为什么要做仓库库位优化：应用优缺点、推广路径与商业价值

设想一个电商仓：商品第一次入库时，被放进当时空着的货架。几个月后，有的商品成了热销款，有的已经很少出单，原来的位置却一直没变。拣货员每天沿着货架来回走，补货员不断向某些小库位补货，新到商品继续寻找空位。

这些操作单独看都能完成任务，放在一起却可能产生持续的多走路、多搬运和等待。库位优化要解决的，就是让商品的位置和存放数量，更适合接下来真正要发生的作业。

为什么值得为此开发或采购一套应用？现有软件能做到什么，又会在哪些地方增加成本？本文结合截至 2026 年 9 月 17 日查阅的产品资料、公开案例和仓储研究，讨论其使用、推广与商业价值。文中的产品能力来自公开资料，尚未经本次实测；推广与商业模式部分是分析建议，不代表已经验证的市场规模或客户付费意愿。

为什么商品放在哪里，会影响整个仓库

库位优化需要回答的不止一个问题：哪个商品靠近拣货起点，哪些商品适合放在同一区域，每个商品分配多少拣选空间，储备库存放在哪里，以及何时值得移动已有库存。

一件小商品的摆放位置，会在每次拣选时影响行走和取放。经常在同一订单里出现的商品，如果分布在不相连的区域，可能增加绕行或订单汇合的工作；热销商品的拣选位过小，则可能频繁触发补货。优化时需要把这些影响一起考虑。

这也解释了为什么“销量高的全部放在出库口附近”并不足够。《Warehouse & Distribution Science》讨论了前置拣选区的空间与补货权衡，以及商品关联布局对拣货方式的依赖：一起购买的商品放近一些，能否减少作业，仍取决于订单组织和仓库路线。来源：仓储教材第 7—9 章，PDF

位置安排同样影响入库。收货之后，商品要从暂存点搬到可用库位；如果空间不足、包装不匹配，或者目标位置不适合后续补货，就可能增加找位和重复搬运。因此，上架时既要看当前空位，也要考虑未来出库与补货的代价。

还要区分两种作业：入库上架，是把到货商品放入可用位置；补货，是把已有储备库存移到拣选位置。 软件只减少了补货行走，不能据此声称全部入库流程都变快了。

对订单结构、商品热度和品种经常变化的仓库，库位方案也需要复查。复查可以产生“暂时不移动”的结论：如果预计节省的工作不足以抵消搬库投入，保留现状就是合理选择。

当前应用已经能做什么

相关能力大致分为库位优化、仓库仿真和作业执行。库位优化生成商品放置建议，仿真检验方案在给定条件下的运行结果，仓储管理系统（WMS）负责库存记录和作业任务。它们可以组合在同一产品中，也可以由不同软件配合完成。

本次调研中的代表性供给包括：

应用类型	公开资料中的实例	使用时应核实的边界
专项库位优化	Optioryx Pulse 描述了历史订单驱动的库位分配、分批移库与订单回放；Lucas Dynamic Slotting 利用商品、库位和作业数据提出换位建议。Pulse、Lucas	是否覆盖所需的补货、上架和时间模型；建议能否交给现有 WMS 执行
企业级持续优化	Blue Yonder Advanced Slotting 将库位决策与需求信号、库存、补货和人员安排联系起来。产品介绍	独立采购、接口及具体模块范围，是否适合当前仓库规模与流程
仓库仿真平台	FlexSim 有检验库位与作业流程的项目案例；DHL 用 AnyLogic 展示了库位情景比较；CreateASoft 描述了历史拣货、补货和拥堵分析。FlexSim 案例、DHL 演讲，PDF、CreateASoft	谁负责建模、数据转换与校准；是否另外需要库位方案生成逻辑
WMS 或机器人方案中的相关能力	富勒有历史数据驱动的库位规划案例；快仓软件介绍了面向“货到人”场景的商品与货架配置。富勒案例、快仓软件	具体能力与哪些系统或设备一起交付，是否适用于人工货架仓

国内已有可查阅的实践。富勒的中粮可口可乐案例描述，企业于 2019 年引入 WMS，项目组分析了北京厂半年的库存、库位占用和订单等数据，按库存周转率规划 ABC 库位，并将结果关联上架规则。案例还介绍了库位整理的模拟计算。它说明相关方法已经进入实际项目，但这是历史饮料仓储案例，不能直接推定当前电商仓的实施方式和收益。来源：富勒官方案例

选型时，产品名称和展示形式只能作为入口。需要看清软件究竟能输出可执行的商品分配，还是提供一套需要另行建模的平台；三维展示本身不能证明其中已经包含可靠的优化与验证能力。

