菜鸟驿站作业流程仿真与优化

凌翔天，王赫鑫

（北京航空航天大学 经济管理学院，北京 100191）

0 引言

国家统计数据显示，2020 年全年快递业务量和业务收入分别完成830 亿件和8 750 亿元，同比分别增长30.8%和16.7%，这说明整个行业仍在快速发展当中。然而，在其高速发展的同时一些问题也尤为突出，比如，处于物流服务链末端的城市配送问题，尤其是末端配送问题，即“最后一公里”问题，成为了其中的一个瓶颈环节。部分相关企业数据显示，末端配送环节消耗的成本费用占总物流费用的30%以上。所以，对末端配送环节的研究优化以及相应的改进意见能够显著地降低企业的物流成本，具有较强的现实意义。

作为“最后一公里”配送模式中的典型，菜鸟驿站在“双十一”、“双十二”等购物促销时段存在过载的情况，在平时的部分时段也存在顾客取件排队过长的情况。所以，对末端物流配送系统的模式和流程进行研究和优化具有一定的必要性，以期实现降低人工、设备等不必要的成本花费，降低工作人员的劳动强度，提升设备和设施安排的利用率等。

传统的对物流配送系统的研究，更多的是从理论方面去探讨分析，与实际情况可能存在一定的出入，而使用仿真软件建立模型，可以对系统运行情况进行验证和观察分析，同时也能降低实际布置、规划而产生的成本。

由于许多领域中涉及到的系统很难以一种准确的数学模型来进行描述和分析，所以仿真技术在这些领域中的应用具有较为突出的优势。基于此，国内外的学者仿真技术的应用方面进行了大量研究，并取得了较多的成果。

在国内，学者使用仿真技术对各个行业中的复杂系统进行了仿真模拟。路亮[1]借助Flexsim 软件对烟草物流配送中心系统进行仿真建模，通过一个具体的烟草配送中心案例，研究总结出了企业实际存在的瓶颈并提出了改进方案。张李威[4]利用Flexsim软件对中商平价物流仓储中心系统进行仿真模拟，设计出了仓库作业的概念模型，通过对仿真结果的分析，找出了作业流程中的瓶颈所在，并提出了优化方案，提高了设备利用率。许植深，等[5]基于AnyLogic仿真软件对高铁快运物流进行建模仿真，为优化改进设施设备配置和人力资源调度提供了决策支撑。张莹莹，等[6]借助Flexsim软件对医药物流中心进行仿真建模，将无法在实体系统中一一实行的各个优化方案在仿真界面中模拟运行，为医药物流的管理优化提供了数据来源与决策支撑。

在国外，学者也早已将仿真技术应用于各个领域当中。Zhang，等[7]从某钢铁物流园区的实际情况出发，利用仿真软件对园区内部道路规划进行仿真和优化，最终得出较优的布局方案。Tan，等[8]利用Arena仿真软件对非自动化物流配送中心及其作业流程进行仿真模拟，对其效率进行评价和总结，给出了优化建议。Rodrigues，等[9]将目光聚焦于车间生产调度系统，通过建立混合仿真模型，定量地寻找一种可以实现灵活车间调度模式的逻辑模型和优化方案。Ishak，等[10]针对虎钳的生产流程运用Flexsim 仿真软件进行模拟，验证具有特定生产数量要求的生产过程时间是否是有效的。Nie，等[11]以轨行式门式起重机的装卸模式作为研究对象，通过Flexsim 仿真软件找出最优的装卸作业模式，为铁路集装箱码头的生产经营实践提供支持和思路。Wu，等[12]利用Flexsim 软件对钢铁厂的生产过程进行了仿真模拟，将结构优化方法与仿真模拟方法相结合，一方面优化了瓶颈环节，一方面也验证了结构优化理论的正确性。Tamburis，等[13]基于医院的案例研究，建立了流程挖掘与仿真建模之间的关系，即前者可以为后者提供可靠前提。Hong，等[14]利用Arena仿真软件对美国东部的地下长壁煤矿进行离散事件模拟，并对其中的瓶颈环节提出了较优的替代和改进方案。Olave-Rojas，等[15]利用AnyLogic仿真软件对院前急救医疗服务的通用流程建立混合仿真模型，并基于真实数据验证了模型的可靠性，指出了模型中的关键节点和环节。

