
写在前面
入库看起来只是仓库作业的起点,实际上它决定了后面很多事情是否还能做稳。
如果收货阶段没有把货、单、状态、库位关系确认清楚,后续通常会连锁出现这些问题:
- 账实差异不断积累
- 收货区长期堆积
- 上架和拣货互相干扰
- 批次、序列号追踪断点
- 出库时才发现库存不可用
因此,入库管理不是“货来了就入系统”,而是一套从通知、收货、检验到上架生效的执行流程。

图:入库流程的第一步不是手工补录,而是先把入库通知、收货动作和现场执行入口对齐。
一、入库流程建议按五个节点设计
多数项目里,入库流程可以稳定拆成这五步:
这五步不一定对所有仓库都一模一样,但建议至少把这几个节点的责任边界说清楚。
二、先看不同仓型对入库的重点差异
制造业仓
通常更关注:
- 原料批次
- 来料质检
- 生产配套时效
- 不合格品隔离
电商履约仓
通常更关注:
- 到货峰值处理
- 快速上架
- SKU 与包装单位统一
- 收货区周转速度
3PL 多货主仓
通常更关注:
- 货主隔离
- 计费口径
- 多种单据来源
- 不同客户的入库规则
这也是为什么入库方案不能只照搬一个模板,而要结合仓型和项目边界来设计。
三、入库通知:让收货变成有准备的动作
入库通知的作用,是把“即将到仓的货”提前转成系统中的执行对象。
入库通知通常来自:
- ERP 采购单
- MES 产成品完工
- 退货或调拨单
- 3PL 客户的到货计划
建议在这个环节明确以下字段:
- 货主 / 供应商
- SKU 与包装单位
- 计划数量
- 预计到货时间
- 批次或序列号要求
- 是否需要检验
如果这些信息在收货时才开始补录,现场效率会明显受影响。
四、收货确认:先保证“收对”,再追求“收快”
现场收货最容易出问题的地方,不是动作慢,而是口径不一致。
建议系统在收货阶段至少支持以下几种处理结果:
- 按单足量收货
- 短收
- 超收
- 包装破损
- 批次不符
- 条码无法识别
对应的处理逻辑要在项目里先定好,而不是上线后让现场临时判断。
一个常见的收货链路如下:
如果仓库峰值较高,建议把“完成收货”和“完成上架”分成两个状态,不要混为一谈。
五、质检或待检:不要让不可用库存直接进入出库链路
对很多行业来说,收货后并不等于库存立刻可用。
常见需要单独管理的场景包括:
- 原料待检
- 食品或医药效期校验
- 质量问题隔离
- 客供料或特殊物料确认
这时建议至少区分三类状态:
- 待检
- 合格可用
- 不合格隔离
系统要保证拣货和发运只能使用允许的库存状态,否则现场再严格也容易误发。
六、上架执行:决定后续拣货效率
很多项目上线后,问题并不在收货,而在上架规则没有设计好。
上架环节建议重点确认这几件事:
1. 是系统推荐库位,还是人工指定库位
如果仓库结构简单、库位固定,人工指定也许足够;但一旦涉及高频 SKU、补货位、混合作业区,推荐库位的价值就会明显体现出来。
2. 是否允许同一 SKU 分散上架
这会影响:
- 后续拣货路径
- 补货复杂度
- 盘点难度
3. 上架是否考虑批次和效期
对有批次要求的仓库,不能只找到空位就放。库位分配要同时考虑:
- 批次隔离
- 先进先出
- 可追溯要求
4. 是否区分存储位和拣货位
如果仓库存在前拣后存的结构,入库后的补货和上架规则就要分开设计。
七、库存生效口径要在项目里明确
不少项目上线后会争论一个问题:到底什么时候算“已入库”。
常见有三种口径:
-
收货完成即入库
适合追求速度、质检要求低的场景。 -
收货后进入待检库存
适合需要检验确认的场景。 -
上架完成后才进入可用库存
适合对库位准确率要求高的仓库。
没有统一口径时,财务、仓库和业务部门往往会对同一批货有不同理解,后期对账会很麻烦。
八、项目里最常见的几个设计决策
是否允许超收
有些企业允许在一定范围内超收,有些则必须严格按单。这个规则要结合采购和财务口径确定。
是否必须采集批次或序列号
如果要求一物一码,就不能把这件事留到上线后再补。
异常货物放在哪里
破损、待检、不合格、退货中的货,最好都有明确的库存状态和库位区域,而不是统一堆在角落。
收货与上架是否由同一岗位完成
这取决于仓库规模、班组安排和峰值压力。系统设计要适应现场组织方式,而不是只按标准流程想象。
九、建议在实施期重点验证这些场景
如果你正在做入库模块上线,建议联测时至少覆盖以下场景:
- 正常收货
- 短收与超收
- 批次采集
- 待检转可用
- 不合格隔离
- 推荐库位上架
- 无法上架时的异常处理
这些场景如果不提前跑通,真正上线时往往最容易卡现场。
结语
入库管理不是仓储项目里最“显眼”的模块,但它通常决定了库存基础是否可靠。
一个相对稳妥的入库方案,应该至少满足四个要求:
- 货与单能对上
- 状态能解释清楚
- 上架有明确规则
- 异常有处理路径
只要入库这条链路做稳,后面的拣货、盘点、补货和运营分析才有比较可靠的数据基础。