亚马逊仓库 Bloomberg/Getty Images 在亚马逊更新的、充满机器人的仓库中，下一次大规模效率提升侧重于人类在设施中的移动，而不仅仅是包裹。如果计划成功并得以扩展，根据《商业内幕》查看的内部分析，这可能每年从公司的电子商务运营中挤出数百万小时的劳动时间。这些计划文件显示，亚马逊正在试点一个名为全设施负载平衡（FFLB）的系统，该系统根据包裹量和工作负荷的变化自动重新分配工人。根据其中一份文件的目标是“消除对人工 staffing 决策的依赖”。初步估计显示，这项技术每年可以大约节省1.93亿美元的劳动力成本，并减少近700万劳动小时。 从包裹到劳动 这一举措反映了亚马逊仓库内部更广泛的转变。在多年使用机器人和软件来自动化包裹流动后，公司越来越多地将相同的方法应用于劳动决策，例如传统上由管理者手动处理的 staffing 分配。根据文件，FFLB 持续评估包裹量、预测和其他运营信号，以确定整个仓库的 staffing 需求。该系统大约每三分钟重新计算 staffing 需求，并在一个区域显得人手过多而另一个需要额外支持时建议移动工人。“FFLB 动态计算不同流程段的推荐人数，并自动在角色之间分配和平衡助理，”一份文件中写道。一名亚马逊发言人表示，这项技术旨在帮助管理者更快速地应对仓库内部的变化条件，而不是取代他们。FFLB 是亚马逊更广泛 staffing 系统的一个组成部分，适用于某些类型设施的特定角色，是其现有软件的“自然延伸”，而不是“全新发明”，发言人补充道。发言人还表示，预计的节省是“不准确的”，因为它们基于假设模型，而不是对个体生产力的测量。“我们不断评估并改进工作在我们基地的流动方式，比如在特定设施测试技术以帮助在任何给定的班次中匹配 staffing 与 volume，”亚马逊发言人补充道。“目标很简单：简化复杂的运营决策，这可能使管理者远离地面，以便他们能够花更多时间与团队一起。管理者仍然是决策者；这以更高效的方式为他们提供更好的信息。” ‘最大的劳动力自动化机会’ 亚马逊相信，许多低效集中在容器构建，这是一个仓库功能，其中人类工人将包裹放置到出货手推车和容器中。根据文件，该角色在机器人支持的配送中心占用了相当大的劳动小时，成为公司“单一最大的劳动力自动化机会”。亚马逊今年希望在其亚马逊机器人可排序设施中推广 FFLB，文件显示。在这些仓库中，工人和机器人协作完成从书籍和玩具到家庭用品的客户订单。容器构建是分类中“最大的角色”，所以对这一角色的任何调整在规模评估时会产生“超出影响”，亚马逊发言人表示。一项对97个配送中心的内部分析发现，48个设施的运营低于目标生产力水平，每月产生大约309,000个超出劳动小时，或每年370万小时。根据文件，这些地点的运营低于目标大约14％，因为它们每小时处理的单位较少。另有266,000个劳动小时每月与被分配到几乎没有工作可用的岗位的工人相关联。这又每年增加320万小时，总共达到690万小时。亚马逊发言人表示，这是总仓库劳动小时的微不足道的一部分。公司估计，25%的容器构建劳动时间与人手过多有关，并预计 FFLB 可以大约减少该功能40%的无效劳动。“无在制品” 亚马逊还关注一种被称为“无在制品”的指标，这一指标衡量的是在没有工作进展的工作站上的员工。今年，容器构建功能的这一数字从4.2%上升到5.6%, 文件中指出。FFLB 是“主要杠杆”，旨在填补这一空白，文件指出。亚马逊发言人表示，文件中的数字是“不完整和误导性的”，因为它们代表“基于假设分析的理论模型机会和理想目标，而不是实时发生的情况的保证节省，或现有的损失。”发言人补充说，该分析测量了一个特定