文/李曉莉高天浩彭佳麗

從某物流倉庫裝卸員工排班現(xiàn)狀出發(fā)，對(duì)目前員工排班的狀況進(jìn)行分析，剖析了造成員工工作飽和度不穩(wěn)定的因素。圍繞員工排班策略，從倉庫收發(fā)量預(yù)測(cè)、員工排班方面進(jìn)行研究，致力于提升員工排班準(zhǔn)確性，提升員工工作飽和度的穩(wěn)定性，提高物流倉庫的服務(wù)水平，提高員工福利等。提出了基于收發(fā)量預(yù)測(cè)的員工排班解決方案，對(duì)于保證服務(wù)水平的前提下降低成本的員工配置具有重要意義。

1.引言

在人口紅利消失，勞動(dòng)力供給資源減少，勞動(dòng)力成本上升的背景下，爭(zhēng)取銷售部門提高銷售額獲取第一利潤的空間越來越小，爭(zhēng)取降低人工和材料成本所獲取的第二利潤又有一定的空間限制。物流費(fèi)用被稱為企業(yè)第三利潤源泉，如果能有效降低物流費(fèi)用，不僅對(duì)企業(yè)利潤的提高很關(guān)鍵，對(duì)降低人工和材料成本獲取第二利潤也至關(guān)重要。運(yùn)輸和倉儲(chǔ)共同構(gòu)成物流運(yùn)行體系，在龐大的物流運(yùn)行成本中，保管貨物期間即倉儲(chǔ)環(huán)節(jié)支出費(fèi)用占總費(fèi)用的50%[1]，員工薪資又是倉儲(chǔ)成本的重要組成部分，因此倉儲(chǔ)員工的管理顯得尤為重要。倉儲(chǔ)員工的管理的目的應(yīng)是不斷提高員工工作效率，不斷降低倉儲(chǔ)成本中單位貨物消耗的人力成本；對(duì)員工配置進(jìn)行有效管理，避免人浮于事，出工不出力或效率低下的情況；將重點(diǎn)放在穩(wěn)定員工工作飽和度，不穩(wěn)定的工作飽和度勢(shì)必造成不必要的人工成本費(fèi)用支出。而員工排班[2]的合理與否極大地影響了倉儲(chǔ)員工作效率、倉儲(chǔ)運(yùn)營效率、員工工作飽和度及顧客服務(wù)滿意度。通過合理的員工排班可以提高倉儲(chǔ)的運(yùn)行效率，降低倉儲(chǔ)環(huán)節(jié)的成本，為企業(yè)創(chuàng)造更多的利潤，有利于提升企業(yè)核心競(jìng)爭(zhēng)力，實(shí)現(xiàn)可持續(xù)發(fā)展戰(zhàn)略。在倉儲(chǔ)作業(yè)全面實(shí)現(xiàn)自動(dòng)化與當(dāng)下倉儲(chǔ)作業(yè)中人工作業(yè)占比較高之間的交接時(shí)期，裝卸搬運(yùn)活動(dòng)要耗費(fèi)大量的人力物力，裝卸搬運(yùn)費(fèi)用在整個(gè)倉儲(chǔ)成本中占比很高。因此要想提高企業(yè)第三利潤，就必須降低倉儲(chǔ)作業(yè)成本，更細(xì)一點(diǎn)來講就是降低裝卸成本。為降低裝卸工的成本，諸多學(xué)者進(jìn)行了相關(guān)研究，任云霞[3]利用成本倒推方法證明裝卸人員調(diào)配不合理將直接導(dǎo)致物流企業(yè)的虧損。張曉林[4]指出鄉(xiāng)村物流人才需求缺口巨大，因此需要更加注重員工工作效率的調(diào)節(jié)。解進(jìn)強(qiáng)等[5]認(rèn)為工作負(fù)荷、工作時(shí)間、單調(diào)重復(fù)等挑戰(zhàn)性工作會(huì)提高員工的離職傾向。然而，王新田等[6]有不一樣的見解，他們認(rèn)為在某個(gè)班次配置過多裝卸工會(huì)降低員工的工作飽和度，造成人力資源的浪費(fèi)，同時(shí)員工數(shù)量的過多也容易發(fā)生安全事故；裝卸工配置過少會(huì)影響倉庫的運(yùn)作效率，造成貨物處理效率降低，影響服務(wù)水平，同時(shí)也增加裝卸工工作強(qiáng)度，長期高強(qiáng)度工作會(huì)使員工流失率升高。由此可見合理的員工配置至關(guān)重要。在實(shí)際的倉儲(chǔ)作業(yè)中與員工配置尤為相關(guān)的就是員工排班問題，但在以上幾位學(xué)者的研究中并未明確論述如何才能合理的優(yōu)化員工排班問題。針對(duì)員工配置問題朱文香[7]提出校企合作、構(gòu)建培訓(xùn)體系、引進(jìn)人才等解決方案。馮麗帆[8]提出標(biāo)準(zhǔn)化工作流程、建立考核體制、高效進(jìn)行員工培訓(xùn)的解決方案。這些文獻(xiàn)將視角集中在整個(gè)物流行業(yè)的引進(jìn)、培訓(xùn)、標(biāo)準(zhǔn)作業(yè)流程等方面提出解決方案，論述觀點(diǎn)較為宏觀未涉及通過合理排班減低員工的工作強(qiáng)度的方法提升員工福利、減少員工流失、降低成本。本文在以上研究的基礎(chǔ)上，基于實(shí)際案例，以某物流倉庫為研究對(duì)象，對(duì)其歷史有效訂單進(jìn)行預(yù)測(cè)，以預(yù)測(cè)貨物收發(fā)量進(jìn)行裝卸工的員工排班[6]。

