文｜新疆農(nóng)業(yè)大學(xué)交通與物流工程學(xué)院

龔中文 董丹華 蔣舒琪

摘?要：在現(xiàn)有的快遞自提柜與開放式快遞服務(wù)站相結(jié)合的基礎(chǔ)上，本文基于FlexSim軟件對快遞無接觸配送模式的收件消殺、入柜、上架流程及兩種取件流程進(jìn)行了建模和仿真，建模基本參數(shù)以2021年10月23日～11月23日的數(shù)據(jù)為依據(jù)，得到仿真結(jié)果與現(xiàn)實(shí)基本一致，在此基礎(chǔ)上進(jìn)一步對仿真運(yùn)行數(shù)據(jù)進(jìn)行分析，并對系統(tǒng)存在的問題提出優(yōu)化方案。

關(guān)鍵詞：無接觸配送、FlexSim軟件、開放式快遞服務(wù)站、快遞自提柜

一、引言 

2020年爆發(fā)的新冠疫情使人們的生活方式發(fā)生改變，人與人之間的接觸驟然減少。為滿足人們生活的需求，很多產(chǎn)業(yè)由“線下”變?yōu)椤熬€上 + 線下”模式。例如，美團(tuán)外賣率先推出“無接觸配送”，通過線上下單的商品由配送人員將其送到指定地點(diǎn)，然后電話聯(lián)系顧客收取[1]，此模式在一定程度上減少人們的憂慮和擔(dān)心。

“無接觸配送”是指商品由產(chǎn)業(yè)配送人員放到顧客指定地點(diǎn)，客戶端移動電子設(shè)備將到貨信息傳達(dá)至顧客去收取商品，實(shí)現(xiàn)商品從產(chǎn)業(yè)配送人員到顧客的全程無接觸的物流配送模式，集大數(shù)據(jù)、人工智能、互聯(lián)網(wǎng)+等技術(shù)于一體[2]。為提效提質(zhì)降本和更好地服務(wù)顧客，各大平臺均在不斷推進(jìn)信息透明化、可追蹤化等系列技術(shù)服務(wù)，為人們提供安全保障的程度不斷提高，人們的憂慮情緒也得到緩解。

人群密集的高校也是防控的重點(diǎn)區(qū)域，為減少人員流動，以避免大范圍接觸而產(chǎn)生交叉感染的發(fā)生，全國各高校紛紛實(shí)行校園出入管制，引發(fā)學(xué)生網(wǎng)購的次數(shù)增加，快遞服務(wù)需求增加，對“最后一公里”配送造成不小的壓力。如何緩解配送難題，保障校園內(nèi)快遞的配送安全、效率和服務(wù)質(zhì)量，成為需要解決的問題[3]。

將Flexsim建模仿真軟件運(yùn)用到物流行業(yè)，國內(nèi)外學(xué)者均有較深入的研究，大量應(yīng)用實(shí)例驗(yàn)證了Flexsim建模仿真的可行性和有效性[4]?；贔lexSim軟件對新疆農(nóng)業(yè)大學(xué)的快遞無接觸配送模式的建模和仿真，可以對系統(tǒng)存在的問題進(jìn)行量化分析并提出合理方案。

二、研究背景

新疆農(nóng)業(yè)大學(xué)快遞終端配送方式目前主要有兩種模式：快遞自提柜和開放式快遞服務(wù)站，其有著極強(qiáng)的自助性，能夠在節(jié)省許多人力的同時(shí)做到24小時(shí)服務(wù)，滿足取件人在非營業(yè)時(shí)間的取件需求，使收取快件更加靈活方便。本研究是對兩種取件模式相結(jié)合下的快件入柜、上架流程、學(xué)生取件高峰期排隊(duì)等內(nèi)容，利用Flexsim進(jìn)行建模仿真找出存在的問題及產(chǎn)生的原因，再不斷修改仿真參數(shù)以驗(yàn)證優(yōu)化方案的可行性及效果，以便提出改進(jìn)措施。

