中国2014年服装网购交易额达到6153亿元，同比增长41.48％，是网购产品类目中最大的产品类目，占比达到26.9%。目前服装企业电商仓库面对海量订单时出库效率非常低，为了解决出库效率问题，服装企业一般会引入波次拣货策略，但传统的人工和先到先服务波次订单分批模型和算法效率不能满足业务增长速度和管理要求。本文采用EIQ分析法建立波次订单分批模型，通过分布式计算技术和内存计算技术解决波次订单分批的效率问题，对服装企业电商仓库具有普适意义和借鉴价值。　　(1)分析服装企业电商业务发展初衷、现状和行业特殊性，目前服装企业往往依靠加人加班度过业务高峰期，不仅不能满足电商爆发性的出库量要求，而且由于错拣、漏拣导致的消费者投诉、退货比例非常高，基于时间窗口、先到先服务和延迟策略的订单分批策略明显不能满足电商业务，阐述服装企业重新建立订单分批模型的紧迫性和必要性。　　(2)以拉夏贝尔服饰为例，使用EIQ分析法建立电商仓库订单分批模型。通过对拉夏贝尔"双十一“B2C订单为样本进行EQ、EN、IQ、IK四个维度的单独和交叉分析，发现以拉夏贝尔为代表的服装企业B2C订单高峰时段呈现多单少品、多品少量、爆款多量等特点，提出基于单单品、多单品、一单两件、一单多件的订单分类规则进行波次分批，并选择相应的PCB、ABC、集群拣货、二次分拣等拣货作业方式。拉夏贝尔通过实施基于EIQ订单分析法的波次分批模型，电商仓库平均出库效率提高了1.6倍。　　(3)使用分布式计算技术和内存计算技术实现高性能的订单分批算法。通过市场调研发现国内外WMS产品的订单分批性能均为10-20行/秒,即使采用EIQ分析方法优化订单分批模型，仍然不能满足海量订单分批性能要求。拉夏贝尔使用分布式计算技术JPPF和内存计算技术H2后，订单分批效率提高了10倍。