一、项目背景

我们给一个电商仓做货位优化，原来货位全靠老员工经验摆，热卖品偏偏放角落，拣货员一天走两万步是常态，膝盖都走坏了。大促爆品找不到，复核还常错，仓经理天天救火，新人上手慢得离谱。我们进场时，拣货员抱怨最多的是"明明热的东西放最远"，仓库效率卡在腿上而不是系统上，这个问题拖了很久没人系统性解决，老师傅一走经验就断档，摆位又乱回去了，优化成果守不住。我们测了一周的拣货轨迹，拣货员平均单均多走将近一倍路程，光是无效走动的人力成本一年就够再做一套系统，仓经理这才下决心让我们用智能体把货位管起来，而不是靠某个人脑子里的地图。

二、落地场景

我们用多智能体协同重排了仓库。热度智能体分析销量，给每个 SKU 算热度分，爆品一眼认得出；货位智能体按热度动态排位，热品往前放，冷品往后挪；路径智能体规划拣货路线，一次顺路带一片；波次智能体合并同区订单批量拣，减少来回；预警智能体盯异常货位和错放，发现摆错就告警。拣货员拿优化后的路线单干活，系统实时看每单步数和时效，仓经理终于有了全局视角，不用再靠老师傅的脑子记货位。后台还能按周看拣货步数和复核差错，哪片货位老摆错一清二楚，新人照路线单就能干，培训周期从两周压到三天，老师傅不再是单点瓶颈。仓库把这套优化接到了采购建议，热度分高的货品系统提示多备安全库存，滞销的提醒清仓，进销存不再是各算各的。拣货路线单还能推到手持终端，拣货员边走边看下一站，不用回头看纸单找方向。预警智能体和盘点机器人打通，巡检发现错放直接派单给理货员，闭环从发现到纠正都在系统里。仓经理后来把热度分开放给采购看，备货和摆位用同一把尺，热品既摆得近也备得足，大促再没出现摆得近却没货的尴尬，缺货和错放一起降了。

三、关键技术挑战与解决思路

热度建模是第一道关。销量有季节性和突发，我们用滑动窗口算热度，爆品一冒头就识别，不会等月底报表才反应。货位动态调整最怕影响作业，我们放夜间小批量挪，不停线大调，白天照常拣货。路径规划用货位坐标做最短遍历，一次把同区订单顺路带完，不走回头路，拣货员少跑冤枉路。波次合并要把同区订单攒一批再拣，减少来回，单均步数明显下降。这里踩过坑，第一版白天大调货位，拣货员找不到东西，单量直接掉，后来改成夜间小步挪才稳，作业完全不受影响，调整要挑没人干活的时候做，别和业务抢时间。我们一度图快想白天一次性重排，结果当天拣货时效崩了，这个亏吃一次就够了，后来夜间挪位成了铁律写进操作规范。

案例片段（已脱敏）： 货位热度重排与拣货路径配置（示意）： heat.window: sliding_7d slot.adjust: night_batch path.algo: nearest_neighbor_tour wave.merge_same_zone: true 某仓上线后拣货员日均步数从约 2 万降到 1 万出头，拣货时效提升约 35%，复核差错率下降约两成。

四、效果数据

我们主要看平均拣货步数、拣货时效、货位命中率和复核差错率。日均步数从两万降到一万出头，拣货员膝盖保住了，离职率都降了点；拣货时效提升约三成五，大促也不慌了；货位命中率因为热品归位明显变高，不用满仓找货；复核差错率下降约两成，摆对地方就不容易拿错。我们把拣货步数下降折算成工时节省，一个仓一个月能省下近两百个拣货工时，这部分人力调去了复盘和质检，复核差错又跟着降，形成正向循环。仓经理最意外的收获是新人流失率下来了，活儿不累、路线单清楚，年轻人愿意干，之前拣货员膝盖坏、走两步就骂的场面基本看不到了，招聘口碑也好了。

文中数据为项目复盘口径，实际值随季节波动，仅作趋势参考。仓经理最开心的是终于不用天天救火，系统把热品摆对了，人也轻松，新人也能照路线单干活，不再依赖某个老师傅，经验断档也不怕了，连招聘都好招，因为活儿不累人了。

五、可复用经验总结

仓储效率卡在腿上这事很常见，货位按热度摆比靠经验靠谱得多，经验会随人走，热度分不会，系统摆位比人稳。动态调整别停线大干，夜间小步挪最稳，我们就是白天调货位吃过亏，单量掉的那次教训够记很久，作业时段动货位就是给自己找麻烦。路径规划用顺路遍历，一次带一片，比拣一个跑一趟强太多，省下的全是人力。我现在的看法是，热度窗口别太长，爆品识别慢一天货位就错位一天，时效就是钱。做仓内优化的，先把"什么卖得多、放哪最近"算明白，再谈自动化，基础数据错了自动化也白费，系统再智能也得建立在准的热度分上。