某高校快遞無接觸配送的取件系統仿真設計與分析

文 / 龔中文 董丹華 蔣舒琪

一、引言

2020年爆發的新冠疫情使人們的生活方式發生改變，人與人之間的接觸驟然減少。為滿足人們生活的需求，很多產業由“線下”變為“線上 + 線下”模式。例如，美團外賣率先推出“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，然后電話聯系顧客收取[1]，此模式在一定程度上減少人們的憂慮和擔心。

“無接觸配送”是指商品由產業配送人員放到顧客指定地點，客戶端移動電子設備將到貨信息傳達至顧客去收取商品，實現商品從產業配送人員到顧客的全程無接觸的物流配送模式，集大數據、人工智能、互聯網+等技術于一體[2]。為提效提質降本和更好地服務顧客，各大平臺均在不斷推進信息透明化、可追蹤化等系列技術服務，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區域，為減少人員流動，以避免大范圍接觸而產生交叉感染的發生，全國各高校紛紛實行校園出入管制，引發學生網購的次數增加，快遞服務需求增加，對“最后一公里”配送造成不小的壓力。如何緩解配送難題，保障校園內快遞的配送安全、效率和服務質量，成為需要解決的問題[3]。

將Flexsim建模仿真軟件運用到物流行業，國內外學者均有較深入的研究，大量應用實例驗證了Flexsim建模仿真的可行性和有效性[4]。基于FlexSim軟件對新疆農業大學的快遞無接觸配送模式的建模和仿真，可以對系統存在的問題進行量化分析并提出合理方案。

二、研究背景

新疆農業大學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站，其有著極強的自助性，能夠在節省許多人力的同時做到24小時服務，滿足取件人在非營業時間的取件需求，使收取快件更加靈活方便。本研究是對兩種取件模式相結合下的快件入柜、上架流程、學生取件高峰期排隊等內容，利用Flexsim進行建模仿真找出存在的問題及產生的原因，再不斷修改仿真參數以驗證優化方案的可行性及效果，以便提出改進措施。

三、新疆農業大學快遞服務站現狀

新疆農業大學是一所擁有3萬多名師生的高校，快遞配送問題顯得尤其重要，根據調研報告可知，該校快遞代理點多達10家，每天平均件數3000多件，為了解決快遞“最后一公里”配送問題，在位于學校西北角離學生宿舍樓450～700米左右的位置建立校園快遞服務站，并考慮到實際情況采用了智能自提柜與快遞服務站兩種方式相結合的模式以解決配送問題。此服務站建立至今有過布局改良，但仍存在許多問題：

1.學生取件高峰期集中在上午或下午最后一節課后一個小時左右的時間。由于快遞站點本身的空間面積有限，且取件人數過多，操作臺有限，取件需要打開二維碼或者掃碼，所以難以避免出現排隊的情況。

2.智能自提柜數量不夠，通過該服務站實習生統計的數據，發現每天自提柜都是滿的，空閑很少，貨物發生特殊情況丟失的件數與貨運總件數之比的貨差率近0.1%左右。

3.快遞服務站為5米×65米的狹長區域，占地面積325平方米，由于布局原因，存在著空間浪費的現象。

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，高峰期時會有2、3人排隊現象。開放式快遞服務站模式指的是通過校園快件代理點統一代收和管理校園快件的模式，如圖1所示，開放式快遞服務站內主要有19個貨架、2臺自助掃碼設備與寄件服務柜臺。通過與工作人員一對一訪談了解到：“開放式快遞服務站內，無需工作人員協助，收件人便可獨立完成取件。這不僅提升了工作效率，也給收件人帶來方便。”

圖1 校園內開放式快遞服務

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貨架號、層號和順序號，也就是快件的具體位置，相應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，“等同學好友加入后，不僅能看到他們的快遞信息，也可以實現幫取。”

然后，在自助掃碼設備上，收件人手機端打開菜鳥驛站，點擊貨物取件便會出現二維碼，把手機二維碼和貨物二維碼一起放在正對機器攝像頭的一面進行掃描，綠色代表取件成功，防止了誤取或冒領的現象。

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

四、基于Flexsim軟件的建模仿真

建立3D虛擬仿真系統有助于發現現實系統運行中存在的問題，幫助對現實物流系統設計和運行做出明智的決策[5]。通過不斷修改3D模型參數并進行仿真可以試探出解決問題的方案，并通過仿真對方案進行驗證[6]。本文利用Flexsim軟件方便用戶建模，且省時省投資[7]。

1.構建模型布局（預先定義長度單位為米，時間單位為秒）

通過現場調研得知：菜鳥驛站的自提柜有5個，近鄰寶有1個。菜鳥驛站每個自提柜都有一個小的操作面板，近鄰寶只需要手機點擊取件，自提柜的柜箱大、中、小配置及數量如表1。

表1 快遞服務站自提柜的柜箱大中小配置及數量表

開放式快遞服務站內貨架共有19個，其層數、編號、每層擺貨平均數量如表2。

表2 開放式快遞服務站內貨架編號及層數表

依據上述數據利用Flexsim軟件創建快遞服務站3D模型布局，如圖2所示。

圖2 校園快遞無接觸配送系統功能區域布局圖

2.定義系統流程邏輯

經現場跟蹤調查，貨物到達之前物流公司已由安檢系統對快件進行過安檢，貨物到達學校快遞站只需要進行簡單消殺后，由工作人員和兼職人員在自己的手機端安裝相應的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，APP平臺會自動發送取件通知至用戶。快遞自提柜和開放式快遞服務站兩種取件模式的流程，如圖3、圖4所示。

