文/陳錚榮 紀壽文
電子商務的迅速發展使得快遞貨運量不斷增加,2016年全國的快遞量達到313億件,在如此龐大的快遞數量下,分揀系統已有些難以應對,“爆倉”、“丟件”等事件屢屢發生[1],分揀中心的分揀效率并不高。
對此國內的學者也曾采用Anylogic對快遞業務流程進行仿真優化。其中,謝常勝采用Anylogic對服裝倉庫總體流程進行了研究[2],楊芳等利用Anylogic仿真技術對果蔬冷鏈配送中心運作進行仿真分析[3]。本文使用Anylogic仿真軟件模擬出傳統分揀中心的作業流程,通過對各個環節作業效率的分析,提出預分揀和多次分揀的優化方法,再通過仿真模擬驗證優化方法的可行性。
分揀中心作業流程為:快遞到達分揀中心后,首先進行卸車作業,卸車完畢后進行各個快遞包的拆包作業,拆包的后運送至分揀區進行分揀作業,分揀完畢后進行疑難件處理作業、入庫處理作業等其他處理作業,然后進行發往不同地區的快遞裝包作業,最后進行快遞包裝車。
Anylogic是由俄羅斯XJ Technologies Company Ltd所開發的一款應用廣泛、能夠對離散、系統動力學、多智能體和混合系統建模與仿真的工具軟件。它具有專業的虛擬原形環境,可以用來設計離散、連續和復雜行為的系統[4]。
根據圖1所示的作業流程圖,所建立的分揀中心二維布局圖如圖1所示。
具體運行過程如下:
快遞貨物(數量為8個,分別記為A、B、C、D、E、F、G、H)在始發網點進行攬收,攬收完畢后裝車前往分揀中心。貨車到達分揀中心后在貨車卸車區域進行卸貨,卸貨完畢后,停放在叉車停放區域的叉車就到貨車卸車區域將快遞貨物撿起送至快遞處理區域進行處理,處理完畢后再將貨物運送至快遞貨物裝車區域進行裝車,待所有貨物裝車完畢后,再由車輛將快遞貨物運送至下一分揀中心或網點。
接下來是設置觀察參數,輸出進行各個作業步驟的時刻,利用三角分布triangular()函數、平均分布uniform()函數和traceln()函數等對仿真模型進行設置,使得在仿真過程中可以輸出這些觀察時刻,以便進行計算。最后設置總體數據統計,便于對整體仿真過程進行觀察和對比。
為了減小誤差,運行仿真模型十次,統計所有參數數據并進行計算分析,為了更加直觀看出和對比快遞在各個區域的作業效率,對所需的作業時間進行統計,除以總數10得出平均作業時間,仿真結果如表1所示。
由表1可以看出, 整個分揀作業所需時間平均為164.22,除卸車作業時間之外,其他作業時間都不一。

圖1 分揀中心二維布局圖
在這里我們提出優化方法,增加預處理(一次處理)和多次處理。
預處理是在卸車作業的同時進行快遞包的處理,即在卸車時,先對快遞包進行掃碼,辨別整包快遞的總體去向,再根據去向的不同由傳送帶傳送至對應的分揀區域進行分揀作業。預處理的優點:能夠減輕后續分揀作業的作業量,便于快遞的分類管理。由于是大包裝,不易出現遺漏現象,因而可以采用機器進行掃碼分揀。
多次處理是對發往各個大地方的快遞進行小地方的分揀和疑難件處理,可隨著區域的地級劃分逐一進行多次分揀。多次處理的優點:各個分揀作業區作業量較為平均,不易出現漏檢、錯撿等問題。
另一方面根據優化方法對仿真模型進行優化,在卸車作業區域增加預處理作業區域,原來的處理區域改為多次處理區域。重新運行仿真模型10次,統計參數數據并進行分析,得出優化后的各個作業區域的作業時間如表2所示。
很明顯,相對于表1,總體作業時間有所減少,卸車時間略微有所增加,可能是仿真的隨機性造成的,應與初始模型卸車時間大體一致。裝車作業時間除C快遞外,都有所下降。分揀作業時間都比初始模型較少。總體而言,進行優化改進后,分揀中心的總體效率略微有些提升。

表1 作業時間統計表

表2 優化后各個作業區域作業時間統計表
本文通過提出預處理和多次處理的優化方法,為分揀中心進行效率提升時提供參考作用。而目前國內外部分分揀中心已大體采用預處理和多次處理的分揀作業方法。另一方面隨著科學技術的發展,針對分揀中心的效率優化處理已不僅僅局限于對作業流程的改進,先進的設備和科技在提高分揀效率上會起到很大的作用。而作業流程和先進設備如何有效結合也是待研究解決的問題。
[1]許丹.快遞配送中心分揀作業優化研究~以A公司為例[J].物流技術,2015,34(1):74~77.
[2]謝常勝.制衣企業倉庫作業的Anylogic仿真研究[J].中外企業家,2013(30):88~8。。
[3]楊芳,鄒毅峰,戴恩勇.基于Anylogic的果蔬冷鏈系統配送中心物流運作優化[J].中南林業科技大學學報,2016(7):141~148.
[4]雒彩蓮.基于Anylogic的藥品信息追蹤系統仿真建模[D].北京:北京交通大學,2010:27.