优点明确，代价也需要一起看

结合上述能力，可以从以下几个方面理解这类应用的优缺点。表中的限制是选型与实施时需要核验的问题，不是对所有产品的统一缺陷判断。

可能带来的价值	对应的成本或局限
用历史订单检查商品热度与关联，让调整依据更清楚	历史数据可能包含缺货、促销或停工影响，不能直接代表未来需求
同时比较空间、路径、补货与搬库等因素	需要商品尺寸、库存、布局和业务规则，准备工作可能超过软件计算本身
在搬动库存前检验候选方案	仿真结果依赖模型，遗漏排队、人员和流程约束可能使收益估计产生偏差
将全仓调整拆成可执行的小批任务	每次移动仍需要人员、临时空间、复核及 WMS 同步
根据变化持续复查库位	需要维护数据与规则，频繁调整还可能增加操作员的适应负担

其中，模型可信度尤其容易被漂亮的演示遮住。DHL 在 2025 年 AnyLogic 会议资料中披露，其仓库仿真项目投入了超过 1,200 小时进行建模与验证。这是一个具体复杂项目的投入，不能当作所有库位软件的交付周期；它说明，理解现场与校准模型，是需要实际投入的工作。来源：DHL 演讲第 7 页，PDF

收益也受其他环节约束。如果出库瓶颈在复核、包装或输送，拣货更快之后，商品可能只是更早进入下一处等待。评价时应同时观察拣选作业和订单完成时间，不能把行走距离的下降比例直接写成人效或全仓吞吐的提升比例。

还有一个容易忽略的问题：优化建议是否能被现场执行。商品互换位置可能需要中转位；正在拣选、冻结或待盘点的库存不能随意移动。一个完整建议应说明移动什么、移多少、先后顺序和核对要求，并保留暂不执行的选择。执行前还应重新核对库存、库位占用和未完成任务；条件已变化的建议需要更新，移库结果也应同步到 WMS。

怎样使用，才能得到可信的结果

首先判断仓库是否具备试点条件。对人工拣选占比较高、商品访问频次差异明显、有历史数据且允许调整的货架仓，值得检查潜在收益。如果商品很少、布局已能满足作业，或者主要问题是库存账实不符，应先解决更直接的问题。

对电商仓，首批范围可以选择常温、标准包装的小件。扩展到服饰时，要考虑颜色尺码与误拣；扩展到美妆、食品时，要按具体商品加入批次、效期及存储属性；整托、大件和机器人仓，则需要不同的搬运与设备模型。“电商”是销售渠道，不能替代对商品和作业方式的判断。

数据越完整，可以验证的问题越多：

拿得到的数据	可以开展的分析	暂时不能可靠回答的问题
历史订单、商品编码	出单频次、同单关系、需求变化	商品具体放哪里、实际能省多少时间
再加尺寸、布局、库位与库存	容量可行性、候选分配、给定规则下的行走距离	未建模的等待、人员负荷及整体吞吐
再加拣货、补货、上架记录和作业规则	校准作业模型，比较时间、资源与库存变化	仍需现场验证的最终效果和财务收益

实际实施可以按五步推进：

整理数据和规则。 统一商品、库位、数量单位及时间，明确禁放、承重、批次和锁定条件。只保留分析需要的数据，订单号可以脱敏。
还原现状。 先检查模型能否解释已有任务量和作业时间；误差较大的环节要补充规则，或明确列为未覆盖范围。
公平比较方案。 用较早的数据生成建议，在未参与调参的后续时段检验；使用相同的订单及到货序列、人员配置和各商品期初库存数量，先固定组单与路径规则。两种方案分别按作业事件更新库存，不能强行要求运行中每个时点的库存都相同。
计入实施代价。 候选方案改变拣选容量后，应重新计算补货需求，并加入移库、核对和临时空间投入。不能复制原方案的补货任务后就认定比较成立。
小范围执行并复盘。 记录真实的拣选、上架、补货、差错和搬库投入，同时说明促销、订单结构和人员变化的影响。

历史订单回放适合检验已出现过的业务，对新品和突发需求仍有局限。新品可以根据尺寸、品类与计划需求先做临时分配，但需要在获得实际订单后复查，不能把“没有历史”理解成“不重要”。

怎样推广：让试点结果能被客户核对

以下是面向应用开发者与服务商的推广建议。

先选定一种仓型和一个明确问题。 例如，面向已有 WMS 的人工电商货架仓，提供历史诊断、候选库位和分批调整清单。这样的范围便于统一数据模板、定义验收，也能帮助客户判断是否适合。直接承诺适配所有商品、所有设备和所有流程，会增加售前与交付的不确定性。

用客户自己的数据组织演示。 演示应让客户看见当前方案、简单规则方案和候选方案的差异，说明用了哪些订单、哪些规则，以及有哪些数据缺口。Optioryx 的公开流程就是先演示，再基于客户数据评估，之后做单仓试点；这提供了一种可参考的销售方式，但不证明它适用于所有客户。来源：Pulse 官方定价与试点说明

