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。