三、新疆農(nóng)業(yè)大學(xué)快遞服務(wù)站現(xiàn)狀

新疆農(nóng)業(yè)大學(xué)是一所擁有3萬多名師生的高校，快遞配送問題顯得尤其重要，根據(jù)調(diào)研報(bào)告可知，該?？爝f代理點(diǎn)多達(dá)10家，每天平均件數(shù)3000多件，為了解決快遞“最后一公里”配送問題，在位于學(xué)校西北角離學(xué)生宿舍樓450～700米左右的位置建立校園快遞服務(wù)站，并考慮到實(shí)際情況采用了智能自提柜與快遞服務(wù)站兩種方式相結(jié)合的模式以解決配送問題。此服務(wù)站建立至今有過布局改良，但仍存在許多問題：

1.學(xué)生取件高峰期集中在上午或下午最后一節(jié)課后一個(gè)小時(shí)左右的時(shí)間。由于快遞站點(diǎn)本身的空間面積有限，且取件人數(shù)過多，操作臺有限，取件需要打開二維碼或者掃碼，所以難以避免出現(xiàn)排隊(duì)的情況。

2.智能自提柜數(shù)量不夠，通過該服務(wù)站實(shí)習(xí)生統(tǒng)計(jì)的數(shù)據(jù)，發(fā)現(xiàn)每天自提柜都是滿的，空閑很少，貨物發(fā)生特殊情況丟失的件數(shù)與貨運(yùn)總件數(shù)之比的貨差率近0.1%左右。

3.快遞服務(wù)站為5米×65米的狹長區(qū)域，占地面積325平方米，由于布局原因，存在著空間浪費(fèi)的現(xiàn)象。

智能自提柜模式是指在終端配送過程中派件員把快件存放于智能快件箱，等待收件人掃碼取貨的收件方式。因取件快而很少排隊(duì)，高峰期時(shí)會有2、3人排隊(duì)現(xiàn)象。開放式快遞服務(wù)站模式指的是通過校園快件代理點(diǎn)統(tǒng)一代收和管理校園快件的模式，如圖1所示，開放式快遞服務(wù)站內(nèi)主要有19個(gè)貨架、2臺自助掃碼設(shè)備與寄件服務(wù)柜臺。通過與工作人員一對一訪談了解到：“開放式快遞服務(wù)站內(nèi)，無需工作人員協(xié)助，收件人便可獨(dú)立完成取件。這不僅提升了工作效率，也給收件人帶來方便。”

收件人只需打開菜鳥軟件或支付寶小程序里的“菜鳥裹裹”，就能查到入庫快遞的對應(yīng)貨架號、層號和順序號，也就是快件的具體位置，相應(yīng)的取件碼也會顯示在其中。收件人還可利用軟件的邀請功能，“等同學(xué)好友加入后，不僅能看到他們的快遞信息，也可以實(shí)現(xiàn)幫取?！?/p>

然后，在自助掃碼設(shè)備上，收件人手機(jī)端打開菜鳥驛站，點(diǎn)擊貨物取件便會出現(xiàn)二維碼，把手機(jī)二維碼和貨物二維碼一起放在正對機(jī)器攝像頭的一面進(jìn)行掃描，綠色代表取件成功，防止了誤取或冒領(lǐng)的現(xiàn)象。

不過，通過實(shí)地與取件學(xué)生一對一訪談，也了解到目前存在的缺點(diǎn)，如不會操作的學(xué)生會耽誤時(shí)間而造成排隊(duì)；收件人信息的隱私安全得不到保障；開放式服務(wù)站寄件服務(wù)需要工作人員介入。

