大多数生鲜仓的入库分配还停留在"仓管组长喊人"的阶段——谁在身边就派谁，谁有空就谁上。这种看似灵活的方式，背后藏着冷链事故、负载失衡、上架错位等一系列问题。本文从0到1拆解一套入库分配制度，把"人喊人"变成"系统驱动"。

一、痛点：为什么入库分配必须从”人喊人”升级？

先说一个真实场景：

某生鲜仓到货高峰期，3辆冷链车同时到仓，1200件商品等着入库。仓管组长站在过道里喊：”小王你去上架，老李你去验收，张姐你帮忙过磅。”——这就是大多数生鲜仓的入库分配方式。

这种“人喊人”的模式有3个致命问题：

1. 安全漏洞：谁都能进冷藏区

冷藏区没有资质门槛，谁被喊到谁就进。笔者蹲仓时就遇到过一次冷链事故——无证人员进入冷藏区操作，导致温度波动，整批商品损耗。这不是”偶尔发生”，是”迟早发生”。

2. 负载失衡：忙的人越忙，闲的人越闲

没有负载均衡机制，仓管组长凭感觉派单。结果是：勤快的人一直被叫，摸鱼的人一直闲着。更严重的是，忙的人出错率更高——上架错误、数量差异，大多发生在超负荷状态下。

3. 过程不可追溯：出了问题找不到原因

纸质单据+口头派单，任务没有数字化记录。上架错位了？不知道谁上的。数量差异了？不知道哪一步出的错。差异率8%——但没人知道为什么。

这三个问题的本质是同一个：入库分配没有“制度”，只有“经验”。

经验是仓管组长的个人能力，不是组织能力。组长请假了，分配就崩了。我们需要把经验变成制度，把制度变成系统。

二、解题思路：三层分配，串成一条线

入库分配不是一个算法，是三层决策串成一条流水线——每一层的输出是下一层的输入：

为什么分三层，而不是一个算法搞定？

因为三层的决策依据不同：

• 库区分配看”货”——SKU的温度、属性、周转率，决定进冷藏区还是常规区；
• 库位分配看”空间”——库位容量、排架层、相邻关系，决定放03排12架04层；
• 人员分配看”人”——谁有资质、谁在附近、谁负载低，决定派张三还是李四。

三个算法的输入不同，合成一个只会更复杂。而且库位分配需要上架员确认，库区分配是系统自动——决策方式也不同。

三、第1层：库区分配——货进哪个库区？

3.1 分配逻辑：SKU属性 × 库区属性匹配评分

库区分配的核心是匹配评分——SKU有什么属性，库区有什么属性，匹配度最高的就是目标库区。

SKU属性与库区属性的对应关系：

3.2 硬约束 vs 软优化

库区匹配不是所有条件都一样重要，必须区分硬约束和软优化：

硬约束（不满足直接排除）：

• 温度不匹配——冷藏商品不能进常规区，这是安全问题，不是效率问题
• 库区已满——容量100%的库区不再分配
• 库区停用——维护/清洁中的库区不可分配

软优化（不满足可以，但扣分）：

• 周转率不匹配——高周转商品放深处，扣分但不排除
• 属性不匹配——标件进非标件区，能放但效率低
• 上货区不连通——多走几步路，扣分但不排除

为什么要区分硬约束和软优化？ 因为硬约束是”安全红线”，软优化是”效率加成”。如果全当软优化，冷藏商品可能被分配到常规区（因为常规区容量更空）；如果全当硬约束，系统会频繁出现”无可用库区”的异常。

3.3 库区匹配评分公式

score = 温度匹配 × 0.35 // 硬约束，权重最高 + 属性匹配 × 0.25 // 标件/非标件 + 容量余量 × 0.20 // 库位剩余率（避免爆仓） + 周转率近 × 0.15 // 高周转 → 近出库口 + 上货区连通 × 0.05 // 上货区直连（少走回头路） 硬约束：温度不匹配 → score = 0，直接排除

