还有两个概念需要提及，即最短响应时间和最长响应时间。这两个参数虽然没有平均响应时间重要，但设计者也必须了解。对一个订单而言，由于货位位置不同的原因，每一行的实际响应时间是不同的，存取时间最短的订单行到达拣选工作站的时间即为最短响应时间，最短响应时间显示了系统的最快相应速度。存取时间最长的订单行到达拣选工作站的时间即为最长响应时间。很显然，如果最长响应时间太大的话，也会导致拣选工作站暂时无箱可拣的情况发生。

3 库存ABC问题

系统效率与系统总体布局有关，与订单结构有关，但也要考虑软件和存储策略的作用。由于有些问题是客观存在的，是不可改变的。因此，通过软件和策略优化就成为一种实际需要。库存ABC为优化这一问题提供了一种可能。具体来说，库存按ABC布局均衡，在一定程度上可优化任务的均衡性。但这一策略也存在漏洞：即当某一个或几个区域出现故障时，因为这种平衡会被打乱，从而导致系统出现更大的问题，这是需要特别注意的。

4 线路拥堵问题

另一种现象是线路拥堵，也会导致系统的能力下降。线路拥堵主要原因是拣选工作站订单行过多，或拣选不及时，导致线路积放能力不够所引起的。在设计上，既要防止订单行过少，导致箱子补充不及时的问题，也要防止订单行过多导致线路拥堵的问题。

要特别注意提前下单导致的线路拥堵问题。有些设计将订单提前下发，这是一个非常危险的措施，很容易导致拥堵。但如果平均订单行过小，在线订单行不多的情形，采用提前下单也不失为一种缩短订单响应时间的有效方法，应根据实际情况予以设计。

“货到人”拣选系统的调度问题

1 四向穿梭车的调度

对于四向穿梭车系统而言，存在分区和调度问题。当一个区域多于两台穿梭车时，调度是不可避免的。更复杂的情形是一个区域存在多台提升机的情形，穿梭车要实时选择可用的提升机，从而增加调度的难度。

调度算法即普通的优化法。优化的目标是固定的，即选取一个合适的目标，使其路径最短。这看起来非常简单，因为一个区域的目标并不会太多。但实际上，很多情况下会没有结果，因为域内的车辆不在空闲状态。

需要强调的是，一个区域内的车并非越多越好，因为需要避让的缘故，单台车辆的效率会大大降低。在进行效率计算时要充分认识到这一点。计算机模拟结果显示，每增加一辆车，其单台车辆的效率均会降低，如单台设备能力为100，2台车大致为160（即单台车降低至80），3台车能力仅为195（单台车能力进一步降低至65）。

有时，一个区域仅有一辆车，这时，因为没有避让问题，会使得车辆的效能发挥到最大。但这样的选择会存在风险。当车辆故障时，如果没有及时修复的可能，就会导致非常被动的局面，这是不得不考虑的问题。

2 KIVA的调度问题

相对而言，KIVA系统的调度会更加复杂一些。这是因为KIVA系统中的车辆数会更多，在一个KIVA系统中，并不像四向穿梭车那样可以分组。因此，一个系统中，车辆几百辆甚至几千辆的情形并不少见，这时，调度和算法就显得尤为重要。

但事情也并非如此复杂。因为路线设置的唯一性，当任务呼叫小车时，系统会沿着固定路线寻找合适的目标。更加简单的算法是将所有在线的车辆路径做一个排队，只要选取其中最短路径的车辆即可。并不要做更多的迭代算法。

3 库存优化问题

库存优化方面，有很多目标，这是比较困难的部分。然而在实际应用中，并非一定要寻求一个最优解，有时，最优解是一个伪命题，因为客观的状态在时刻变化，目标也在时刻变化。

对于物流系统而言，缩短路径始终是库存优化的一个重要目标。非常有意思的是，在系统设计中，为了提高效率，往往是从预防做起的，即主动营造一个良好的场景，而非在一个不好的结构上去被动进行优化。因此，基于ABC分类去构建库存结构就是很重要的方法。

一个值得注意的问题是，在很多情形下，按照ABC分类购建的库存结构，往往会导致任务过于拥挤，结果反而适得其反。如何合理的分布库存，要根据具体情况细致筹划，而非机械的对待。

总之，与其它物流系统的设计一样，“货到人”拣选系统的设计充满变数和挑战，这就要求设计人员既要有扎实的基本功，又要有对付变化万千场景的应变能力，能够从纷繁复杂的事务中理出头绪，抓住重点，采取合理的处置措施。此外，还要有软件人员的配合，这一点常常被忽视。最后，用户管理人员的深刻领会和灵活应用也非常重要。