四、基于Flexsim軟件的建模仿真

建立3D虛擬仿真系統(tǒng)有助于發(fā)現(xiàn)現(xiàn)實(shí)系統(tǒng)運(yùn)行中存在的問題，幫助對現(xiàn)實(shí)物流系統(tǒng)設(shè)計(jì)和運(yùn)行做出明智的決策[5]。通過不斷修改3D模型參數(shù)并進(jìn)行仿真可以試探出解決問題的方案，并通過仿真對方案進(jìn)行驗(yàn)證[6]。本文利用Flexsim軟件方便用戶建模，且省時(shí)省投資[7]。

1.構(gòu)建模型布局（預(yù)先定義長度單位為米，時(shí)間單位為秒）

通過現(xiàn)場調(diào)研得知：菜鳥驛站的自提柜有5個(gè)，近鄰寶有1個(gè)。菜鳥驛站每個(gè)自提柜都有一個(gè)小的操作面板，近鄰寶只需要手機(jī)點(diǎn)擊取件，自提柜的柜箱大、中、小配置及數(shù)量如表1。

開放式快遞服務(wù)站內(nèi)貨架共有19個(gè)，其層數(shù)、編號、每層擺貨平均數(shù)量如表2。

依據(jù)上述數(shù)據(jù)利用Flexsim軟件創(chuàng)建快遞服務(wù)站3D模型布局，如圖2所示。

2.定義系統(tǒng)流程邏輯

經(jīng)現(xiàn)場跟蹤調(diào)查，貨物到達(dá)之前物流公司已由安檢系統(tǒng)對快件進(jìn)行過安檢，貨物到達(dá)學(xué)?？爝f站只需要進(jìn)行簡單消殺后，由工作人員和兼職人員在自己的手機(jī)端安裝相應(yīng)的APP，并通過賬號登錄APP掃描快件包裝上的二維碼后直接入柜或者上架。掃描完快件二維碼的同時(shí)，APP平臺會自動發(fā)送取件通知至用戶?？爝f自提柜和開放式快遞服務(wù)站兩種取件模式的流程，如圖3、圖4所示。

依照流程創(chuàng)建模型實(shí)體之間的邏輯，如圖5所示。

3.編輯系統(tǒng)對象（實(shí)體）參數(shù)

校園快遞服務(wù)站系統(tǒng)仿真建模是離散事件的仿真，高峰期收件人學(xué)生的到達(dá)可視為隨機(jī)變量，通過對2021年10月23日～11月23日一個(gè)月內(nèi)采集到的數(shù)據(jù)進(jìn)行整理和預(yù)處理，確定其服從的概率分布類型，但在實(shí)際情況中，概率分布類型?？梢酝ㄟ^經(jīng)驗(yàn)確定[8]。在快遞服務(wù)站的入庫和出庫流程中，根據(jù)當(dāng)天貨物總數(shù)、自提柜入柜數(shù)量、自助貨架上貨數(shù)量計(jì)算出相應(yīng)的占比。

（1）快件到達(dá)的時(shí)間序列設(shè)置。2021年10月23日～11月23日平均全天快件到達(dá)總數(shù)3732個(gè)，分3批次分別在早9:00、9:45、10:20到達(dá)，模型中快件到達(dá)的時(shí)間序列設(shè)置參數(shù)設(shè)置如圖6所示。

（2）收件人到達(dá)時(shí)間間隔的設(shè)置。令收件人到達(dá)的時(shí)間間隔為x，在取件 |a,b| 內(nèi)服從負(fù)指數(shù)分布：

在對校園快遞服務(wù)站2021年10月23日～11月23日一個(gè)月的到達(dá)時(shí)間間隔數(shù)據(jù)的預(yù)處理中，14:00～15:00、19:30～22:00的出庫高峰期均在K-S檢驗(yàn)中得出服從負(fù)指數(shù)分布的結(jié)論，第一段數(shù)據(jù)的P值為0.697，第二段數(shù)據(jù)的P值為0.483，均遠(yuǎn)大于0.05，即不拒絕數(shù)據(jù)服從負(fù)指數(shù)分布。