2.問題描述

該物流倉庫由于倉庫自動(dòng)化水平較低，分揀、搬運(yùn)裝卸、流通制造等勞動(dòng)密集工作都需要人工完成。表1所示為該物流倉庫員工單個(gè)班次人均處理量。

表1 裝卸工單個(gè)班次人均處理量

由上表可知，倉庫收發(fā)量波動(dòng)明顯，不靈活的員工配置導(dǎo)致裝卸員工工作飽和度波動(dòng)較高，如在4月22日收發(fā)量較高，裝卸員工配備不充足人均貨物處理量達(dá)到71立方米；在4月25日收發(fā)量明顯下降，裝卸員工明顯過剩人均處理量為16立方米。物流倉庫收發(fā)量的不確定性和員工配置不合理造成該物流倉庫員工工作飽和度波動(dòng)較大，因此設(shè)計(jì)一種科學(xué)高效的員工排班方案迫在眉睫。

3.時(shí)間序列分解模型進(jìn)行收發(fā)量預(yù)測(cè)

SPSS軟件建立時(shí)間序列分解模型的步驟可以分為以下幾步：定義日期表示變量、了解序列發(fā)展的趨勢(shì)、進(jìn)行季節(jié)因素分解、建模、分析結(jié)果解讀、預(yù)測(cè)。

3.1 定義日期表示變量

利用SPSS進(jìn)行日期變量定義，以便進(jìn)行時(shí)間序列分析[9]。

3.2 了解序列發(fā)展的趨勢(shì)

在對(duì)數(shù)據(jù)進(jìn)行時(shí)間變量標(biāo)記之后，要了解數(shù)據(jù)對(duì)時(shí)間序列的變化趨勢(shì)，選擇合適的模型。通過序列圖來確定模型選擇乘性還是加性。如圖1所示。

圖1 數(shù)據(jù)變化趨勢(shì)

經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)本數(shù)據(jù)波動(dòng)較小，所以使用加法模型，結(jié)果如表2：

表2 模型描述

3.3 季節(jié)因素分解

季節(jié)因素[10]的分解有以下目的：克服其他因素的影響，僅僅考慮一種因素對(duì)時(shí)間序列的影響；分析數(shù)據(jù)之間的相互作用，以及數(shù)據(jù)對(duì)時(shí)間序列的綜合影響；當(dāng)去掉這些因素后，就可以更好地進(jìn)行時(shí)間序列之間的比較，從而更加客觀地反映事物變化發(fā)展規(guī)律；分解之后的序列可以用來建立回歸模型，從而提高預(yù)測(cè)精度。本數(shù)據(jù)的季節(jié)因子如表3所示。

