文内的图示需要科学上网才能流畅查看，图床直接用了 GitHub。

一、出库链路耗时在哪里？

如果想优化出库正向链路，那么首先要知道耗时在哪些地方，这样才能对症下药。
先回顾一下出库链路图：

类似操作系统中磁盘 IO花费时间一般由 3 个部分组成：

1. 寻道时间
2. 旋转延迟
3. 数据传输时间

这三者的时间都蛮长的，尤其是两者。为什么呢？因为涉及到物理移动。
在出库链路中，耗时最长的也是如此，所以我们主要从这个方面入手。
优化主要从两个方面来讨论，业务上优化以及技术上的优化。

二、出库调度正向链路业务优化

2.1 热度移位

在 WES（仓储执行系统）中， 热度移位功能是一项智能的库存动态调整策略。其核心目标是让高频次出入库的商品（热销品）尽可能地靠近仓库的拣选工作站或出库区域，从而显著减少拣货员或自动化导引车（AGV）的行走或移动距离，最终提升整体仓储运营效率。

看一下热度移位前后对比图，应该比较清晰一些：

我们从图中可以看到，热度移位后，高频商品（红色部分）都移动到拣选工作站附近了。
热度移位的目的本质是为了减少搬运时间，从而大幅提高出库效率。

2.2 超 A 不返库

智能仓的存储区是一个三维空间，热度移位更侧重水平坐标的优化，超 A 不返库则更侧重垂直坐标的优化。
说的有点抽象，我简单解释一下。仓储区域是一个个的货架，货架分为多层，每一层又分为多个库位，最下层是缓存层，料箱容器如果放在货架上层，则需要从上层搬到下层，再从下层搬运到拣选工作站。
超 A 不返库指的是高频超 A 商品放到货架最下面一层，也就是缓存层，减掉料箱从货架上层搬运到货架下层的流程。

文字可能不太好理解，我们看张图示意图吧：

2.3 FlowPick 单品单件

我们组负责的一些日本海外仓，比如 Eqseek，单据类型比较特殊，单品单件订单占比近80%，为提高拣选效率，可以一次入站完成更多件数，提出flowpick产品化方案。
当然国内直播电商也有类似场景，比如直播间大主播，观众下单，大多是单品单件订单。
WES对可聚合订单做标记，交由算法组，让算法把一批订单聚合分配到同一个 flowpick 槽位中。
这样能大幅减少WES 调度和下游搬运次数。

2.4 进站提前上报

小车搬运容器即将进入工作站时，会减速，达到指定码点后，会上报到站消息。
WES 拿到搬运系统上报的到站消息后，会推送实操任务给 STATION。
我们做了提前上报功能，小车在即将进站前，到达指定码点时，就提前上报到站消息，让 WES 处理并推送实操任务，这样相当于做了并行处理：

• 小车从指定码点到真正进站
• WES 接收到站消息并推送实操任务
  这样也减少了出库链路时间。
  如下图所示：
  

2.5 提前离站

原先的流程是拣选、封箱、点击全部分播完成后车才走，但其实拣选完之后，车就可以走了。
提前离站我们做了开关，在拣选到最大值后，车提前离站，下一个车可以直接进站。
这样我们又减少了一部分链路耗时。
这里我也画了一张流程图，如下所示：

2.6 预出库

那什么是预出库呢？我先聊一下问题背景，其实前文也聊了场景：
料箱场景下的出库分为两段搬运：

1. C56 机器人： 将料箱搬运至缓存位。
2. 青鸾机器人： 将缓存位的料箱搬运至工作站。
   为了提高拣选效率，我们探讨了能否将第一段搬运（C56 搬运至缓存位）提前完成，即实现“预出库”。

在料箱出库场景中，物料搬运分为两步：

1. C56 机器人： 将料箱搬运至缓存位。

2. 青鸾机器人： 将缓存位的料箱搬运至工作站。

为了提高拣选效率，我们探讨了能否将第一段搬运（C56 搬运至缓存位）提前完成，即实现“预出库”。

我们提出了两种预出库方案：静态预出库和动态预出库。

1. 静态预出库 (Static Pre-Outbound)

适用场景	客户在一天中某个特定时刻集中下发大部分订单。
方案描述	系统根据已下发订单所需的库存，提前将料箱搬运至缓存位。
优点	简单易实施： 一天只需计算一次。
缺点	*需要严格控制订单的出库上墙顺序。 * 对缓存位占用较大。

2. 动态预出库 (Dynamic Pre-Outbound)

适用场景	提升实时拣选效率，优化缓存资源占用。
方案描述	工作站虚拟出部分槽位用于分配“预出库订单”。 这些预出库订单仅执行第一段搬运（搬至缓存位）。 当实际订单完成后，对应的预出库订单才会转移到实际分播墙槽位上。
优点	缓存位占用少，资源利用灵活。 对实际拣选效率提升显著。
缺点	需要实时计算和持续监控。 对系统资源消耗较大。