圖3 開放式自助貨架上架和取件流程

圖4 自提柜入柜和取件流程

依照流程創建模型實體之間的邏輯，如圖5所示。

圖5 模型實體之間的邏輯關系圖

3.編輯系統對象（實體）參數

校園快遞服務站系統仿真建模是離散事件的仿真，高峰期收件人學生的到達可視為隨機變量，通過對2021年10月23日～11月23日一個月內采集到的數據進行整理和預處理，確定其服從的概率分布類型，但在實際情況中，概率分布類型常可以通過經驗確定[8]。在快遞服務站的入庫和出庫流程中，根據當天貨物總數、自提柜入柜數量、自助貨架上貨數量計算出相應的占比。

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

（2）收件人到達時間間隔的設置。令收件人到達的時間間隔為x，在取件|a,b| 內服從負指數分布：

在對校園快遞服務站2021年10月23日～11月23日一個月的到達時間間隔數據的預處理中，14:00～15:00、19:30～22:00的出庫高峰期均在K-S檢驗中得出服從負指數分布的結論，第一段數據的P值為0.697，第二段數據的P值為0.483，均遠大于0.05，即不拒絕數據服從負指數分布。

（3）模擬流程的暫存區。設置六個暫存區用于模擬搬運的小車，其最大容量設置為50。由于快遞服務站的實際空間有限，每個自提柜前最多可容納 30 人進行排隊取件，所以將每個自提柜所對應的暫存區的最大容納量設置為15。其他的暫存區屬于節點與多個對象進行連接，需要在出口的地方設置成隨機分配。

（4）模擬入柜上架操作的處理器。入柜速度一般是150個/小時/人，即平均1個/24秒，但在實際情況中，通常先由一個人進行入柜操作，另一人進行二維碼的生成，通過調查統計，得到平均速度為1個/30秒。上貨架一般是200個/小時/人，即平均1個/18秒，實際情況是上完貨架后需要二維碼生成，通過統計調查，得到平均速度是1個/25秒。快件的簡單消殺平均5秒/個，人員移動速度2米/秒。

（5）模擬取件的合成器。通過實地調查，學生自提柜取件的耗時大都是在10秒～15秒，將合成器的工作時間設置為exponential(10, 15, 0)；學生貨架取件耗時一般在9秒～22秒，將合成器的工作時間設置為exponential(9, 22, 1)，取貨后自助掃描時間設置為exponential(9, 15, 2)。

4.模型仿真及結果分析

圖6快件到達的時間序列設置

圖8時段14:00～15:00模型仿真及結果圖

依據2021年10月23日～11月23日每10分鐘取件學生到達人數（單位：人）的調研數據（每日統計時段：9:00～22:30），確定模型仿真分為四個時段：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。每個仿真時段記錄入庫、出庫累積量、最大排隊人數、人員和設備空閑率。取件高峰期和非高峰期學生到達時間間隔服從負指數分布exponential(0,6,0)、exponential(8,25,0)，圖7、圖8分別為時段9:00～14:00、14:00～15:00模型仿真結果。

圖7 時段9:00～14:00模型仿真及結果圖

通過 Flexsim 仿真模型運行結果顯示，入庫5小時5名工作人員共完成1322件貨物的入柜和上架任務，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2臺自助掃碼設備和自提柜驗件窗口的空閑率分別為68%、90%、95%；此時段學生取件非高峰期，取件量為551個，隊列1和隊列2最長排隊人數均為1。

如圖8所示， 仿真1小時5名工作人員共完成461件貨物的入柜和上架任務，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2臺自助掃碼設備和自提柜驗件窗口的空閑率分別為2.1%、2.5%、64%；此時段學生取件高峰期，取件量為523個，隊列1和隊列2最長排隊人數分別為1、30。全天所有時段仿真數據，如表3。

表3 原始模型仿真數據

分析得出服務站取件排隊系統在人流量的高峰期，若掃碼設備出現故障，將會導致整個系統癱瘓；系統在22:30以后還有261個快件未入柜和上架，471個快件未領取，導致高達12.6%的貨差率（未發送取件通知或通知太晚）。

5.模型仿真優化

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

圖9 時段9:00～14:00優化模型仿真及結果圖

圖10 時段14:00～15:00模型仿真及結果圖

圖9仿真結果顯示，入庫5小時7名工作人員共完成1772件貨物的入柜和上架任務，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3臺自助掃碼設備和自提柜驗件窗口的空閑率分別為68%、90%、95%；此時段學生取件非高峰期，取件量為551個，隊列1和隊列2最長排隊人數均為1。

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

由表3、表4可知，模型優化前后的運行情況：

表4 原始模型仿真數據

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長，降低貨差率。優化前系統在22:30以后還有261個快件未入柜和上架，以及471個快件未領取而產生12.6%的貨差率。優化后19：40完成全部快件的入庫，未領取快件249個，貨差率降低至6.67%；

2.排隊情況得到解決。優化前最長排隊人數為48人，優化后最長排隊人數為3人。

3.有效降低學生取件高峰期因掃碼設備空閑率低，而導致系統癱瘓的概率。優化前非高峰期掃碼設備平均空閑率為70.75%，高峰期平均空閑率為2.07%。優化后非高峰期三臺掃碼設備平均空閑率為80.16%，高峰期平均空閑率為20.16%。學生取件高峰期掃碼設備的平均空閑率由2.07%提高至20.16%。

綜合以上，增設自助掃碼設備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、結論

本文基于 Flexsim仿真以新疆農業大學快遞服務站為例，為解決高校快遞站在快件到達與取件高峰期，工作人員超負荷、驗件設備高運轉、學生時間成本浪費等問題，進行了Flexsim 的仿真分析研究，發現問題并最終通過對快遞服務站在原有5名工作人員、2臺自助掃碼設備的基礎上再增加 2 名兼職人員和1臺自助掃碼設備。