权重为什么是0.35/0.25/0.20/0.15/0.05？权重分两步定：

1. 冷启动——先跟仓管组长和冷链主管对齐，用专家经验设默认权重，温度最高（因为安全硬约束）；
2. 数据驱动——跑2周后，用历史数据做显著度分析，调整权重。跑了1个月后做了A/B测试，确认效果。

3.4 实例演示

案例：一批新疆冷链牛腱子到仓入库

• SKU属性：冷藏 + 标件 + 高周转
• 候选库区：A-冷藏标件区 / B-冷藏非标件区 / C-常规标件区

系统决策：A-冷藏标件区，自动生成上架任务。

四、第2层：库位分配——货放到哪个库位？

库区分配确定”进哪个库区”，库位分配确定”库区内具体放哪”。库位是仓库管理的最小空间颗粒度。

4.1 库位层级结构

仓库 → 库区 → 排 → 架 → 层 ↓ ↓ ↓ ↓ ↓ XXX仓 冷藏标件 03排 12架 04层

每一层有独立的分配规则：

4.2 库位分配的4条规则

1. 周转率近出库口——高周转SKU放01排，低周转放后排。出库频繁的商品少走一步是一步。
2. 同品类集中——同品类SKU放在同一架或相邻架。拣货时一条通道走完，不用来回跑。
3. 容量上限——库位已满不再分配。这是物理限制，不能超放。
4. 黄金层优先——高频SKU放2-3层（仓管站立时最方便拿取的高度），低频放1层或4-5层。

4.3 为什么库位分配是”系统推荐+人工确认”？

库位分配不是系统硬定的，是系统推荐3个候选库位，上架员扫码确认。

为什么？因为实际情况比算法复杂：

• 库位旁边可能有临时堆放的货，算法看不到
• 货架可能轻微变形，系统不知道
• 某个库位可能被临时占用

如果系统硬定一个库位，上架员到了发现不合适，要么回仓库重新分配（浪费时间），要么强行塞进去（安全隐患）。所以推荐3个候选，上架员选一个确认。

但手动选择必须扫码确认——不能只输入库位号，因为手动输入容易出错。扫码确保数据可追溯，也防止上架员偷懒随意选择。

手动选择的数据会回流系统，优化推荐算法——如果某个库位经常被手动选择，说明系统推荐逻辑需要调整。

4.4 手动选择库位的管控机制：用数据替代审批

“系统推荐+人工确认”的设计，必然带来一个问题：上架员不选系统推荐，手动选了别的库位，怎么管控？

最常见的思路是”加审批”——手动选择要主管审批才能生效。但这个方案在入库场景下有致命问题：时效。

入库上架是时效敏感任务。冷链商品在暂存区多等1分钟，温度就多波动1分钟。如果手动选择库位要审批：

• 主管可能不在岗 → 任务卡住 → 冷链商品温度失控
• 审批链路增加系统复杂度 → 仓管觉得“系统太麻烦” → 回到口头派单
• 审批是事后追责思维，不是事中管控思维

审批解决的是“怕出错”，但入库上架的真正痛点是“怕慢”。冷链场景下，慢比错更致命。

所以，我们用三层机制替代审批：

第1层：额度限制（事中管控）

不是无限次手动选择，而是设每日手动选择次数上限：

超过上限不是不让选，是自动触发一条通知给主管——不是审批，是通知。主管在后台能看到”张三今天手动选择了4次，超过上限1次”，如果发现异常再去沟通。

第2层：扫码强制确认（防偷懒）

不管选系统推荐还是手动选择，都必须扫码确认：

• 选系统推荐：扫码确认目标库位 → 系统对比”推荐库位 vs 扫码库位” → 一致 → 完成
• 手动选择：扫码确认自选库位 → 系统记录”本次为手动选择” → 完成并计数