表3 季節(jié)因子

3.4 專家建模法

根據(jù)時(shí)間序列圖觀察趨勢(shì)、序列平穩(wěn)性并進(jìn)行平穩(wěn)化、時(shí)間序列建模分析、模型評(píng)估與預(yù)測(cè)。經(jīng)過專家建模法最終得出的模型類型是為簡(jiǎn)單季節(jié)性，如表4所示。

表4 模型描述

由于歷史收發(fā)量具有季節(jié)性變動(dòng)因素，所以平穩(wěn)的R方更具有參考意義，平穩(wěn)的R方屬于0.4~0.8則表現(xiàn)良好，大于0.9則表現(xiàn)優(yōu)異。如表5模型統(tǒng)計(jì)，所示平穩(wěn)的R方等于0.759擬合效果良好。

表5 模型統(tǒng)計(jì)

3.5 預(yù)測(cè)結(jié)果

如圖2為SPSS專家建模法預(yù)測(cè)的結(jié)果。

圖2 預(yù)測(cè)結(jié)果

以上數(shù)據(jù)為一天內(nèi)（兩個(gè)班次）的工作量。將預(yù)測(cè)數(shù)據(jù)按照白夜班到達(dá)比率不同進(jìn)行數(shù)據(jù)處理：白班收發(fā)量平均占一天工作量的42%、夜班收發(fā)量平均占一天工作量的58%，結(jié)果如表6所示：

表6 預(yù)測(cè)數(shù)據(jù)

4.1 裝卸員工工作規(guī)則

排班規(guī)則是指在排班時(shí)應(yīng)遵守的規(guī)定，如國家的法律、法規(guī)、行業(yè)規(guī)定、公司制度、工作時(shí)間限制等。在物流中心員工連續(xù)上班的天數(shù)、班次之間的間隔、最大工作時(shí)間限制等等；具體規(guī)則為：（1）正常月工作總時(shí)長不超過：177小時(shí)；（2）最長連續(xù)工作時(shí)間不超過：8.25小時(shí)/天;（3）最短連續(xù)工作時(shí)間不低于：4小時(shí)/天；（4）從每日08:00時(shí)至22：00時(shí)為白班；（5）從每日22：00時(shí)至次日：08:00時(shí)為夜班；（6）物流中心員工連續(xù)上班不能超過9天。

4.2 裝卸工排班

4.2.1 裝卸工排班模型

上述的員工排班規(guī)劃，可以將其簡(jiǎn)化為以下幾點(diǎn)：（1）每人每天只能參與一個(gè)班次的工作；（2）配置員工人數(shù)至少能夠處理完當(dāng)天工作；（3）兩個(gè)班次人數(shù)要小與總?cè)藬?shù)。（4）員工每月休息時(shí)間至少要大于四天。設(shè)該物流倉庫排班兩個(gè)班次，第i個(gè)人第j天的班次為Xij，第i個(gè)人第j天第2個(gè)班次為Yij。Xij+Yij≤1

第i個(gè)人在第j天，只能上一個(gè)班次，其中X為白班、Y為夜班，i、j為正整數(shù)。

其中，ξx是第j天第一個(gè)班次需要的人數(shù)；ξy是第j天第二個(gè)班次需要的人數(shù)，并且ξx+ξy≥M

兩個(gè)班次人數(shù)小于總?cè)藬?shù)，M為該倉庫總員工人數(shù)。

一個(gè)月三十天最多上26個(gè)班次休息4天。

4.2.2 裝卸工排班模型實(shí)現(xiàn)

使用C++創(chuàng)建員工對(duì)象并設(shè)置三個(gè)屬性，分別是員工編號(hào)、工作狀態(tài)和連續(xù)工作時(shí)間。員工編號(hào)用于辨識(shí)員工，工作狀態(tài)是保證一個(gè)員工一個(gè)班次只能做一次。設(shè)定每個(gè)員工的工作效率為51.5立方米每人每班次且保證不能連續(xù)工作9天。由于員工排班不能超過9天，這樣的排班規(guī)則會(huì)使結(jié)果出現(xiàn)周期性，從總體看編號(hào)靠前的員工排班工作較滿，后面的員工排班較為松散，這是因?yàn)橐粋€(gè)月可能包含多個(gè)周期，排班較為松散的員工將在下一周期優(yōu)先排班。

