雀巢美国在加州阿文开设3.3亿美元70万平方英尺自动化配送中心

详细拆解

先看这个东西的形状，别先看通稿。配送中心是一段队列，夹在一头匀速生产的工厂和另一头一阵一阵下单的门店之间。托盘从一头进、箱子从另一头出，这栋楼做的大部分事情，就是在管理这两个速率之间的错配。一旦这么看，一条关于新楼的头条就不再是关于平方英尺，而是关于这栋新楼是设计来抹平哪一个速率的。

雀巢美国给阿文这处的数字是这些。3.3 亿美元。70 万平方英尺。公司最大的自动化存取系统，业内简称 ASRS。属于一项 250 亿美元、用于现代化北美供应链基础设施的计划。定制自动化软件、机器人分拣系统、高密度存储。声明的目标：更高的吞吐速度、更低的运营成本。声明的定位：为雀巢全球未来配送中心树立标杆。

现在数一数缺了什么，因为在一条讲效率的消息里，缺的东西比有的东西信息量更大。没有吞吐量数字。没有 SKU 数。没有人工数。没有准确率。没有订单周期时间。没有服务水平。这不是在挑雀巢的毛病，一份资本公告本来就不是运营报告。但它意味着，你唯一能用来判断这 3.3 亿美元花得值不值的东西——流程的前后对比——恰恰不在纸面上。

把这三个数字当成三种不同的陈述来读。3.3 亿美元是资本数字。70 万平方英尺是占面数字。250 亿美元是计划数字。资本除以占面，得到每平方英尺 471 美元，这说明它是一栋高资本强度的楼，不是一间塞了几条输送线的大棚。假设：3.3 亿美元是按建成后的 70 万平方英尺计的项目成本。在每英尺 471 美元这个量级上，楼里每一个设计决定都是在资本压力下做的，而这会改变自动化的用途。低强度楼里，自动化是锦上添花；每英尺 471 美元时，自动化必须是这栋楼把钱赚回来的理由。

把 250 亿美元当成一项计划来看，算术比单个项目更有意思。假设：一座同类的自动化设施成本在 3.3 亿美元量级，这是我们手上唯一的单位成本。那么 250 亿美元除以 3.3 亿美元，大约是 75 座这一等级的设施。这个框架很重要，因为它意味着阿文应该被当成一个模板来读，而不是一栋楼。一座配送中心是一个运营故事。75 座铺开是一张网络的故事，而网络恰恰是小设计选择被放大复利的地方。这里被标准化的任何东西，不管是储位逻辑、订单批次规则，还是自动化与运输管理层之间的接口，都会在有人回头重审之前复制 75 遍。

再把 ASRS 本身建个模，因为这个缩写遮住了一个简单的结构。自动化存取系统就是一段带缓冲的队列：固定数量的储位，加一台在储位与作业站之间搬运货物的机器。它最直接改变的是单位面积能容纳的储位数量，以及一个储位被送到作业站之前所需的准备速度。它不改变的是托盘到达的速率和订单离开的速率，因为这两个速率定在货架之外——定在月台，定在订单簿。所以 ASRS 对存储与取货这个问题是极好的答案，对需求形态这个问题是极差的答案。

高密度存储是那种人们默认它免费的部分，而它不免费。加密存储意味着同样占面下更多储位，这好；但密度通常要在循环时间上付代价，因为把货架深处的一个储位取出来，比取靠通道的一个要慢。这笔交换划不划算，完全取决于拣货画像，而拣货画像正是公告没有给的数字之一。如果大部分出货量来自一小撮快动 SKU，你可以把它们放在作业站附近、让密度去处理慢尾，你会两头都赢。如果拣货画像是平的、量摊在一长串货品上，那密度和速度就在互相拉扯，设计必须选边。

机器人分拣是队列之后的那只漏斗，批次决策就发生在那里。分拣系统不创造订单，它给订单分流，而它能达到的吞吐量取决于你上游怎么组批。批组得太小，分拣机产能跑不满；批组得太大，已完成订单被压得更久，吞吐上去了、循环时间也上去了。所以高密度存储加机器人分拣合起来并没有消掉设计难题，它把难题移动了：约束从「装不装得下」挪到了「怎么组批」，而组批是软件与规则决策，不是硬件决策。