扫码有3个作用：防输入错误（手动输入库位号容易打错）、防偷懒（上架员必须走到那个库位扫码，不能随便选一个就走了）、数据可追溯（谁在什么时间上架到了哪个库位，全程有记录）。

第3层：数据回流+异常分析（事后优化）

这是最关键的一层。每次手动选择的数据都回流系统，系统做两件事：

1）周度分析：手动选择率

手动选择率 = 手动选择次数 / 总上架次数

2）偏好分析：谁在手动选择？选了什么？

• 如果某个上架员手动选择率特别高 → 可能是不信任系统，需要培训
• 如果某个库区手动选择率特别高 → 可能是库位数据不准确（库位标了空闲但实际有货），需要盘点
• 如果手动选择的库位和推荐库位总是在同一排 → 可能是推荐算法的“同品类集中”规则太严格，需要调参

完整的管控流程：

上架员选择库位 ↓ 系统推荐3个候选库位 ↓ 上架员选了推荐库位？ ──是──→ 扫码确认 → 完成 ↓否 上架员手动选择库位 ↓ 扫码确认（强制）→ 系统记录”手动选择” → 计数+1 ↓ 是否超过每日上限？ ──否──→ 完成 ↓是 完成 + 自动通知主管（非审批，是通知） ↓ 数据回流 → 周度分析手动选择率 → 优化推荐算法

核心原则：用数据替代审批，用机制替代人盯人。

审批是”人盯人”——主管审批，主管不在就卡住。数据回流是”系统盯人”——系统自动记录、自动分析、自动优化，不需要人实时盯着。这个思路不只适用于库位分配，所有”系统推荐+人工确认”的场景都可以复用。

五、第3层：人员分配——上架任务派给谁？

库区和库位都定了，接下来就是把上架任务派给谁。人员分配分两步：先筛资格，再排优先级。

5.1 第一步：资格筛选——谁能干？

这一步的本质是“安全网”——不是选最优，是排除不合格。如果冷藏区没有持证人员，系统不会”退而求其次”派无证人员，而是触发异常——通知主管安排持证人员。

5.2 第二步：优先级排序——让谁干？

score = 距离 × 0.4 // 距库区最近（减少走动时间） + 负载 × 0.3 // 当前任务数最少（负载均衡） + 技能 × 0.3 // 历史准确率最高（质量保证）

权重为什么是0.4/0.3/0.3？基于历史数据显著度分析：

• 距离与拣货时长的相关系数 r=0.68（最显著）→ 权重最高
• 负载与完成时长的相关系数 r=0.52 → 权重次之
• 技能与准确率的相关系数 r=0.42 → 权重最低

不是拍脑袋，是数据跑出来的。 但冷启动阶段（没有历史数据时），先用专家经验设默认权重，跑2周后切换到数据驱动权重。

5.3 实例演示

案例：上架任务“200件冷链牛腱子到A-冷藏标件区”

1. 资格筛选：当日5人在岗 → 3人持冷链证 → 剩余3人
2. 优先级排序：

3. 系统派单：张三，PDA推送+App推送+短信

5.4 SLA与异常处理

关键设计原则：自动是主线，人工是兜底。

系统不是上帝视角，特殊场景必须留人介入的接口。但人工操作的每一步都必须数字化记录——不是为了监控，是为了数据回流反哺算法优化。

六、三层联动：从”货到仓”到”派单到人”

三层不是孤立的，是串成一条流水线。完整链路如下：

三层通过“任务工单”串起来——工单上带库区属性、库位信息、人员信息，一条数据线贯穿。每个环节的输出是下一个环节的输入，链路断了系统就报警。

七、踩坑与反思

7.1 冷启动问题：没有历史数据，权重怎么定？

我们最初没有历史数据，0.35/0.25/0.20/0.15/0.05这个权重是拍脑袋的。但”拍脑袋”不是随便拍——是跟仓管组长和冷链主管对齐后的”专家经验拍脑袋”。

