第10章 EIQ分析解讀實例（EX0）

I. 實例 EX0（第15章分析實例）解讀方式

• 實務分析解說：本章利用具體實例「EX0」的分析結果，實務解說如何應用先前學習的分析手法。
• 與第15章連動：本章引用的表號及圖號均與第15章 Excel 實例「EX0」對應，需配合參照。
• 既學內容之集大成：先前各章（ABC分析、次數分析、PCB分析）所引用的說明數據，皆以此「EX0」為基礎。

II. 實例 EX0 基礎數據

本數據基於單日的訂單（或出庫單）數值，為物流中心規劃的起點。

• 訂單件數 (E)：12 件（12 家），與出貨件數同義。
• 品項種類 (I)：33 種，指出貨的品項總數。
• 總訂購量 (Q)：1,678 箱，代表總出貨量 (GQ)。
• 總訂購行數 (EN)：166 行（出貨總累計行數）。
• 庫存特性：
  • 庫存種類 (ZI)：37 種（由 EIQ 表算出）。
  • 庫存量 (ZQ)：在本數據中為未知。

III. EIQ 表（表 2、表 3）

EIQ 表的重新排序與物流中心特性可視化

• 表格構成與排序：將表 2（基本表）依客戶訂購量 (EQ) 與品項出貨量 (IQ) 從多到少重新排序後即為表 3。
• 數據集中趨勢：排序後，高物量的主要數據會集中於表格左上角，低物量數據則流向右下角。
• 庫存與出貨的落差：從表 3 下方的 IQ 行可見，37 種庫存中僅 33 種有出貨，其餘 4 種出貨量為「0」。
• 特性掌握：經排序後的 EIQ 表能有效視角化且定量地捕捉特定客戶或品項的偏差，掌握中心特有的物流特性。

IV. EIQNK 表（表 6）

EIQNK 表的構成與集計整合性

表 6 (EIQNK 表) 在訂單數據中加入了行數 (EN) 與重疊度 (IK) 的集計，更詳細地將物流特性數值化。

• 最大值識別：
  • 客戶別 (E6)：客戶 E6 訂購量最大（365 箱），共訂購 16 種商品 (EN=16)。
  • 品項別 (I5)：品項 I5 出貨量最大（267 箱），共有 11 家客戶訂購 (IK=11)。
• 數據集計（右側與下段）：
  • 右側（客戶軸）：顯示各客戶的 EQ 與 EN，總計分別為 1,678 箱 (GEQ) 與 166 行 (GEN)。
  • 下段（品項軸）：顯示各品項的 IQ 與 IK，總計分別為 1,678 箱 (GIQ) 與 166 次 (GIK)。
• 數值的絕對整合性：
  • 數量的普遍性：訂購量必等於出貨量，即 GEQ = GIQ = 1,678 (GQ)。
  • 件數的普遍性：總行數必等於總重疊度，即 GEN = GIK = 166。

V. IQ 分析（品項出貨量 ABC 分析）

分析各品項出貨量 (IQ) 的偏差，作為庫存配置與揀貨方式的參考。品項 (I) = 33 種，總出貨 (GIQ) = 1,678 箱。

• 掌握集中度：
  • 前 4 名品項（佔總數 10%）佔總出貨量約 55% ($I_{10}$ 為 $IQ_{55}$)。
  • 前 8 名品項（佔總數 22%）佔總出貨量約 82% ($I_{22}$ 為 $IQ_{82}$)。
  • 註：37 種庫存中有 4 種出貨為 0。
• 圖表特性：IQ 長條圖（圖 3）呈 4 階段階梯式下降，ABC 分類級別清晰。圖 4 (ΣIQ) 則顯示累計值。
• IQ 次數分佈 (表 8)：出貨量 100 箱以上的大口品項有 6 種 (16%)。整體可分為 1-10、10-70、100 以上三大物量區間。

VI. IK 分析（訂單重疊度分析）

• IK 次數分佈 (表 8)：分析各品項被多少家客戶訂購。
  • 少量擴散型：17 種品項 (約 50% 以上) 僅被 1-3 家客戶訂購。
  • 高頻率型：有 6 種品項 (18%) 被 10-12 家客戶廣泛訂購。

VII. 訂單尺寸 (Order Size) 與客戶特性

• 定義與多樣性：訂單尺寸指「特定客戶」對「特定品項」訂購的數量，數值極其多樣。
• 透過次數分佈掌握：針對各客戶製作訂單尺寸次數分佈表，可掌握該客戶平時訂購的數量區間。
• 與客戶規模之相關性：通常總訂購量 (EQ) 大的客戶，其訂單尺寸也較大；反之亦然。
• 混雜小額訂單：即使是大客戶，其訂單中也可能包含「1 箱」這類極小的訂單尺寸，規劃時需注意。

VIII. EN 分析（客戶別訂購品項數）

• EN 次數分析 (表 8)：分析各客戶在 33 種品項中訂購了幾種。有 10 家客戶訂購 10 種以上，典型的 Hits 介於 10 到 20 之間，顯示每筆訂單的品項數相對較多。

IX. DC Size 與 DC Scale

以下計算方式作為定量衡量物流據點規模（潛能）的指標。