資料包絡與灰關聯分析法運用於電子標籤揀貨績效之衡量 黃嘉彥 教授 勤益科技大學 研發科技與資訊管理研究所 Huang J.Y.*, Jui-Chi Liao, ”A study on the performance evaluation of Computer Aided Picking System”, Journal of Quality, Vol.19,No.2, pp.41-60, 2012.

緒論 研究背景 研究動機及目的 物流中心在配銷體系的角色與重要性 物流中心的設立與需求為必然發展趨勢 迅速、正確集結客戶訂購內容進行發貨處理 為求揀貨作業品質與效率，電子標籤揀貨漸受重視 評估電子標籤揀貨績效文獻不多

透過文獻整理與專家訪談，歸納出績效評估構面與指標 以國內T物流公司為例，進行兩種模式的績效評估 研究流程 透過文獻整理與專家訪談，歸納出績效評估構面與指標 AHP－建立揀貨作業績效評估指標與權重 以國內T物流公司為例，進行兩種模式的績效評估 利用資料包絡分析法(DEA)分析各DMU相對效率 利用灰關聯分析法(GRA)，配合層級分析法所得之權重進行績效評估 對T物流公司提出建議

電子標籤揀貨作業 揀貨作業方式 摘取式揀貨方式 播種式揀貨方式 整箱理貨區：一張訂單從頭到尾皆由同一位揀貨員負責 零散理貨區：一張訂單分別由不同揀貨員在近似生產線式 的揀貨區內分段接力完成揀 播種式揀貨方式 系統前端先切割訂單，剩餘零星訂單再做總量匯整，按各品項批量揀取，再依訂購客戶別訂單進行播種

摘取式-分區接力

播種式

摘取式和播種式之優缺點比較 優點 缺點 摘 取 式 擴充性較大 存放區可同時共用 前置時間較短 作業方法簡單 作業員責任明確   優點 缺點 摘 取 式 擴充性較大 存放區可同時共用 前置時間較短 作業方法簡單 作業員責任明確 若品項多時，揀取效率降低 商品須全數到齊 揀取區域大 訂單數量多而品項少時，將導致效率降低 播 種 適合龐大訂單數量 商品毋須於全數到齊 二次作業可相互稽核 訂單數量多而品項少時愈有效率 無法對訂單做及時反應 訂單集結彙總後再進行揀貨 需再另備額外之作業空間 批次揀貨次數多將使總作業時間增加

研究方法 層級分析法 資料包絡分析法 灰關聯分析法

研究步驟流程 AHP指標篩選 專家問卷設計 預試問卷編制及施測 正式問卷施測 問卷分析與討論 決定投入與產出項 導出權重 DEA GRA 比較

評估揀貨績效23指標 揀 貨 作 業 作業別 評估要素 指標項目 人員效率 每人時揀取品項數 每人時揀取材積數 每人時揀取品項數 每人時揀取材積數 每人時扱取次數 揀取能量使用率 揀貨責任品項數 揀取品項移動距離 設備稼動 揀貨人員裝備率 揀貨設備成本產出 揀貨策略 批量揀貨時間 每批量包含訂單數 每批量包含品項數 每批量扱取次數 每批量揀取材積數 時間效率 揀貨時間 單位時間處理訂單數 單位時間揀取品項數 單位時間扱取次數 單位時間揀取材積數 成本耗費 每訂單投入揀貨成本 每訂單筆數投入揀貨成本 每扱取次數投人揀貨成本 每單位材積投入揀貨成本 揀貨品質 揀誤率

績效評估層面與指標選擇說明 準則獨立性之考量 指標項目需適用於摘取式電子標籤揀貨 經篩選，可得下列三個層面　　 揀貨策略 時間效率 設備稼動

績效評估指標之建立 影響揀貨作業之決策因素 揀貨策略 時間效率 設備稼動 總分貨品項數 總分貨次數 總分貨件數 總分貨作業時間 平均分貨一家門市時間 揀貨人員裝備率 揀貨設備成本產出

均衡分佈於台灣西部，有桃園、台中、台南等三處 T公司採用播種式揀貨作業之電子標籤揀貨流程 個案研究 T物流公司簡介於1984年創立，1997年通過 ISO-9002品質認證 均衡分佈於台灣西部，有桃園、台中、台南等三處 T公司採用播種式揀貨作業之電子標籤揀貨流程

集中舖貨情形，本研究以「半月」為一(DMU) 個案公司績效實例分析 樣本說明 排除年節前後客戶進貨量差別，採用T公司 96年4月至8月份資料為單元群(DMU) 考量各月份區間有新品上市、促銷活動 集中舖貨情形，本研究以「半月」為一(DMU) 本問卷是採用專家意見法，受訪者有兩位學術界專家及八位物流業界專家共發放十份，問卷回收數量為十份，回收率為為100% 問卷收集