以上国内外学者的研究将仿真技术应用于各类领域当中，并且都取得了一定的成效，研究出了多种优化瓶颈环节的方法。学者的研究同时也说明，在物流配送领域应用仿真技术是具有一定优越性的，可以减少人力、物力、财力的浪费，降低实际方案产生的不可控风险，同时在仿真模型的对比中就可以选择其中的最佳规划方案。但是，目前对于快递驿站系统仿真模拟的研究较少，这也是本文研究的重点。

由于物流末端配送的“最后一公里”问题是事关顾客满意水平、末端配送工作人员效率以及工作强度的瓶颈环节，所以国内的许多学者已就这一领域做了许多的研究。

对总体末端物流配送模式即快递“最后一公里”配送模式的研究当中，李亚东，等[16]总结了中国目前较为成熟的三种“最后一公里”配送模式各自的优缺点，如菜鸟驿站为代表的“驿站代收自提”模式,以丰巢为典型例子的“自提柜”模式以及最后以苏宁、京东为代表的“送货上门”模式。该研究给出了不同模式相结合、引入RFID和大数据分析技术等改进建议。

对于驿站代收自提配送模式的研究当中，沈郁珊，等[3]对苏州荣域花园社区菜鸟驿站进行了深入分析，总结了该菜鸟驿站存在的优势和劣势，着重分析讨论了驿站存在的高峰时段排队过长、取件查找较麻烦、配送成本高等问题，并给出了相应的建议。田东伶[2]基于SERVPERF模型，针对运城市社区菜鸟驿站建立服务质量评价指标体系，运用模糊评价法对其服务质量进行评价，最终得出了菜鸟驿站可靠性、便利性评分较高，但对加盟体系的管理工作仍有待提高。而对于高校菜鸟驿站的研究当中，王俊，等[17]就西交院菜鸟驿站的服务现状，通过问卷调查和实地考察相结合的方法，总结了菜鸟驿站在布局方面存在的问题，并给出了相应的优化建议。

以上国内学者已在快递驿站服务状况的研究中取得较好的理论成果，针对本文研究的菜鸟驿站，学者也已提出了不同的方案以解决存在的问题和弊端，但是目前针对这些优化方案的验证尚存在继续完善的空间，本文认为通过仿真模型对快递驿站的优化方案进行验证具有一定的优越性。

1 上海某菜鸟驿站概述

1.1 上海某菜鸟驿站概况

根据上海某菜鸟驿站提供的2020 年12 月的出入库数据显示，该驿站全月共入库快件48 091件，单个操作员的入库流程时间大约为11s，出库流程时间大约为21s。入库与出库流程中需要扫描快件二维码的部分均为作业人员手持菜鸟驿站专用PDA手持终端完成。另外，由于每日入库的快件并不会全部在当日被顾客取走完成出库，根据数据统计算得每日的积压库存量约为217件。

1.2 上海某菜鸟驿站目前存在的问题

上海某菜鸟驿站有以下问题存在：

（1）在入库高峰期，快件的到达量会占全天快件总到达数的80%以上，所以在该时段内往往会存在快件堆积的情况，作业人员往往需要在之后保持高负荷的工作强度来完成入库上架的工作。而在入库非高峰期的时候，很长时间内才会派送来零星的快件，会导致作业人员工作强度低、“无所事事”的情况出现。

（2）在顾客取件高峰期，顾客的到达数会占全天顾客总到达数的60%左右，而在次高峰期则会占到总数的30%左右，这导致了在两段高峰期会存在顾客排队队列过长、排队时间过久的情况，同时作业人员的工作强度较高。

