基于Flexsim的B2C電商物流儲位優化策略研究

文/張小藝

一、研究背景及意義

電子商務的實現，以物流體系為支撐。對于B2C電商企業而言，物流服務質量和效率是衡量其競爭力和服務能力的一項重要指標，因此電商物流中心的工作效率十分關鍵。統計數據表明，在實際的物流運作過程中，裝卸、搬運、存儲和揀選總時間占勞工活動的40%，而行走時間卻占到了60%，儲位優化可在一定程度上提高倉庫的空間利用率和貨物揀選的效率，降低揀選錯誤率，提高訂單響應速度。

二、儲位優化綜述

儲位優化，即貨位優化（Slotting Optimization），是指在恰當的儲存方式下為每一種貨物指定一個貨位，使得總揀貨時間最少或行走距離最短，即基于SKU分析貨物的出庫量和出庫頻率，基于訂單分析貨物相關性，并考慮預想不到的變化因素，動態地設置倉庫中貨物的貨位，以保證貨位分布的合理性，從而達到提高揀貨效率和降低運作成本的目的。

常用的基本儲位分配策略有隨機存儲、定位存儲、分類存儲以及共享存儲，其優缺點見表1。

三、基礎數據分析

1.案例背景

自建物流是電商企業的“大動脈”，以B2C電商企業V為例，其總部位于廣州市，自2013年12月9日開始自建物流，截至2017年底共擁有五大物流倉儲中心，倉儲總占地面積已達250萬平方米，分別位于天津、廣東、江蘇、四川、湖北，并以此為原點，分別服務于華北、華南、華東、西南及華中的客戶，輻射半徑直達周邊各省的千萬客戶。目前，該企業99%的訂單都是通過自營物流網絡進行配送。

2.訂單數據的收集

選取電商企業V物流中心2017年最大訂單日進行數據分析，當日訂單數量733筆，出庫SKU880個。搜集當日以下信息，作為數據分析依據。

圖1：前100個SKU的IQ分析圖

圖2：前100個SKU的IK分析圖

（1）SKU信息：即每個SKU的長、寬、高、重量、體積、包裝尺寸、保管特性、分組屬性等；

（2）儲位信息：即貨架的長、寬、高、列數、層數、承載重量、關鍵屬性等；

（3）SKU周轉信息：即出庫量、出庫頻率、產品相關性、銷售預測等。

3.訂單數據的分析

（1）IQ分析

IQ分析，即對每個SKU的訂貨數量進行分析，由EIQ資料統計數據，將各品項的出貨總量IQ按從大到小的順序進行排列，然后進行累積值和比例的計算，得到表2。

由表2可知，該日電商訂單絕大部分SKU的日出貨量均為1，占到SKU總量的88.86%，只有11.14%的SKU日出貨量大于1，因此選取出庫頻次和出庫量排在前100位的SKU進行分析和Flexsim建模仿真，如表3。

對前100個SKU進行IQ分析，出庫量為最大值50的SKU占比1%，29%的SKU出庫量為4，30%的SKU出庫量為3，占比重最大（如圖1）。

（2）IK分析

IK分析，即對SKU的訂貨次數進行分析，由EIQ資料統計數據，將各品項的出貨頻次IK按從大到小的順序進行排列，然后進行累積值和比例的計算得到表4。

表2：IQ計算表

表1：儲位分配策略定性分析表

表3：前100個SKU的出庫頻次和出庫量

表4：IK計算表

圖3：產品相關性分析

圖4：黃金區域劃分圖

圖5：仿真系統框架

對前100個SKU進行IK分析可看出，出庫頻次為最大值24的SKU占比2%，出庫頻次大于10的SKU有30個，可劃分為A類商品；57個SKU的出庫頻次為3，占比重最大，可將這57種商品劃分為B類；剩余所有出庫頻次為1的商品均為C類（如圖2）。

（3）產品相關性分析

733個訂單中只有3個訂單在購買一種產品的同時也購買了另一種產品，如圖3，說明SKU間可能存在一定的相關性，這3個訂單相比訂單總數來說基本可以忽略不計，因此不考慮從產品相關性的角度進行儲位分配，而是從ABC分類的角度進行優化。