（3）模擬流程的暫存區(qū)。設(shè)置六個(gè)暫存區(qū)用于模擬搬運(yùn)的小車，其最大容量設(shè)置為50。由于快遞服務(wù)站的實(shí)際空間有限，每個(gè)自提柜前最多可容納 30 人進(jìn)行排隊(duì)取件，所以將每個(gè)自提柜所對應(yīng)的暫存區(qū)的最大容納量設(shè)置為15。其他的暫存區(qū)屬于節(jié)點(diǎn)與多個(gè)對象進(jìn)行連接，需要在出口的地方設(shè)置成隨機(jī)分配。

（4）模擬入柜上架操作的處理器。入柜速度一般是150個(gè)/小時(shí)/人，即平均1個(gè)/24秒，但在實(shí)際情況中，通常先由一個(gè)人進(jìn)行入柜操作，另一人進(jìn)行二維碼的生成，通過調(diào)查統(tǒng)計(jì)，得到平均速度為1個(gè)/30秒。上貨架一般是200個(gè)/小時(shí)/人，即平均1個(gè)/18秒，實(shí)際情況是上完貨架后需要二維碼生成，通過統(tǒng)計(jì)調(diào)查，得到平均速度是1個(gè)/25秒?？旒暮唵蜗麣⑵骄?秒/個(gè)，人員移動速度2米/秒。

（5）模擬取件的合成器。通過實(shí)地調(diào)查，學(xué)生自提柜取件的耗時(shí)大都是在10秒～15秒，將合成器的工作時(shí)間設(shè)置為exponential(10, 15, 0)；學(xué)生貨架取件耗時(shí)一般在9秒～22秒，將合成器的工作時(shí)間設(shè)置為exponential(9, 22, 1)，取貨后自助掃描時(shí)間設(shè)置為exponential(9, 15, 2)。

4.模型仿真及結(jié)果分析

依據(jù)2021年10月23日～11月23日每10分鐘取件學(xué)生到達(dá)人數(shù)（單位：人）的調(diào)研數(shù)據(jù)（每日統(tǒng)計(jì)時(shí)段：9:00～22:30），確定模型仿真分為四個(gè)時(shí)段：取件非高峰期9:00～14:00、取件高峰期14:00～15:00、取件非高峰期15:00～19:30、取件高峰期19:30～22:30。每個(gè)仿真時(shí)段記錄入庫、出庫累積量、最大排隊(duì)人數(shù)、人員和設(shè)備空閑率。取件高峰期和非高峰期學(xué)生到達(dá)時(shí)間間隔服從負(fù)指數(shù)分布exponential(0,6,0)、exponential(8,25,0)，圖7、圖8分別為時(shí)段9:00～14:00、14:00～15:00模型仿真結(jié)果。

通過 Flexsim 仿真模型運(yùn)行結(jié)果顯示，入庫5小時(shí)5名工作人員共完成1322件貨物的入柜和上架任務(wù)，由餅圖看出工作人員和兼職人員的空閑率均為 0%；自助貨架區(qū)2臺自助掃碼設(shè)備和自提柜驗(yàn)件窗口的空閑率分別為68%、90%、95%；此時(shí)段學(xué)生取件非高峰期，取件量為551個(gè)，隊(duì)列1和隊(duì)列2最長排隊(duì)人數(shù)均為1。

如圖8所示， 仿真1小時(shí)5名工作人員共完成461件貨物的入柜和上架任務(wù)，由餅圖看出工作人員和兼職人員的空閑率均為0%；自助貨架區(qū)2臺自助掃碼設(shè)備和自提柜驗(yàn)件窗口的空閑率分別為2.1%、2.5%、64%；此時(shí)段學(xué)生取件高峰期，取件量為523個(gè)，隊(duì)列1和隊(duì)列2最長排隊(duì)人數(shù)分別為1、30。全天所有時(shí)段仿真數(shù)據(jù)，如表3。