問卷設計 根本目標層級

問卷設計 屬性層級

總分貨品項數 (0.2412) 揀貨策略 總分貨次數 (0.1872) (0.4839) 總分貨件數 (0.0555) 總分貨品項數 (0.2412) 揀貨策略 總分貨次數 (0.1872) (0.4839) 總分貨件數 (0.0555) 總分貨作業時間 (0.3204) 時間效率 揀貨作業績效評估指標 (0.4037) 平均分貨一家門市花費時間 (0.0833) 揀貨人員裝備率 (0.0438) 設備稼動 (0.1124) 揀貨設備成本產出 (0.0686) 指標權重架構圖

DEA投入項與產出項選擇 一 、時間效率： 播種式為批量揀取再作分貨，為批次完成的作業方式，故不須考慮平均分貨一家門市花費時間 二、設備稼動： 設備成本已為沉沒成本，且在相同設備情況下比較 三、參考實務界專家意見

DEA投入項與產出項選擇 產出項 : 總分貨品項數 總分貨次數 總分貨件數 採用DEA-Solver Pro5.0軟體分析 投入項 : 總分貨作業時間 產出項 : 總分貨品項數 總分貨次數 總分貨件數 採用DEA-Solver Pro5.0軟體分析

DEA分析結果排序 在十個樣本(DMU)中，共有三個相對有效率 總評點數(SCORE)得分愈高者順序排名愈佳 DMU Score Rank 1 0.939555 6 2 0.898943 8 3 0.898879 9 4 0.835997 10 5 0.923210 7 0.954723 0.993350

DMU之投入項與產出項平均值 投入項 產出項 1 176 460 764 9913 2 143 346 596 7486 3 120 267 總作業時間（X） 總品項數(O)A 總分貨次數(O)B 總分貨件數(O)C 1 176 460 764 9913 2 143 346 596 7486 3 120 267 499 6598 4 115 242 447 5555 5 106 254 455 5417 6 97 451 5896 7 84 226 370 4675 8 79 361 4906 9 258 358 4663 10 80 248 337 4573

GRA標竿資料 (產出變數/投入變數) DMU (O)A/X (O)B/X (O)C/X 1 2.61 4.34 56.32 2 2.42 4.17 52.35 3 2.23 4.16 54.98 4 2.10 3.89 48.30 5 2.40 4.29 51.10 6 2.62 4.65 60.78 7 2.69 4.40 55.65 8 3.06 4.57 62.10 9 3.07 4.26 55.51 10 3.10 4.21 57.16 標竿 灰關聯度參考序列

GRA實證結果 將灰關聯係數分別乘上個別之準則權重數值， 得出具優先順序的灰關聯度參考序列 在DEA分析中第6,8,10的決策單元分數均為1，並 列為效率最佳的DMU。 在GRA分析中，可進一步將6,8,10決策單元排序細分， 顯示出灰關聯分析可比DEA 提供更多的資訊

計算灰關聯度所需的權重係來自利用AHP問卷的數據 灰關聯度計算 DMU CCR 排序 GRA 灰關聯度 灰關聯係數 總品項數 總分貨次數 總分貨件數 1 6 0.4277 0.406 0.452 0.443 2 8 0.3338 0.328 0.345 0.320 3 9 0.3140 0.275 0.341 0.393 4 10 0.2500 0.250 5 7 0.3544 0.416 0.295 0.6992 0.448 1.000 0.777 0.4680 0.509 0.8579 0.900 0.761 0.6593 0.921 0.396 0.411 0.6960 0.368 0.482 權重 0.4984 0.3869 0.1147 計算灰關聯度所需的權重係來自利用AHP問卷的數據

討論 DEA_CCR模式與GRA模式結果一致 GRA分析可以將DEA所分析並列最有效率的DMU中再分出績效的高低。 DMU6,8,10效率值均為1，但是藉由GRA分析，可以細分出三者的績效排序為DMU8>DMU6>DMU10

結論與建議 AHP對播種式揀貨績效評估指標 DEA與GRA分析結果 影響揀貨績效評估因素中，揀貨策略最為重要佔49%，其次為時間效率40%，最後為設備稼動11% 影響揀貨策略之因素中，總分貨品項數最為重要佔50% 影響時間效率之因素中，總作業時間最為重要佔80%。以上結果均通過一致性 DEA與GRA分析結果 10個DMU中有三個相對有效率，而利用GRA分析亦得到完全一致性的驗證，且排序上更為明確，因此可確認選擇(CCR)模式正確

管理意涵 五月下旬DMU4其分析結果績效最差 查驗其部份效率值為： 5/16日30.2、5/18日37.3、5/19日39.6、5/20日45、5/23日44.2、5/30日36.3 由電腦記錄分析其原因為準備時間與等待時間過長形成總作業時間增加，應力求改善人力與設備稼動連續性 一般物流中心評核指標效率值平均低於60以下，表示效率不佳須檢視原因尋求改善

建議 T公司建立此套系統，每半個月分析績效， 管理意涵 DMU9總品項數與總分貨件數之係數不低，但是總分貨次數係數較低，而其分析結果排序為第4，其原因為客戶訂購品項集中大訂單，次數集中在一次訂單内，相形效率也能提升與設備稼動連續性 由數據分析可呈現在夏季月份(DMU6-DMU10)飲料新品舖貨期間，品類集中相對效率較高 建議 T公司建立此套系統，每半個月分析績效， 瞭解原因並加以改善