基于Flexsim的電商物流分揀作業仿真分析及優化建議

洪 桐 宋永茂 溫承賓 朱文軍 孫宇博

（徐州工程學院,江蘇 徐州 221008）

隨著我國電商的迅速發展，配送中心訂單數量大幅增加，如何在人力、物力有限的情況下處理大量的多品種、小批量和高時效性的訂單成了亟待解決的問題。為此，筆者就分揀系統中存在的瓶頸，根據人機工程建立人機設備模型，并通過仿真對所得數據進行了分析，結果表明：合理的改善配送系統中人員以及機器的運用，有利于解決其效益低下、資源浪費等問題。

1 電商物流分揀相關問題分析

在電商配送過程中，通過接收訂單信息處理后分配至倉儲區，倉儲區在接收訂單后開始對貨物進行分揀、包裝、運輸等，最終到達消費者手中。根據國研網的數據顯示，約17%的用戶認為配送速度較慢，約9%的用戶快件包裝受損，尤其在“雙11”等期間包裝受損情況更為嚴重。配送速度慢的因素較多，其中分揀和區域配送過慢占比約45%，訂單處理慢占比約15%，快件受損的主要原因是存在“暴力分揀”現象，“暴力分揀”導致快件受損占比為52%，因此，有必要對分揀所存在的相關問題進行具體分析。

1.1 訂單問題

在整個電商物流過程中，訂單處理作為首要環節比較重要，直接關系到后續貨物的分揀、分配、運輸速度。由于近幾年電商的發展，物流的訂單逐漸呈現出數量龐大、種類繁多的特點，訂單處理的難度逐年加大。

1.2 分揀作業方式問題

分揀作業是電商配送過程中十分繁重的工作。對于多品種、少批量的訂貨或者訂單復雜程度較高的情況，配送中心面對的主要問題是如何在保證快件質量的基礎上提高效率。面對眾多的訂單，大多配送中心采用機械與人工組合的方式，少數配送中心采取全自動化的分揀，全自動化分揀雖然提高了分揀的效率但成本過高；個別配送中心依舊采用人工分揀，人工分揀效率較低，雇傭大量勞動力也導致分揀成本增加，同時，快件受損的可能性也隨之加大。

1.3 快件損壞及售后問題

近年來隨著快遞物流業的發展，快件的種類較以往有所增加。每個快件的要求不同，如文件要求運輸快捷安全、果蔬類要求保鮮、易碎物品則要求運輸分揀過程中輕拿輕放等，但在分揀大量快件時易出現統一對待現象，如此一來，易碎快遞受損嚴重，因此，為降低快遞受損，對于不同的快件應采用不同的分揀方式。

2 Flexism仿真

2.1 Flexism仿真軟件介紹

Flexsim是PC Base的數字虛擬企業的仿真系統，且可在微軟公司的Windows 2000、Windows XP等不同的作業平臺上執行的全窗口化的3D專業仿真軟件，是世界上第一個在圖形環境中集成了C++IDE 和編譯器的仿真軟件。在這個軟件環境，C++不但能夠直接用來定義模型，而且不會在編譯中出現任何問題。這樣不再需要傳統的動態鏈接庫和用戶定義變量的復雜鏈接。

2.2 Flexism的特點

Flexism仿真模擬系統具有層次結構、量身定做、可移植性等特點，其作用是幫助工程師和決策者形象化地在動態三維虛擬現實環境中檢測新提議的操作流程或系統。通過創建系統模型，可以考察各種假設的場景，同時不會產生改變實際系統時所面臨的中斷、成本和風險，這對于創建可能產生瓶頸的系統是必不可少的。

3 建立Flexism仿真模型

3.1 建立數據分揀模型

（1）問題描述。數據表明某配送中心一天的訂單數約為200單，為方便研究，假設一天工作10 h 能夠完成全部訂單，則選取其中的10種訂單作為樣本且規定完成10種訂單的時間不超過40 min 。分揀過程中人工與機器的成本設定為10萬元/年，即在不超過成本的情況下效率最大化。訂單所涉及的貨物大致分為A型貨物電器、B型貨物衣物和日用品等、C型貨物果蔬和食品等、D型貨物文件和特殊物品等，具體信息如表1所示，其中單位為千/件。

表1 分揀貨物訂單

（2）構建數據分揀模型。本文主要研究訂單數量較大的分揀情況，故在分揀時采用批量揀貨即多訂單集合成一批，按照貨物類別將數量統計后再進行同種類統一揀貨，最后根據各訂單具體情況采用分類和集中的揀貨方法。分揀過程中將分揀貨物量與時間相比的最小值作為效率的目標函數如下：