2 上海某菜鸟驿站系统仿真

2.1 数据输入与参数估计

由于对菜鸟驿站的系统仿真建模是离散事件仿真，所以快件的到达和顾客的到达均可视为随机变量。随机变量服从的概率分布类型的确定，通常需要对所采集到的数据进行预处理和整理总结后得到，而在实际情况中，该分布类型往往可以通过经验和理论直接确定。

在菜鸟驿站的入库和出库流程中，通常都可以将作业流程参照排队模型进行仿真，并基于对菜鸟驿站实际的数据进行预处理和分析，来拟合得到相应的分布参数。

（1）快件到达的时间间隔的设置。令快件到达的时间间隔为x，在取件|a,b|内服从负指数分布：

在对上海某菜鸟驿站2020 年12 月的入库数据的预处理中，11时-14时的入库高峰期以及14时-20时的入库非高峰期均在K-S检验中得出服从负指数分布的结论，两段数据的P 值均在0.7 之上，远大于0.05，即不拒绝数据服从负指数分布。

（2）顾客到达的时间间隔的设置。令顾客到达的时间间隔为x，在取件|a,b|内服从负指数分布：

在对上海某菜鸟驿站2020 年12 月的出库数据的预处理中，10时-14时的出库次高峰期以及14时-21时的出库高峰期均在K-S检验中得出服从负指数分布的结论，第一段数据的P值为0.751，第二段数据的P值为0.555，均远大于0.05，即不拒绝数据服从负指数分布。

2.2 上海某菜鸟驿站各模块仿真模型

2.2.1 收件入库模块仿真模型。收件入库模块的仿真模型如图1所示。

图1 收件入库模块仿真模型

该模块仿真模型所做的假设模拟及参数设置如下：

（1）根据2020年12月上海某菜鸟驿站的入库数据，通过统计方法拟合快件到达时间间隔服从的概率分布，拟合结果显示快件到达时间间隔服从负指数分布，并将相应的分布参数设置在模型的快件到达中，具体参数见表1。

表1 收件入库模块部分参数

（2）快件到货后放置在随机可用的卸货区中。由于运输工具的运输存在延迟，所以如果在快件到达及卸货区中设置运输工具（如快递员或车辆等），会导致快件到达产生的快件无法及时运到卸货区，从而导致快件到达数减少，故模型中并没有体现快递员，但这对整体的仿真流程和结果并无影响；

（3）快件的卸货收件、入库上架流程由4 名作业人员同时操作，采用随机可用的策略进行任务调度。根据对数据的预处理，计算得作业人员平均在入库上架中耗费的时间为11s。

2.2.2 取件出库模块仿真模型。取件出库模块的仿真模型如图2所示。

图2 取件出库模块仿真模型

该模块仿真模型所做的假设模拟及参数设置如下：

（1）根据2020年12月上海某菜鸟驿站的出库数据，通过统计方法拟合顾客到达时间间隔服从的概率分布，拟合结果显示顾客到达时间间隔服从负指数分布，并将相应的分布参数设置在模型的顾客到达中，具体参数见表2。

表2 取件出库模块部分参数

（2）模型中的快件到达用于模拟单日的入库快件数，由前一个收件入库模块仿真模型运行后的结果提供具体数值。

（3）模型中刚到达的顾客暂存区在现实中是不存在的，在此处是为了模拟顾客到达驿站并根据取件提示前往不同工作区并进行排队取件的过程，使得流程和规划更为清晰。

（4）快件的快件出库、交付顾客流程由2 名作业人员操作，采用随机可用的策略进行任务调度。根据对数据的预处理，计算得作业人员平均在快件出库和交付顾客流程中耗费的时间为21s。

（5）在实际情况中，顾客需要根据取件码到相应的货架前取件。在仿真模型中体现为在顾客生成时，等概率随机生成1-5的数字标签，分别对应1号-5 号的货架快件。当顾客随机进入可用的交付顾客实体时，操作人员需要根据顾客的需求（即数字标签）前往相对应的货架取件交付。

2.3 仿真运行与结果分析

2.3.1 仿真运行控制。仿真模型建立完成后，运行模型进行仿真，为了尽可能减小误差、提高精度，对上海某地菜鸟驿站的仿真模型的仿真运行时间设定为32 400s（收件入库）/39 600s（取件出库），运行10次仿真模型，记录、整合输出结果，并分析得出结论。