（4）產品ABC分析

ABC分析法的核心思想是“抓住重點，分清主次”。在儲位優化中，以提高作業效率為目標，應按照貨物的出入庫頻率進行ABC分類。

該日出庫頻次大于10的30個SKU劃分為A類產品，日出庫頻次為3的57個SKU劃分為B類產品，其余日出庫頻次為1、0的SKU劃分為C類產品。然后，在A、B、C三大類產品下考慮使用多層ABC分類，按比例在每一大類下繼續分出A、B、C類，出庫頻次為24的為AA類，頻次為16、20的為AB類，依次類推，分析結果如表3。

四、儲位優化策略

1.企業庫位分配方案

該企業目前倉庫儲位分配的方式是隨機存儲。與亞馬遜的隨機存儲策略不同，我國很多中小型企業物流中心并不能實現作業全程的大數據驅動，沒有功能強大的智能倉儲系統作為技術支撐，也沒有完善的流程體系和管理機制，使用隨機存儲方式不僅會降低貨物揀選效率，還會給盤點等作業增加不小的難度。

2.基于ABC分類的貨位優化方案

（1）品規ABC分類管理

對于A、B類，即相對重要的產品、中高頻揀取的產品、數量多品種少的產品使用定位儲存，將貨物按某種標準進行分類后每一類貨物存儲在固定的貨位上，是一種分類定位存儲。對于C類，即在同一類別下中低頻揀取的且沒有特殊存儲要求、不會互相影響、數量少品種多的貨物可以使用隨機儲存，即每一類貨物存放在固定貨區，但貨位分配隨機，是一種分類隨機存儲。

該方法對于流動性重要性較高的貨物，分類定位存儲策略有較強的靈活性，方便對儲位進行安排調整，也不會造成太多的存儲空間浪費，同時重點管理A、B類商品可以縮短總揀選距離，提高整體揀選效率；C類貨物在所有商品中占比重最大，種類最多，但出庫頻次很低，采取的分類隨機策略能夠結合分類存儲和隨機存儲的優點，大大提高倉儲空間的利用率，提高作業效率。

（2）貨架區域劃分

貨架黃金區域，顧名思義就是指那些進行搬運、揀貨、出入庫等作業比較方便的區域。劃分倉庫的黃金區域通常也是利用帕累托原則（80/20原則）來進行的，對于一般的倉庫，可以考慮將距離倉庫出入口的路徑值從小到大進行排序，前20%的貨位劃分為黃金區域，即靠近出庫臺、打包區的20%的區域或靠近作業人員腰部附近20%的區域，如圖4。

在貨架列數上，本例貨架列數較多，倉儲區域長度相對寬度大很多，以打包機為圓心畫圓在倉儲區域所截圓弧近似呈直線，誤差可以忽略不計，所以本例將貨架直線分割成A、B、C三部分，即靠近打包區的前20%的區域為A類；在貨架高度上，因為模型貨架只有2層，所以不考慮貨架垂直方向的黃金區域，因此將動銷率較高的A類產品存儲在離出庫臺、打包區較近的區域，方便進行頻繁地揀貨、出庫操作，B類產品次之，C類產品放在最后。

圖6：模型貨位分配全局表

五、Flexsim仿真分析

1.建立仿真模型框架

如圖5，建立仿真系統框架，作業流程如下：貨物初始設定口1連接到貨架A1，貨物初始設定口2連接到貨架B1，貨架A1、B1分別A連接到打包機，訂單發起A連接到打包機，貨架A1、貨架B1、打包機分別連接到叉車，最后打包機A連接到出庫暫存區。設貨架均為2層25列，每個貨格存儲單個SKU，容量為50。訂單發起用于產生托盤臨時實體，叉車根據訂單的需要，將存儲在兩個貨架上的貨物揀選出來并輸送到打包機，打包機讀取訂單的全局表后將同一個訂單的貨物和托盤一起打包，最后一并運至出庫暫存區。

2.設置模型的相關參數及表格

模型貨位參數用全局表設置，rack1表示貨架A1單個貨格上存儲貨物的臨時實體類型，rack2表示貨架B1單個貨格上存儲貨物的臨時實體類型，表格共2行25列，對應貨架的層和列；order表示客戶訂單的全局表，共100行100列，行表示產品，列表示客戶。三個模型貨位分配全局示意，如圖6。