約束條件為：

方案一：在分揀過程中全部使用機器分揀；方案二：采用兩名人工與一臺機器進行分揀；方案三：在分揀過程中全部使用人工進行分揀。

3.2 構建仿真模型

根據問題的描述對Flexism進行設計，從實體庫拖出一個發生器和吸收器來模擬訂單處理過程，再拖一個發生器、兩個處理器和四個貨架模擬為入庫過程且將發生器設置實體類型及顏色來模擬不同貨物，同時將貨架設置進入特定觸發即不同的產品進入不同的貨架以及輸出執行的運輸工具，為模擬后續分揀過程中效率逐漸下降，特將貨架的最小停留時間設置為服從指數分布。最終拖出4個暫存區表示各自地區所需貨物，通過不同方案來拖出人工和機器且分別對其定義移動時間，最大移動速度以及容量，建立仿真模型如圖1所示。

圖1 全仿真模型

分揀模型建立后，點擊Run運行模型，由于模擬過程中選取的機器和人工數量不同則相對應的模擬過程也不同，故需要模擬3～5次至少40 min 的仿真實驗，并對各個人員和機器的分揀量、貨架和暫存區的貨物量、各方案完成所有訂單的時間等數據進行分析。

4 仿真實驗的結果及分析

根據上述的三種方案，分別進行仿真，其仿真結果如下。

方案一：采取全機器分揀，由于在規定時間內機器效率基本不變，故不需要將貨架設置最小停留時間，直接模擬其分揀過程，產生數據如表2所示。其中堵塞時間是兩個機器人在將貨物運送到同一端口時的排隊時間，破損率是機器分揀小型貨物時可能存在的現象，為方便研究，設定機器的破損率隨時間而增加且服從對數分布，而機器在剛啟動和啟動后效率有所不同故其效率系數服從正態分布。通過數據結合式（1）可得方案一的最大效率為93%，但成本為9萬元。

表2 方案一分揀模型數據

方案二：采取兩個人工與一臺機器進行分揀，但由于A、C兩類貨物多為大中型貨物，一般比較重，在分揀這兩類貨物的過程中機器效率比人工效率更高，故需要模擬3次并取其平均值，且貨架還需設置最小停留時間來模擬人工效率，產生數據如表3所示。其中人工的堵塞時間為0是由于員工會相互幫忙，但在整個搬運過程中由于體力原因會存在停留時間和破損率，人工的破損率服從指數分布，效率系數服從正態分布。通過數據結合式（1）可得出方案二的最大效率為89%，但如果將機器分配為只分揀A、C貨物，總體效率可達91%，成本為8.7萬元。

表3 方案二分揀模型數據

方案三：采取全人工分揀，如同方案二貨架需設置最小停留時間，為減少人工分揀產生的效率誤差，故模擬3次取平均值，產生的相關數據如表4所示。其中人工的破損率服從指數分布，效率系數服從正態分布。計算得出方案三的最大效率的平均值為82%，成本為7.8萬元。

表4 方案三分揀模型數據

通過比較三個方案可知：方案一在分揀貨物過程中可達到高效率且破損率較低，但堵塞率較高，成本也較高。方案二在分揀過程中以人工為主機器為輔，這樣一方面減少員工勞累度進而提高員工長時間工作效率，另一方面在貨物分揀過程中堵塞率較低，但破損率較高，成本中等。方案三通過人工分揀，這樣可降低成本且分揀過程中更為靈活、堵塞率通低，但整體效率不高且極易出現破損現象。

當配送中心面對大量繁重的訂單時，需首要解決的是合理的處理和分配訂單，在分揀過程中應采取人工與機器結合的方案，以人工為主機器為輔，同時需合理地安排輪班工人以達到提升效率的作用。對于大型貨物因其自身特點應適當借助機器來進行分揀，以達到提升分揀效率。如果在成本可以接受的情況下可采用方案一機器分揀，可以提高分揀效率減少分揀壓力。

5 結語

筆者針對如何提高電商物流配送中心效率和可能存在的問題進行研究，對其分揀過程提出三種分揀方案，結合Flexism仿真模擬技術對方案進行模擬，最終對模擬后的數據進行分析得出三種方案的優缺點，為電商物流配送中心提供人機分配的不同比對，達到在減少成本的同時提升分揀效率，為后續配送中心的發展提供了參考標準。