2.3.2 仿真模型验证。根据2020 年12 月上海某菜鸟驿站的出入库数据统计算得每日的积压库存量约为217 件，而在取件出货模块模型的运行结果中显示，每日大约积压库存231 件，这与实际库存积压情况的偏差为6.45%左右，这说明该仿真模型能够较好的反映上海某地菜鸟驿站的实际情况。

2.3.3 仿真结果分析。经过10 次的仿真模型运行后，输出模型的统计报告表，对仿真结果进行平均化处理，结合菜鸟驿站目前实际存在的问题，得到仿真结果统计数据见表3。

表3 仿真结果统计数据

通过观察收件入库模块模型的仿真模型运行以及统计报告的输出结果，在高峰期的时候，卸货区存在快件堆积的情况，同时作业人员繁忙与空闲状态并存，具体是在快件到达高峰期繁忙而在非高峰期闲置率极高，这在一定程度上造成了人力资源的浪费，增加了劳动力成本。可能可行的解决方案是采取高峰期与非高峰期的弹性工作机制，由于快件到达和顾客到达的高峰期并不重合，所以可以采用弹性的人员调配机制，改善入库存在的一些问题，更合理的进行人员调度，避免人力资源的浪费。

通过观察取件出库模块模型的仿真模型运行以及统计报告的输出结果，在高峰期时存在顾客队列繁忙且排队人数过长的情况，同时作业人员普遍繁忙率较高。可能可行的解决方案是通过设计顾客取件预约系统（即使得顾客到达更加平滑，可用均匀分布进行模拟）或取件挂号系统（使得作业人员可以批量的从同一货架中取多个快件交付给多个顾客）来降低高峰期的队列繁忙和排队人数过长的情况，这能够有效提升顾客的满意度。

3 仿真模型的优化与分析

3.1 优化方案

3.1.1 收件入库优化方案：弹性人员调配。根据上海某菜鸟驿站2020 年12 月的入库数据，该驿站11时-14 时为入库高峰期，14 时-20 时为入库非高峰期。根据这一客观情况，引入弹性人员调配机制，根据高峰期与非高峰期动态的分配作业人员数量，以达到更高的工作效率。

在引入弹性人员调配机制后，模型中的部分参数和逻辑需要重新进行设定，具体改变为：原先的快件卸货收件、入库上架流程由4 名作业人员同时操作，采用随机可用的策略进行任务调度，现改为在高峰期仍由4名作业人员同时操作，高峰期过后减少2名作业人员，将快件卸货收件、入库上架流程改由2名作业人员同时操作，采用随机可用的策略进行任务调度。

另外还对收件入库模块模型中的一部分细节进行了微调，原先的作业人员在任务空闲时会停留在仓储区待命，现改为任务空闲时停留在卸货区待命，这可以减少部分行走造成的时间浪费，在一定程度上可以增加入库流程的整体工作效率。

3.1.2 取件出库优化方案一：取件预约系统。针对取件高峰期存在的顾客队列繁忙且排队人数过长的情况，一个解决的方案是尽量让顾客到达更加均匀、平滑，这样可以让高峰期的顾客峰值平均地分布在不同时段，使得作业任务集中性下降，从而使得顾客队列繁忙情况有所缓解，提升顾客的满意度。

在引入取件预约系统后，顾客可以在该系统中动态的看到不同时段当前已预约的取件人数，根据自身方便的时段合理规划预约取件时段。模型中的部分参数和编译代码需要进行调整，具体改变为：原先的顾客到达时间间隔在不同时间段服从不同的负指数分布，具体为10 时-14 时的出库次高峰期以及14时-21时的出库高峰期服从的分布参数不同，改动后的模型在顾客总到达数不变的情况，将顾客到达时间间隔调整为均匀分布。

