《(8.1)--案例-亚马逊.pdf》由会员分享，可在线阅读，更多相关《(8.1)--案例-亚马逊.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第 3 章 网络视角043接下来，有趣的事发生了，这些货品在传送带上会经过一道特殊的测重程序，以此来衡量包裹是否和订单内容一致。对于已经包装好的包裹，我们怎样检验东西有没有装对呢？按照常规思路，我们需要拆开包裹检查是否装对。但是我们只能通过抽查来实现这种检验方式，因为如果挨个包裹打开来看，前面就没有必要包装了。所以，传统的检验模式只能做到抽查，但是这样一个流水线上的测重装置，可以检测每一个包裹的重量，我们的系统知道这个包裹装的这几件商品的重量总和应该是多少，再加上包装的重量，就能够得到包裹应有的重量。此时如果有偏差，就证明装的东西不对，这样的异常包裹会被踢到一个单独的流水线上，由人工处理。正常
2、的包裹全部流到下一个环节。这里体现了制造或物流系统自动化的一个设计思路：正常环节，自动处理；异常环节，人工处理。最后，合格的包裹会通过传送带送到快递区，分拣人员根据订单把包裹分到不同的配送车辆，然后在期望的时间送到用户手里。在介绍完亚马逊凤凰城仓库的完整流程之后，我们还需要探讨和补充三个问题。基于数据的决策牵引数据的精准采集从包装环节的自动推荐包装盒，到一套通过测重完成的新服务时代：新服务，新基建，未来社会的服务法则044质量检验程序，背后都有一个前提条件：数据信息的准确性。如果我们没有完整的商品信息数据，或者说它并不准确，这套系统就会漏洞百出甚至陷入瘫痪。所以反过来这在提醒我们一件事情企业信
3、息化，然而，我们时常会陷入这样一个误区：我们总是希望用信息化来提升我们的管理。这种思路是有问题的。正确的逻辑是，我们先要有明确的提升管理的思路和设计，然后通过相应的信息化实现。很多企业希望通过引进一套软件而使管理变得更好，然而在使用过程中软件会遇到各种水土不服的问题。纵观国际上很多优秀的企业，均是先在管理上有明确的思路，再通过软件把它固化下来。换言之，很多企业抱怨数据不准确，没办法用。我建议这些企业先反问自己一个问题：有没有真的在用这些数据做决策？这可能是更关键的问题。我们曾给某物流公司做系统设计，当时我们收集到了一摞纸质运单，其中我们关心的数据是收货时间。结果发现所有运单填写的时间均是下午
4、4 点，这显然是不合理的。简单地把责任归咎于取派人员是没有意义的，经过调查，这些取件时间的信息从来没有被分析过，更不用说用这些信息辅助做运营决策了。如果管理层根本没有用这些数据，整个组织就缺乏足够的动力把数据采集准确。所以，管理层能不能用这样的数据信息，不是先取决于数据准确不准确，而是首先取决于管理层，如果准备用数据去第 3 章 网络视角045支持决策，管理层就要下决心、下力气把数据采集好，包括使用如手持终端之类的一些信息化的手段辅助采集。畅销品单独摆放，简单流程简单处理亚马逊有一个区域是专门摆放畅销品的。这些产品的出货量大，周转速度快，因此被单独放出来，比如说亚马逊推出的 Kindle。这片
5、区域全部摆放畅销品，并且省去了传统的上架和拣货的环节。我们不妨思考一下，这恰恰符合之前提到的一个系统设计的重要原则：绝对不要把简单流程和复杂流程混在一起处理。这样的畅销品出货很快，而且基本上都是单件，即一个订单。如果还把这些商品拿去上架，可能几分钟之后，它又会被拣出来走一个完整的流程，这样系统就是在浪费自己的能力。这就提醒我们，在管理自己的服务系统（甚至是更加通用的系统）的时候，有必要思考一下在我们管理的系统当中，有哪些方面其实完全可以用更简单的流程来做，此时就非常有必要把它们独立出来，单独处理好。创造可扩展的系统能力亚马逊仓库还有一个区域也很有意思。在这个区域里，很多机器被塑料布封上，暂时封
6、存，以备在新年、圣诞等节日高峰期间启用。我国铁路客运系统也深谙此道，春运时节，我们经常会看到一些绿皮车挂上临时客车的牌子以应对海量的返乡客流，应用的策略与亚马逊如出一辙。事实上，这是新服务时代：新服务，新基建，未来社会的服务法则046更广义的系统设计都要考虑的，应对服务的高峰和低谷，绝不是说让日常运营能力轻松应对高峰，这必然意味着巨大的浪费。应对高峰期的需求一定要使用特殊手段，而不是用常规的服务能力来应对。这是我们服务系统管理应对需求的高峰和低谷的一个典型做法。亚马逊的 CTO（首席技术官）及副总裁沃纳威格尔说过，很多人认为亚马逊是一个互联网公司，但是在互联网背后有着庞大复杂的系统，是这些智能
7、的系统让亚马逊的购物体验变得更加便利和贴心，这也是亚马逊不断创新优化升级的结果。我们注意到，在凤凰城中心的系统设计里，把哪些订单发给哪个员工去拣货，都是计算所得，这在本质上缩短了人员走动的距离，保证了亚马逊仓库的拣选效率。接下来，还能不能更快一点？这就不得不提 Kiva Systems（仓库机器人系统）a了，它现在是亚马逊的智慧仓储部门。在几年前，Kiva 已经做到了传统分拣模式的效率的 24 倍。我们不妨分析一下，由机器人搬着商品走，这背后的创新原理是什么？在之前提到的凤凰城仓库里，我们说亚马逊计算机系统不断优化，旨在减少人员的走动，因为人员的走动是巨大的浪费。那么人员的走动降到极致是什么情况？就是不走了。所以 Kiva 系a 2003 年 1 月创立，2012 年 3 月被亚马逊以 7.75 亿美元收购。