冷启动策略：

1. 先用专家经验设默认权重
2. 跑2周后，用历史数据做显著度分析，调整权重
3. 跑1个月后做A/B测试，对比效果

反思： 如果让我重来，我会在数据分析阶段就做MVP验证——先用最简单的规则（如”温度匹配就进，不管其他”）跑1周，看看差异率的变化，再逐步加权重。不要一上来就做5维加权评分，太复杂了，出问题不好排查。

7.2 库位分配的”系统推荐”与”人工确认”之争

上线初期，有人建议库位分配也做成系统自动——不需要上架员确认，系统定哪个就哪个。我反对了这个方案。

理由： 仓库不是实验室，实际情况比算法复杂。库位旁边可能有临时堆放的货、货架可能轻微变形、某个库位可能被临时占用——这些算法看不到。如果系统硬定，上架员到了发现不合适，要么回仓库重新分配（浪费时间），要么强行塞进去（安全隐患）。

但“人工确认”不等于“人工随意”——手动选择必须扫码确认，确保数据可追溯。手动选择的数据回流系统，优化推荐算法。这是”自动是主线，人工是兜底”的体现。

7.3 仓管抵触：从”Excel挺好的”到”系统更快”

系统上线后最大的阻力不是技术，是仓管。他们的逻辑是：”我以前用Excel挺好的，你让我用系统，我还得学，还得多扫码。”

我们的解决方案：

1. 先让1个仓管试用——选最配合的那个，用2周时间证明比Excel快
2. 用数据说话——”你用Excel上架1单平均12分钟，系统分配后平均8分钟，每天省40分钟”
3. 灰度方案——先1个仓跑2周，再推全仓
4. 保留改派权限——仓管有改派权限，不是被系统”控制”，而是被系统”辅助”

反思： 如果让我重来，我会在产品设计阶段就做共创——让仓管参与规则定义，而不是我定义好规则让他们执行。仓管抵触的本质不是”不想用系统”，是”没有参与感”。

7.4 爆仓兜底：所有库区都满了怎么办？

我们遇到过一次极端情况：大促期间3个库区全部满载，系统无法分配。

三层兜底方案：

1. 跨库区溢出——同仓库内其他库区有空位，系统自动推荐（扣分但可用）
2. 临时库位——上货区/暂存区可以临时放，但打”临时”标记，24小时内必须移到正式库位
3. 截单——如果仓库真的满了，系统通知采购端暂停入库，等盘点出库后再开放

第3条是最后的防线——不是仓库的事，是供应链协同的事。WMS不是孤岛，它和采购系统、OMS是联动的。

八、效果验证与归因

上线后差异率从8%降到1.5%。但8%→1.5%不是一招解决的，是5个模块各解决一类差异：

归因链是验证效果最硬的武器。 不是”做了WMS就降了”，是”每个模块解决了哪类差异”。面试、汇报、复盘，都要讲归因链，不要讲”感觉变好了”。

九、总结：入库分配制度的设计原则

回顾全文，入库分配制度的设计遵循5条原则：

1. 硬约束优先——温度不匹配直接排除，不是扣分。安全红线不能妥协。
2. 三层决策分离——库区看货、库位看空间、人员看人，三个算法的输入不同，不要合成一个。
3. 自动是主线，人工是兜底——系统驱动任务流转，但人工操作的每一步都必须数字化记录。
4. 冷启动用专家经验，数据驱动用显著度分析——不要一上来就做5维加权评分，先做MVP验证。
5. 归因链是验证效果的唯一标准——不是”做了WMS就降了”，是”每个模块解决了哪类差异”。

最后，入库分配不是”画原型”，是把仓库从纸质+Excel的运作方式翻译成系统规则。规则定义是PM的价值，代码实现是开发的价值——划清边界，不抢功劳也不推责任。