3.1.3 取件出库优化方案二：取件挂号系统。针对取件高峰期存在的顾客队列繁忙且排队人数过长的情况，另一个解决的方案是让作业人员可以更高效的将快件交付给顾客，具体的做法是根据顾客快件位于的不同货架，批量的进行快件出库、交付顾客的工作，减少作业人员重复去相同货架多次取件浪费的时间，从而使得作业人员的工作效率提升，进而使得顾客队列繁忙情况有所缓解，提升顾客的满意度，也能在一定程度上降低作业人员的工作强度。

在引入取件挂号系统后，顾客可以在排队前提前在该系统中进行挂号操作，录入自身的取件码。作业人员可以根据该取件挂号系统上记录的顾客取件码合理规划自身的取件路线，如批量从同一货架出库多个顾客的多个快件，从而增加出库流程的工作效率。模型中的部分参数和逻辑需要重新进行设定，具体改变为：原先当单个顾客随机进入可用的交付顾客实体时，工作人员需要根据该单个顾客的需求前往相对应的货架取件交付，改动后的模型在货架和工作人员数量不变的情况下，改变了工作人员的快件交付逻辑，即工作人员会在同一个货架处批量（模型中设定为3件）地进行快件出库操作，并交付给多名顾客。

3.1.4 取件出库优化方案三：取件预约系统与取件挂号系统相结合。针对取件高峰期存在的顾客队列繁忙且排队人数过长的情况，优化方案三将前两个优化方案中的辅助排队系统相结合使用，让作业人员可以更高效的将快件交付给顾客，让顾客可以挑选人数较少的时间段来取件。

3.2 仿真优化结果分析

在仿真模型运行时间及次数相同的情况下，比较不同模块的优化方案应用前后上海某地菜鸟驿站系统仿真运行结果，从人员空闲率及设备利用率等方面对比结果如图3、图4所示。

图3 收件入库模块优化前后人员、设备空闲率对比

图4 取件出库模块优化前后人员、设备空闲率对比

对于收件入库模块模型来说，引入弹性人员调配机制之后，作业人员的空闲率大幅下降，由原模型的60.86%下降到改进后模型的26.59%，这说明在非高峰期合理的减少作业人员的数量可以较为显著的降低作业人员的闲置时间，提高人员利用效率。同时，卸货区的繁忙率有所上升，但是整体上升的幅度不大，只有0.5%，这说明采用弹性人员调配机制在非高峰期减少作业人员人数对于整体的卸货收件效率并没有太大的影响。

对于取件出库模块模型来说，引入取件预约系统（方案一）后，队列繁忙率有所下降，比原模型下降了5.11%，交付顾客实体的繁忙率有所下降，比原模型下降了3.28%,这说明作业流程的集中程度有所下降，但是该取件预约系统的引入会导致工作人员的繁忙率上升，增加作业人员的工作强度；引入取件挂号系统（方案二）后，队列繁忙率有较多下降，比原模型下降了16.83%，工作人员的繁忙率有所下降，比原模型下降了1.57%，提升了作业人员的工作效率，但是该取件挂号系统的引入也会导致交付顾客实体的繁忙率有所上升，这说明作业流程的集中程度有所上升；同时采用取件预约系统和取件挂号系统（方案三）后，队列繁忙率有显著的下降，比原模型下降了33.12%，工作人员的繁忙率有所下降，比原模型下降了2.57%，提升了作业人员的工作效率，但是同时采用取件预约系统和取件挂号系统也会导致交付顾客实体的繁忙率有所上升，这说明作业流程的集中程度有所上升。

3.3 取件出库模块优化方案比较

综合比较引入取件预约系统、引入取件挂号系统以及同时采用两个辅助排队系统这三个方案，这三个方案都可以一定程度上缓解上海某地菜鸟驿站存在的队列长时间繁忙、顾客排队时间过长的情况，但这三者要么会增加作业人员的工作强度，要么会增加作业流程的集中程度，但增加的幅度并不大，属于可接受的范畴之内。