4.3 裝卸工排班結(jié)果

保證參加工作的員工排班按照上文排班規(guī)則，將上文得到的預(yù)測(cè)值輸入進(jìn)行員工排班，排班結(jié)果如圖3所示。

圖3 排班結(jié)果

上圖中數(shù)字1代表白班、數(shù)字2代表夜班、數(shù)字0代表休息。第一行為白班每天需要的員工數(shù)量、第二行為夜班每天需要的員工數(shù)量、第三行代表第一位員工接下來一個(gè)月的排班、第四行為第二位員工接下來一個(gè)月的排班。

4.4 排班結(jié)果分析

根據(jù)每日具體工作量進(jìn)行人員排班，白班參與人次達(dá)到456，夜班參與人次達(dá)到317；其中約占36.8%的員工的在一個(gè)月內(nèi)的員工排班為26天；約有68.4%的員工在2021年5月24日至2021年6月22日的工作班次為25以上天。符合員工以上排班規(guī)則，并且保證員工的薪資。因此可以設(shè)定該物流倉庫長期員工有27名。而有8位員工工作日在10天以下，因此將這8位員工劃分為臨時(shí)工。針對(duì)該排班安排，通過計(jì)算出的人員需求，按照輪班的形式進(jìn)行排班，這樣的排班有如下優(yōu)勢(shì)：完成了對(duì)現(xiàn)有來訂單的最大覆蓋；工作效率的極大提高；可以提供充裕的培訓(xùn)時(shí)間；滿足了大家對(duì)公平性的要求；與相應(yīng)的考核制度結(jié)合體現(xiàn)制度的透明；促進(jìn)了物流中心整體服務(wù)品質(zhì)的提升。通過以上方法，在物流中心進(jìn)行科學(xué)合理的人員排班，不僅可以提高現(xiàn)有人員的利用率，而且有利于物流中心成本的有效控制；在合理的成本下，確保該物流倉庫優(yōu)質(zhì)服務(wù)的實(shí)現(xiàn)。

4.5 排班結(jié)果優(yōu)化

對(duì)以上排班結(jié)果進(jìn)行分析發(fā)現(xiàn)員工排班結(jié)果中存在數(shù)字1（白班）和數(shù)字2（夜班）相鄰，即員工的工作安排為當(dāng)日的白班與次日的夜班相鄰，或則當(dāng)日夜班和次日的白班相鄰，該決策不符合實(shí)際工作要求。經(jīng)過調(diào)試最終結(jié)果如圖4所示。

圖4 優(yōu)化后的排班結(jié)果

根據(jù)每日具體工作量進(jìn)行人員排班，白班參與人次達(dá)到456次，夜班參與人次達(dá)到317次；約占47.3%的員工的在一個(gè)月內(nèi)的員工排班為大于23天；約有76.3%的員工在2021年5月24日至2021年6月22日的工作班次為18以上。符合排班規(guī)則，并且保證了員工的薪資。因此可以設(shè)定該物流倉庫長期員工為29名。而有5位員工工作日在10天以下，因此將這5位員工劃分為臨時(shí)工。由于排班條件限制其周期為9天，而排班是以月為單位，導(dǎo)致部分員工排班較為松散，因此針對(duì)在2021年5月24日至2021年6月22日中排班班次在23~10的員工，在下個(gè)月的工作中優(yōu)先進(jìn)行排班。

5.員工配置前后的對(duì)比

表7所示為2021年5月24日~2021年5月30日實(shí)際的出入量以及員工的安排情況。

表7 優(yōu)化前員工配置情況

由上表不難發(fā)現(xiàn)不合理的裝卸配置導(dǎo)致員工的工作飽和度過高，該物流倉庫的運(yùn)作速度必將減慢，其中超過國家規(guī)定（每天8小時(shí)）班次工作時(shí)間的有4天，而又有2天的員工配置太低，每人每天的工作時(shí)間遠(yuǎn)低于倉庫規(guī)定工作時(shí)間，造成資源的浪費(fèi)。