那为什么是现在，这里数字讲了一个平方英尺讲不出的故事。三股力把配送往自动化上推。加州这类市场的地价与建造成本让占面很贵，所以加密是划算的。仓库用工腹地的人力供给紧且波动大，自动化压住的是波动，不只是成本。而食品与消费品公司面对的需求形态是一阵一阵的，由促销和季节推动，这让吞吐的可靠性值得花钱去买。250 亿美元这个数字本身就是最强的信号，因为这种规模的计划不是试点。企业不会按计划规模去投自动化，除非他们预期这套模板能在很多站点成立。

谁受影响，是一张网络的问题，而不是一家公司的问题。最明显的答案是雀巢自己的配送，但这个节点嵌在更大的流里。走同一条走廊的零售与消费品托运人，会在一家大运营商改变区域内卡车进出的时间与密度时感受到变化。靠预约时段吃饭的承运人，会在月台感受到。拖车与内陆运输，会在整车与零担流的此消彼长里感受到。而因为这处设施被描述为全球未来站点的模板，真正的受众是任何货品终将流经这套设计复制版的托运人。当一套模板铺开，接口会跟着一起铺开，而多数人正是在那里被将了一军。

传导的时钟和一次调价不一样。楼已经开了，资本已经花掉；接下来传导的是运营，而运营效应以周到季度为单位移动，不是以天。一个新的自动化节点要时间才能稳定：自动化要调，订单画像要落定，上下游的进出流程要重新学。假设：需要有意义的基线至少要八周运行数据，才能把信号和开机噪声分开。如果你是把货量引向一个新自动化节点的托运人，为流程稳定前的一个季度的高波动做好计划，别拿第一个月的服务水平下判断。

如果你想要一个模型把整件事装进去，就用排队论里最简单那条关系。稳态下，系统中的作业数等于到达率乘以在系统内的时间，把它改一下，就是吞吐等于在库量除以停留时间。拿它去读一个 ASRS，它就成了一张设计地图。这套系统增加了它能容纳的在库量，也就是关系里的 L，也能缩短一次取货的停留时间 W。吞吐只有在其中一项真正移动时才会上升，而且它会被两者中被周边流程卡住的那一个封顶。所以有用的问法不是这台机器有多快，而是托盘到底能不能到得够快、挂车到底能不能走得够快，让机器跑到它的设计速率。

下面这一点公告没讲，而我会把它放在议程的第一行。一栋自动化楼里的瓶颈，不住在自动化内部。它会迁移到边界，迁移到这座自动化孤岛与其余流程之间的接口。ASRS 是一台绑在进向月台和出向挂车时刻表上的快机器，而这两者默认都不快。如果托盘集中在一个上午的高峰涌到、而入库口只能匀速吞，机器就等。如果订单已经备好、但挂车预约时段在固定钟点关门，机器又等。一台在等的 3.3 亿美元机器不是吞吐资产，是一段昂贵的缓冲，而治它的办法是排程和组批，不是加更多钢材。

第二件值得说破的事，是关于披露本身。这份通稿是一栋楼的规格表，不是一份运营报告。它给了资本、占面和能力，它藏了吞吐、SKU 数、人工、准确率和循环时间。这个缺失本身就是信号。你无法用给出的数字算回本，因为回本要的是一个运营增量，而运营增量被从纸面上拿掉了。这不代表项目差。它代表诚实的读法是：一笔资本承诺，带着一个未经核实的运营论证；而任何复述供应商话术——该设施显著提升吞吐、降低运营成本——的人，复述的是形容词，不是测量值。

这就牵出那个悄悄决定整个商业论证的参数：拣货画像的形状。拿速度曲线来看，把 SKU 按被拣频率排序，问排名前五分之一的 SKU 代表了多少条拣货行。设一个阈值并守住它。如果前 20% 的 SKU 撑起 80% 以上的行数，货到人式的自动化设计成立，因为自动化服务的是一个集中、可预测的核心，密度去处理长尾。如果前 20% 只撑起 60% 或更少，量就摊在一条很薄的长尾上，这时一台大的稳态 ASRS 是被要求用产能工具去解一个波动问题，那是拿错了工具。同一栋楼、同一笔资本，结论相反，取决于一个公告里没有的数字。

给这笔资本装一个回本框架，因为 3.3 亿美元配得上一个。假设：以七年直线回本作为门槛。3.3 亿美元摊到七年，大约需要每年 4,700 万美元的净收益，也就是每提升一个百分点的吞吐，大约对应 330 万美元。这才是要争的数字。每一项运营收益都必须换算成这个币种：吞吐提升一个百分点，必须在节省人工、避免资本开支或释放库存持有成本上值 330 万美元一年，否则论证闭合不了。这么一摆，缺失的运营数字就更扎眼了，因为没有吞吐和成本的增量，你连这道校验都跑不起来。