3.建立三種仿真環境

本文建立的Flexsim仿真模型，對三種貨位存儲策略進行仿真，即完全隨機存儲、ABC分類隨機存儲和A、B類定位C類隨機存儲，通過對比三個模型的運行結果來驗證本文優化策略的有效性。

圖7：完全隨機運行結果

圖9：AB類定位C類隨機運行結果

表5：運行仿真結果統計表格

表6：三個模型統計報告

環境一：100SKU完全隨機的儲位分配策略。

環境二：分類隨機的儲位分配策略，即A、B、C分別在各自范圍內隨機。

環境三：A、B類貨物定位存儲的方法，C類隨機分配貨位。

4.初始數據設置

仿真假設其他條件不變，僅SKU對應儲位發生變化，因此訂單全局表完全相同，僅貨架全局表發生變化，即rack1、rack2的全局表不同。需要按照三種仿真環境，分別設置rack1、rack2的兩個全局表中的數據。

5.運行仿真結果分析

（1）成本分析

根據國家《特種設備安全監察條例》，叉車在廠區、車間干道上行駛速度應控制在10km/h的速度范圍內，所以假設叉車的行駛速度為10km/h，3噸叉車每小時耗油在3L左右，因此可得到叉車每公里耗油約0.3L。假設柴油價格為6.5元/L，則燃油成本與行駛里程呈正相關，為0.3×S×6.5=1.95S元。對三個模型的運行仿真結果進行統計，如圖7、8、9。

完全隨機存儲（方案一）模型叉車行駛總路程為141012.42km；ABC分類隨機存儲（方案二）模型叉車行駛總路程為94802.78km；AB類定位C類隨機存儲（方案三）模型叉車行駛總路程為86092.16km。

方案一消耗燃油成本為274.97元；方案二消耗燃油成本為184.87元，比方案一降低了32.77%；方案三消耗燃油成本為167.88元，比方案二又降低了9.19%。可見，優化方案能夠在一定程度上降低物流成本，滿足上文提到的儲位優化低成本的目標。

（2）作業時效性分析

方案一模型運行時間為73280.39秒；方案二模型運行時間為50177.78秒，減少了31.53%；方案三模型運行時間為45831.15秒，比方案二又減少了8.66%。另外，從方案一到方案二再到方案三，叉車、打包機和訂單發起的每小時輸出量逐漸增加，說明物流作業效率越來越高；叉車停留時間平均值逐漸減小也表明叉車運行效率提高，使貨物能夠更加快速地出庫配送并及時送達至客戶，物流作業時效性越來越強。運行仿真結果統計，如表5所示。

另外，從叉車的其它參數來看，負載偏移時間（offset travel loaded）是指叉車到達卸載的目的地即打包區之后，為了把貨物卸載到指定的位置時所進行的移動，反映了叉車在運送過程中的綜合準確度問題，如表6所示，三個方案負載偏移時間越來越低，說明優化方案比前兩種方案的準確率要高，因此避免了很多不必要的行進，提高了作業效率。同理，空載偏移時間（oあset travel empty）是指叉車在揀取臨時實體時離開網絡節點進行的移動，優化方案也能縮短偏移時間；另外，空載行進時間（travel empty）的縮短也能反映效率的提高，作業時效性的加強。

六、總結

本文以某電子商務企業物流中心倉庫為研究對象，結合該物流中心貨位管理的問題，綜合考慮了商品出庫頻次、出庫量、需求相關性等因素后，進行了IQ、IK分析，并對所有100種商品進行了多層ABC分類，提出基于ABC分類的貨位優化方案。由于B2C電商SKU較大，且在每一大類下各種商品的出庫頻次和出庫量的數據差異比較明顯，因此采用多層級ABC分類法進行分類，而對動銷率較高的A、B類商品進行分類定位重點管理，為其指定存放區域后再進行具體的固定貨位分配；C類商品分類隨機，不僅會大大提高揀貨效率，降低作業成本，也能一定程度上提高倉庫空間利用率，同時不會對盤點作業造成很大的麻煩。

根據優化方案，選取了企業銷量排在前100位的SKU設計出一個簡化的仿真模型，并借助Flexsim軟件完成仿真運行，通過不同維度對比以上三種方案的運行結果，最終驗證了優化效果，以期能將其應用到商品種類和數量更多、客戶訂單量更大的情況下，并能夠在實際的工作中對于類似的B2C電子商務企業物流中心有一定的參考作用。