表8所示為2021年5月24日~2021年5月30日優(yōu)化后員工配置情況。

表8 優(yōu)化后員工配置情況

經(jīng)過預(yù)測(cè)和合理排班之后，可以發(fā)現(xiàn)員工的工作飽和度在80%左右，既符合國家規(guī)定，又提升該物流倉庫的資源利用率。但在5月28日這天的工作量較大，應(yīng)適當(dāng)招聘臨時(shí)工，及時(shí)處理貨物。由以上兩表可以看出2021年5月24日~2021年5月30日期間如果按照上述方法及進(jìn)行排班可節(jié)約30個(gè)班次的人力成本。

6.結(jié)論

隨著物流倉庫自動(dòng)化時(shí)代的來臨，提高員工工作效率與保證員工福利的融合已經(jīng)成必然需求。針對(duì)該物流倉庫的裝卸工配置中出現(xiàn)工作飽和度較大波動(dòng)的情況，首先使用時(shí)間序列分解模型通過SPSS對(duì)倉庫未來一個(gè)月的收發(fā)量進(jìn)行預(yù)測(cè)；再使用C++編寫應(yīng)用了貪心策略的員工排班算法，尋找適合每天預(yù)測(cè)收發(fā)量的最佳員工排班方案。這種先預(yù)測(cè)再排班的解決方案使得該物流倉庫在2021年5月24日~2021年5月30日可以節(jié)約30個(gè)班次的人力成本。該方法不僅能夠保證工作配置的合理性，提升工作效率的同時(shí)還能有效地減少人力資源的投放，給企業(yè)節(jié)省一定的成本，實(shí)現(xiàn)企業(yè)效益最優(yōu)化。本文提出的員工排班解決方案，不僅可以優(yōu)化該物流倉庫的員工排班問題，對(duì)于勞動(dòng)密集型的企業(yè)的員工排班均有指導(dǎo)意義，對(duì)企業(yè)降低人力成本、提高員工工作飽和度、減少員工流失都有積極意義。不同行業(yè)的服務(wù)對(duì)象不同，員工的工作效率不同，具體的排班問題還應(yīng)具體分析。

引用出處

[1]中國物流與采購聯(lián)合會(huì).物流環(huán)節(jié)最易降低的一環(huán)——倉儲(chǔ)成本[EB/OL].http://www.chinawuliu.com.cn/zixun/201802/11/328667.shtml,2018-02-11.

[2]姚建園.酒店客房部員工排班研究[J].價(jià)值工程,2016,35(32):54-55.

[3]任云霞.物流企業(yè)裝卸工問題研究[D].中原工學(xué)院,2012.

[4]張曉林.鄉(xiāng)村振興戰(zhàn)略下的農(nóng)村物流發(fā)展路徑研究[J].當(dāng)代經(jīng)濟(jì)管理,2019,41(04):46-51.

[5]解進(jìn)強(qiáng),付麗茹.工作要求對(duì)中小型物流企業(yè)一線員工離職傾向的影響——基于京津冀35家企業(yè)的調(diào)查[J].中國流通經(jīng)濟(jì),2019,33(12):95-106.

[6]王新田,尹樹華,李江紅,孫巖清.維修員工數(shù)量配置的優(yōu)化模型[J].電子設(shè)計(jì)工程,2010,18(05):12-13+18.

[7]朱文香.鄭州市鄉(xiāng)村物流業(yè)發(fā)展需求分析及對(duì)策研究[J].現(xiàn)代商貿(mào)工業(yè),2020,41(30):30-32.

[8]馮麗帆.基于實(shí)際案例的勞動(dòng)密集型倉庫人員管理改進(jìn)方法研究[J].企業(yè)改革與管理,2019(15):101+108.

[9]楊海民,潘志松,白瑋.時(shí)間序列預(yù)測(cè)方法綜述[J].計(jì)算機(jī)科學(xué),2019,46(01):21-28.

[10]桂文林.月度數(shù)據(jù)季節(jié)因素調(diào)整和預(yù)測(cè)[J].統(tǒng)計(jì)研究,2011,28(06):79-85.