分析得出服務(wù)站取件排隊(duì)系統(tǒng)在人流量的高峰期，若掃碼設(shè)備出現(xiàn)故障，將會導(dǎo)致整個(gè)系統(tǒng)癱瘓；系統(tǒng)在22:30以后還有261個(gè)快件未入柜和上架，471個(gè)快件未領(lǐng)取，導(dǎo)致高達(dá)12.6%的貨差率（未發(fā)送取件通知或通知太晚）。

5.模型仿真優(yōu)化

對模型進(jìn)行修改：增加2名兼職人員，自助貨架取件處增設(shè)1臺自助掃碼設(shè)備，仿真結(jié)果如圖9、圖10所示。

圖9仿真結(jié)果顯示，入庫5小時(shí)7名工作人員共完成1772件貨物的入柜和上架任務(wù)，由餅圖看出工作人員和兼職人員的空閑率均為 0%；自助貨架區(qū)3臺自助掃碼設(shè)備和自提柜驗(yàn)件窗口的空閑率分別為68%、90%、95%；此時(shí)段學(xué)生取件非高峰期，取件量為551個(gè)，隊(duì)列1和隊(duì)列2最長排隊(duì)人數(shù)均為1。

如圖10所示， 仿真1小時(shí)7名工作人員共完成561件貨物的入柜和上架任務(wù)，由餅圖看出工作人員和兼職人員的空閑率均為 0%；3臺自助掃碼設(shè)備和自提柜驗(yàn)件窗口的空閑率分別為19%、19%、29%、73%；此時(shí)段學(xué)生取件高峰期，取件量為595個(gè)，無排隊(duì)。全天所有時(shí)段仿真數(shù)據(jù)，如表5。

由表3、表4可知，模型優(yōu)化前后的運(yùn)行情況：

1.在每天的9:00～19:30增加兼職人員2名，快件入庫效率提升，以縮短兼職人員的工作時(shí)長，降低貨差率。優(yōu)化前系統(tǒng)在22:30以后還有261個(gè)快件未入柜和上架，以及471個(gè)快件未領(lǐng)取而產(chǎn)生12.6%的貨差率。優(yōu)化后19：40完成全部快件的入庫，未領(lǐng)取快件249個(gè)，貨差率降低至6.67%；

2.排隊(duì)情況得到解決。優(yōu)化前最長排隊(duì)人數(shù)為48人，優(yōu)化后最長排隊(duì)人數(shù)為3人。

3.有效降低學(xué)生取件高峰期因掃碼設(shè)備空閑率低，而導(dǎo)致系統(tǒng)癱瘓的概率。優(yōu)化前非高峰期掃碼設(shè)備平均空閑率為70.75%，高峰期平均空閑率為2.07%。優(yōu)化后非高峰期三臺掃碼設(shè)備平均空閑率為80.16%，高峰期平均空閑率為20.16%。學(xué)生取件高峰期掃碼設(shè)備的平均空閑率由2.07%提高至20.16%。

綜合以上，增設(shè)自助掃碼設(shè)備1臺，在每天的9:00～19:30增加兼職人員2名，是較為合理的選擇。

五、結(jié)論

本文基于Flexsim仿真以新疆農(nóng)業(yè)大學(xué)快遞服務(wù)站為例，為解決高?？爝f站在快件到達(dá)與取件高峰期，工作人員超負(fù)荷、驗(yàn)件設(shè)備高運(yùn)轉(zhuǎn)、學(xué)生時(shí)間成本浪費(fèi)等問題，進(jìn)行了Flexsim 的仿真分析研究，發(fā)現(xiàn)問題并最終通過對快遞服務(wù)站在原有5名工作人員、2臺自助掃碼設(shè)備的基礎(chǔ)上再增加 2 名兼職人員和1臺自助掃碼設(shè)備。