但在系統設計中，作為決定系統的依據，這份參考資料的說服力較薄弱。