让使用者、执行者和付费者共同定义结果。 仓库经理关心能否按时完成任务，一线主管关心调整会不会打断作业，IT 关心数据和接口，经营负责人关心投入能否兑现。试点开始前应约定负责人、可调整范围和验收口径，避免最终只交付一份无人执行的报告。

与现有 WMS 配合可以降低试用阻力。 初期用文件导入导出，也可以验证离线方案；持续运行后，再对接任务和结果。通过 WMS 服务商、仓储顾问或仓配运营商推广值得测试，但需要明确客户归属、实施分工、支持责任和分成，不能把合作渠道当作免费获客。

公开案例要包含条件和代价。 有说服力的案例应说明仓型、数据周期、实际改动、对照方法、搬库投入及后续结果。只展示一次距离下降，无法说明客户是否持续受益。发布客户数据与案例也应获得相应授权。

如果一个仓库的库位变化很少，年度诊断或专项服务可能已经足够。当商品、需求或作业条件变化，定期复查能够持续产生可执行的建议时，长期订阅更容易体现续费价值。

商业价值：客户的收益与服务商的生意要分别成立

对仓库客户而言，价值主要来自更少的无效作业、更稳定的履约和更充分的既有资源利用。计算时应把收益分开，避免重复计入。

价值来源	何时能兑现	应保留的证据
作业成本减少	确实减少加班、临时用工、外包或其他可避免支出	同口径作业记录与费用记录
高峰承接能力增加	有真实订单需求，且下游环节能够承接	高峰任务、完成时效及相关增量成本
空间和投资安排改善	确实避免或推迟了外租、扩仓、设备投入	容量验证与原有投资需求，而非只有库容百分比
服务与质量改善	现场差错、延误或异常处理实际减少	可比时段的异常及处理记录

释放出工时，并不必然减少工资支出；多接到订单，也不能把全部销售额当作软件收益。企业可以先记录运营改善，再判断其中哪些已经转化为现金支出减少或新增业务贡献。

一种便于项目评估的口径是：

同一评价期间的项目净收益 = 已实现的可归因成本节省 + 可归因的新增业务贡献 − 软件、实施、数据维护、搬库与培训等投入。

新增业务贡献应扣除为承接这部分业务增加的成本。已在成本节省中计入的项目，不能再次作为其他收益相加；一次性投入与持续费用也应分别列出。推迟扩仓或设备采购时，应单列支出时间的变化及未来仍需投入的金额，不能把整笔投资当成永久节省。如果方案只对一次促销有效，就应在这一有效期内评价，不能直接年化为长期收益。

客户类型也会影响付费动力。自营商家的仓储成本和履约结果通常由自身经营承担，较容易统一评价；三方仓配企业则需要看合同如何分配收益。例如，按单收费、由服务商承担人力成本的业务，与成本据实结算的业务，优化后留给服务商的价值可能不同。应根据实际合同分析，不能只用仓库订单规模判断购买意愿。

对软件服务商而言，可以测试几种交付方式：

方式	适用情形	商业上需要验证什么
一次性诊断与方案服务	新仓规划、促销准备、阶段性整理	报告能否执行，收入能否覆盖数据与建模工作
周期性优化订阅	商品和需求持续变化，有定期调整任务	是否持续产生可用建议，客户是否愿意续费
WMS 集成模块或接口	已有稳定执行系统，需要重复调用优化能力	对接维护、升级责任、渠道分成与服务边界
深度仿真项目	仓型改造、自动化投资或复杂流程调整	项目范围、模型复用程度与专业人员投入

本次未取得足够的可比报价，无法据此给出这类软件的统一价格区间。Pulse 的定价页列出仓库数量、业务量、模块和集成方式等因素，也说明价格需要放在交付范围中比较。来源：Pulse 官方定价说明

商业化还要面对一个现实：WMS 与机器人服务商已经提供相关能力，独立产品需要解释客户为什么还要额外采购。可以验证的差异包括跨系统适配、更少的数据准备、更清楚的解释、更容易执行的调整，以及能反复核对的实际收益。这些都是需要客户和项目证明的优势，不能仅凭“AI”或“数字孪生”的名称成立。

服务商自己的成本账同样重要。即使软件计算很快，如果每个仓库都需要大量专家整理数据、定制规则和持续维护，收入仍可能依赖项目服务。推广阶段除了记录客户收益，还应记录获客、数据整理、建模、接口和支持投入，检验第二个、第三个相似仓库能否复用已有成果。

库位优化值得投入的条件，是仓库存在可改善的作业，数据足以识别它，方案能够被执行，并且结果经得起复查。把这几个条件逐步做实，才能让客户把库位建议变成日常工作，也让应用获得持续的商业价值。