第五章：人力調度與績效評估實務

# 第五章：人力調度與績效評估實務 ## 1. 為什麼人力調度是倉儲效率的核心 - **人力成本** 佔台灣都會區倉儲總成本的 35% 以上。\ - **訂單碎片化** 使得工作量高頻波動，若排班不合理，往往造成： - 人力閒置（多餘工時） - 人手不足（延誤出貨） - 勞工滿意度下降（工作壓力過大） > **重點**：透過科學的排班模型與績效考核，能把人力成本控制在 5%–8% 範圍，並同時提升出貨準時率 ≥ 99%。 ## 2. 需求預測：排班的前提 | 需求資料來源 | 重要性 | 典型數據範例 | |---------------|--------|--------------| | 歷史訂單量 | 高 | 2023 Q4: 3,200 件 | | 促銷日程 | 中 | 11/24: 黑五促銷 | | 物流季節性 | 低 | 春節期間 20% 增長 | > **操作建議**：利用 Excel 的 `FORECAST.ETS` 或簡易 Python（下節 3.3）即可預估未來 2~4 週需求。| ## 3. 排班模型與工具 ### 3.1 班制設計 | 班別 | 時間 | 人數 | 主要工作 | |------|------|------|----------| | 早班 | 07:00‑15:00 | 8 | 進貨、上架、盤點 | | 中班 | 13:00‑21:00 | 10 | 拣選、包裝、出貨 | | 夜班 | 21:00‑07:00 | 6 | 清場、補貨、維護 | > **注意**：重疊時間 (13:00‑15:00) 用於交接，避免人手重疊造成空檔。 ### 3.2 彈性排班公式 > **公式**：`可用工時 = 預測需求 ÷ (平均拣選/包裝時間 × 每工時可處理件數)` python # Python 3.8 範例：計算需求週內所需人力 import pandas as pd def calc_staff(daily_orders, order_rate, avg_time, shift_hours): # order_rate: 每件商品平均處理時間 (分鐘) # avg_time: 平均拣選/包裝速度 (件/小時) # shift_hours: 班次工時 needed = daily_orders / (avg_time * shift_hours) return round(needed + 0.5) # 向上取整 # 範例 daily = 350 # 350 件每日 rate = 5 # 5 分鐘/件 avg_speed = 20 # 20 件/小時 shift = 8 # 8 小時班 print('所需人力：', calc_staff(daily, rate, avg_speed, shift)) > **實務**：將此腳本加入日報自動化流程，每日 07:00 前產生排班圖表。 ### 3.3 工時合約與法規 | 規範 | 內容 | 影響 | |------|------|------| | 勞動基準法 | 週工時 40 時間 | 需避免週工時超過 45 時間，否則加班費上升 | | 工會協議 | 週休二日 | 兩天連續休假必須提前 30 天通知 | | 安全生產 | 休息時間 5 分鐘/4 小時 | 防止勞工過勞 | > **實務**：建議在排班表上明確標示加班、休假及休息時間，並自動同步至工資系統。 ## 4. 計件制與績效考核 ### 4.1 計件制設計原則 | 原則 | 目的 | |------|------| | **公平** | 依照工作難度、物料類型分配單價 | | **透明** | 每個員工可查看自己的計件表 | | **激勵** | 將績效上限設定為 120% 目標完成率 | | **成本控管** | 計件單價與實際加工成本相匹配 | ### 4.2 KPI 例子 | KPI | 目標 | 監測頻率 | 重要性 | |-----|------|----------|--------| | 週出貨件數 | ≥ 3,000 | 每週 | 直接影響營收 | | 盤點準確率 | ≥ 99.5% | 每月 | 減少損耗 | | 加班費占比 | ≤ 10% | 每月 | 控制成本 | | 員工離職率 | ≤ 5% | 每季 | 穩定人力 | > **實務**：使用 Power BI 或 Google Data Studio 建立即時 KPI 儀表板，並在週會上進行回顧。 ## 5. 成效追蹤與持續優化 | 步驟 | 內容 | 工具 | |------|------|------| | **數據收集** | 每日工時、出貨件數、加班時間 | ERP、工時表 | | **分析報表** | 週報、月報 | Excel PivotTable、Power BI | | **評估會議** | 週會、月會 | 會議議程表 | | **改進措施** | 調整排班、調高/調低計件單價 | SOP 更新 | | **回饋機制** | 員工意見箱、匿名調查 | Google Forms | > **持續改進**：每季度進行一次排班模型回顧，若人力閒置率 > 12% 或加班率 > 15%，即調整排班規則或加設備援人員。 ## 6. 案例分享：新北中和倉儲人力調度成功實踐 | 目標 | 措施 | 成效 | |------|------|------| | ① 降低人力閒置率 | 1. 引入週波峰預測模型 2. 使用彈性排班 | 由 18% 降至 8% | | ② 提高出貨準時率 | 1. 計件制與 KPI 連動 2. 每日實時 KPI 儀表板 | 由 95% 提升至 99.7% | | ③ 控制加班費 | 1. 合理設計 4 小時休息 2. 加班時加薪 | 加班費占比由 18% 降至 9% | > **教訓**：初期排班模型忽略季節性促銷，導致 12 月份出貨瓶頸；後續引入「促銷加班預留」規則即解決問題。 ## 7. 檢查清單與實用工具 ### 7.1 每日排班檢查清單 | 項目 | 內容 | 负责人 | 備註 | |------|------|--------|------| | 人力需求核對 | 確認預測需求與實際人力匹配 | 主管 | 需於 07:00 前完成 | | 班別交接 | 交接清單確認、備註交接事項 | 班組長 | 交接表上線下都簽署 | | 加班批准 | 需獲主管批准 | 人事 | 申請表格上傳至 ERP | | 休息時間 | 確保 5 分鐘/4 小時 | 班組長 | 以勞基法為準 | ### 7.2 週報模板（Excel 範例） markdown | 指標 | 本週 | 目標 | 差異 | 備註 | |------|------|------|------|------| | 出貨件數 | 21,300 | 21,500 | -200 | 週末促銷延遲 | | 加班工時 | 140 | 120 | +20 | 週四夜班加班 | | 盤點準確率 | 99.6% | 99.5% | +0.1% | 盤點完成 | | 離職率 | 3.2% | 5% | -1.8% | 無離職 | > **備註**：週報應於週五 18:00 前上傳至公司 SharePoint，供高層即時查看。 ## 8. 總結 1. **科學排班**：基於需求預測與勞基法規範，建立彈性排班模型。<br> 2. **績效考核**：以 KPI 為核心，透過計件制激勵員工並控制成本。<br> 3. **持續優化**：每日數據、每週回顧、每季模型調整，形成 PDCA 迴圈。<br> 4. **實務工具**：ERP、Excel、Python、Power BI 共同協作，將人力調度從「直覺」轉為「數據」。 > **行動呼籲**：請各位倉儲主管先在現有排班表上套用上述檢查清單，並於下個月的 KPI 週會中討論「人力成本下降 3%」的可行路徑。這不僅是成本節約，更是提升客戶滿意度與企業競爭力的關鍵。