把同一套逻辑延伸到 250 亿美元的计划上，因为在这个规模上，纪律比设计更重要。假设：大约 75 座同类设施，每座 3.3 亿美元，这是我们唯一有的单位成本。在这个规模上，一条坏标准会复制 75 遍。所以有用的控制是一道闸：只有当上一座设施连续两个季度守住目标，才给下一座放款，而不是上一座开业就放款。开业和运行是两件不同的事，网络铺开应该按后者放闸。如果任何一座设施整整一个季度没达到吞吐或准确率目标，正确的动作是冻结模板去修它，而不是再把它发出去 74 遍。

再讲反事实，因为那正是阈值存在的意义。如果拣货画像够陡、需求也相当平稳，自动化设计赢，稳态假设成立。现在翻转两个条件。如果画像是长尾、需求形态又由促销驱动、一阵一阵，一台大的稳态系统可能输给更小、更灵活的设计，因为固定机器没法往下缩，而一阵一阵的需求又没法把它喂满。而如果周边流程——月台和挂车时刻表——提不到机器的速率，整笔投资就会被最慢的那个接口封顶，自动化再好也没用。结论翻转不是因为自动化差。它翻转是因为两个参数之一——画像集中度或接口能力——跑出了它的假设，而这两个参数正是公告留白的地方。

剩下就是实打实的活，而它全是测量。在做任何优化决策之前，先测六样东西、至少八周。进向的月台到上架时间。ASRS 利用率，也就是储位和机器循环实际被用掉的比例。订单周期时间的分布：中位数和第 95 百分位，不是平均值。拣货准确率。库存准确率。以及出向挂车准时发车率。设好控制带：ASRS 利用率 75% 到 85%，连续两周高于 90% 就报警，因为过了那条线队列会非线性增长。订单周期的第 95 百分位不超过中位数的两倍，这样组批问题能早发现。挂车准时发车率高于目标。这些就是旋钮。转那些模型说重要的，在数据说话之前别去碰机器。

有一个很便宜的办法，可以在花一分钱之前先找到真正的约束。从出向门口往回走。记录一辆挂车计划几点发车、实际几点发车。再记录它最后一张订单是几点拣完的。这两者之间的差，就是自动化花在等某件不是自动化的事情上的时间。对足够多的挂车做两周，最大的那个差就告诉你约束住在哪里。如果大差落在「拣完」到「发车」之间，问题是排程。如果落在「订单释放」到「开始拣货」之间，问题在机器的上游。自动化会准确告诉你瓶颈在哪儿，但前提是你把流程的两端都打上时间戳，而不是只打中间那一段。

这件事之所以比再买一台机器更重要，是因为队列是一个系统，而系统会奖励你修那个真正卡住的约束、惩罚你修别的。在挂车时刻表才是约束的时候去花钱买更快的 ASRS，吞吐不会动。在 ASRS 才是约束的时候去花钱抹平挂车预约，吞吐也不会动。在任何一个时刻，只有一笔投入是划算的，而上面那个打时间戳的办法，就是你找出这一季度是哪一笔的方式。这也是为什么这里的交付物是一份测量方案、先于一份资本方案，以及为什么六个表盘要排在下一张采购单之前。

在有人把资本当成第一根杠杆之前，先提个醒。便宜的那些改良通常坐在自动化的上游：怎么给快动品摆储位、怎么给拣货组批、怎么把挂车预约曲线抹平。改一改组批规则，一段顺畅的流就能在不动 ASRS、不动楼的情况下把吞吐抬上去。陷阱在于：测机器容易，测流难，于是团队去给买回来的东西装仪表，却漏掉真正卡住他们的那个东西。先测边界。如果 ASRS 跑在 80% 以下、挂车又在晚点，约束就在出向排程，下一块钱该花在那儿，不是花在更多自动化上。

先量化，再谈优化；这个顺序不是口号，它是你避免「为一个从未测量过的问题买解决方案」的办法。阿文的数字告诉你：一家公司正在按这个路子投下大额资本，每座楼 3.3 亿美元、整个计划 250 亿美元。它们没告诉你的是，机器周围的那段流能不能跟得上，而这就是全部论证。把阈值设好，盯住那六个表盘，按「在运行的楼」而不是「已开业的楼」来给铺开放闸，让数据决定下一步拉哪根杠杆。它是个队列。你把它当队列待，机器就赚得回它的本；你把机器当答案，接下来十年你就会慢慢发现真正的瓶颈在哪儿。

↑ 返回核心要点

— 作者 拉维