从降低队列繁忙率的效果上来看，同时采用两种辅助排队系统的方案表现比单独采用其中某一种辅助排队系统的方案表现更好。另外，同时采用两种辅助排队系统的方案从逻辑和系统实现的角度来说也是合情合理并且可实现的，当顾客在预约取件的时候可以同时进行挂号操作，这样可以让驿站的工作人员提前将相应的快件取出，一方面可以让驿站的工作人员弹性地分配一天的工作负荷，一方面也可以让驿站工作人员根据顾客挂号信息，批量地对处于同一或相近货架上的快件进行操作，但这一方案的问题在于，①取件预约系统对顾客的到达取件时间提出了一定的要求，这可能会导致顾客情绪的不满以及满意度的下降，②顾客在预约和挂号后可能存在没有按时来取件的情况，这要求驿站管理决策层需要规划一片区域用于放置这些“过号”的快件，并且如果一天之内仍没有顾客来取，还需要驿站工作人员重新将这些“过号”快件放回货架，这无形中增加了工作人员的工作负荷。

如果考虑采用单一的辅助排队系统，从降低队列繁忙率的效果上来看，采用取件挂号系统的方案比采用取件预约系统的方案表现更好。同时，取件挂号系统更多是从驿站本身的工作模式和任务调度模式着手改进，并没有对顾客提出额外的要求，而取件预约系统则相反，它本身并没有改进驿站本身的工作模式和任务调度模式，而是对顾客的到达取件时间提出了一定的要求，这可能会导致顾客情绪的不满以及满意度的下降。从这一角度来看，取件挂号系统比取件预约系统更为优越。

4 结语

本文基于2020 年12 月上海某菜鸟驿站的出入库数据，以物流配送“最后一公里”问题为背景，研究并抽象上海某地菜鸟驿站作业流程模型。采用模块化建模思想，利用Flexsim软件对菜鸟驿站的入库、出库流程进行仿真建模。

通过以上工作所得结果如下：

（1）对于上海某菜鸟驿站的入库、出库流程，通过Flexsim建立的仿真模型能够较好地模拟和实现驿站实际工作流程。以实际积压库存量作为验证指标，与建立的仿真模型产出的仿真结果进行比对，发现误差率在5%左右，验证了该仿真模型较好地反映了驿站实际工作状况。

（2）提出了优化的建议和方案措施，并且基于优化方案建立仿真模型并验证优化结果。通过优化前后人员空闲率、设备利用率等指标的对比，最终得出结论：在入库流程中，采用弹性人员调配机制能够有效地增加菜鸟驿站的系统效率，降低非高峰期的人员闲置率；在出库流程中，从降低排队时间和队列繁忙率的角度来看，方案三（同时采用取件预约系统和取件挂号系统）优于方案二（只采用取件挂号系统）优于方案一（只采用取件预约系统），从顾客满意度的角度来看，取件挂号系统优于取件预约系统。

本研究着眼于实际情况，针对现实中的具体问题提出了优化方案，但仅针对菜鸟驿站的入库和出库流程。虽然运用Flexsim软件提出了菜鸟驿站的优化方案，但在以下几个方面仍存在不足，未来还可以进行进一步的改进和完善：

（1）由于本文的数据来源基于上海某菜鸟驿站，且仅为12 月份的出入库数据，所以可能存在样本量不够大、实际模型的泛用性不佳的情况，这一方面需要后续研究根据不同地域、不同社区的菜鸟驿站具体问题具体分析，合理地对模型进行调整和改进（如不同菜鸟驿站的货架数量不同、操作员的平均操作时间也不同），另一方面也需要尽可能多的驿站数据进行更加精确的建模和分析归纳。

（2）本文在建立仿真模型时提出了部分假设，例如在采用取件挂号系统时，默认驿站工作人员批量地处理三件快件，这基于的是快件重量、大小适中的假设，但是实际情况中顾客快件的重量和大小都是不确定的，可能发生的情况也多种多样。这些假设一方面是因为没有明确的数据来支撑，一方面也是作者的能力有限，无法将这些细节完全考虑周到，未来的研究中可以减少这些理论假设，使得仿真模型更加贴合现实运行状况。