文｜新疆农业大学交通与物流工程学院
龚中文 董丹华 蒋舒琪
摘 要：在现有的快递自提柜与开放式快递服务站相结合的基础上，本文基于Flexsim软件对快递无接触配送模式的收件消杀、入柜、上架流程及两种取件流程进行了建模和仿真，建模基本参数以2021年10月23日～11月23日的数据为依据，得到仿真结果与现实基本一致，在此基础上进一步对仿真运行数据进行分析，并对系统存在的问题提出优化方案。
关键词：无接触配送、FlexSim软件、开放式快递服务站、快递自提柜
一、引言2020年爆发的新冠疫情使人们的生活方式发生改变，人与人之间的接触骤然减少。为满足人们生活的需求，很多产业由“线下”变为“线上 线下”模式。例如，美团外卖率先推出“无接触配送”，通过线上下单的商品由配送人员将其送到指定地点，然后电话联系顾客收取[1]，此模式在一定程度上减少人们的忧虑和担心。
“无接触配送”是指商品由产业配送人员放到顾客指定地点，客户端移动电子设备将到货信息传达至顾客去收取商品，实现商品从产业配送人员到顾客的全程无接触的物流配送模式，集大数据、人工智能、互联网 等技术于一体[2]。为提效提质降本和更好地服务顾客，各大平台均在不断推进信息透明化、可追踪化等系列技术服务，为人们提供安全保障的程度不断提高，人们的忧虑情绪也得到缓解。
人群密集的高校也是防控的重点区域，为减少人员流动，以避免大范围接触而产生交叉感染的发生，全国各高校纷纷实行校园出入管制，引发学生网购的次数增加，快递服务需求增加，对“最后一公里”配送造成不小的压力。如何缓解配送难题，保障校园内快递的配送安全、效率和服务质量，成为需要解决的问题[3]。
将Flexsim建模仿真软件运用到物流行业，国内外学者均有较深入的研究，大量应用实例验证了Flexsim建模仿真的可行性和有效性[4]。基于FlexSim软件对新疆农业大学的快递无接触配送模式的建模和仿真，可以对系统存在的问题进行量化分析并提出合理方案。
二、研究背景新疆农业大学快递终端配送方式目前主要有两种模式：快递自提柜和开放式快递服务站，其有着极强的自助性，能够在节省许多人力的同时做到24小时服务，满足取件人在非营业时间的取件需求，使收取快件更加灵活方便。本研究是对两种取件模式相结合下的快件入柜、上架流程、学生取件高峰期排队等内容，利用Flexsim进行建模仿真找出存在的问题及产生的原因，再不断修改仿真参数以验证优化方案的可行性及效果，以便提出改进措施。
三、新疆农业大学快递服务站现状新疆农业大学是一所拥有3万多名师生的高校，快递配送问题显得尤其重要，根据调研报告可知，该校快递代理点多达10家，每天平均件数3000多件，为了解决快递“最后一公里”配送问题，在位于学校西北角离学生宿舍楼450～700米左右的位置建立校园快递服务站，并考虑到实际情况采用了智能自提柜与快递服务站两种方式相结合的模式以解决配送问题。此服务站建立至今有过布局改良，但仍存在许多问题：
1.学生取件高峰期集中在上午或下午最后一节课后一个小时左右的时间。由于快递站点本身的空间面积有限，且取件人数过多，操作台有限，取件需要打开二维码或者扫码，所以难以避免出现排队的情况。
2.智能自提柜数量不够，通过该服务站实习生统计的数据，发现每天自提柜都是满的，空闲很少，货物发生特殊情况丢失的件数与货运总件数之比的货差率近0.1%左右。
3.快递服务站为5米×65米的狭长区域，占地面积325平方米，由于布局原因，存在着空间浪费的现象。
智能自提柜模式是指在终端配送过程中派件员把快件存放于智能快件箱，等待收件人扫码取货的收件方式。因取件快而很少排队，高峰期时会有2、3人排队现象。开放式快递服务站模式指的是通过校园快件代理点统一代收和管理校园快件的模式，如图1所示，开放式快递服务站内主要有19个货架、2台自助扫码设备与寄件服务柜台。通过与工作人员一对一访谈了解到：“开放式快递服务站内，无需工作人员协助，收件人便可独立完成取件。这不仅提升了工作效率，也给收件人带来方便。”
收件人只需打开菜鸟软件或支付宝小程序里的“菜鸟裹裹”，就能查到入库快递的对应货架号、层号和顺序号，也就是快件的具体位置，相应的取件码也会显示在其中。收件人还可利用软件的邀请功能，“等同学好友加入后，不仅能看到他们的快递信息，也可以实现帮取。”
然后，在自助扫码设备上，收件人手机端打开菜鸟驿站，点击货物取件便会出现二维码，把手机二维码和货物二维码一起放在正对机器摄像头的一面进行扫描，绿色代表取件成功，防止了误取或冒领的现象。
不过，通过实地与取件学生一对一访谈，也了解到目前存在的缺点，如不会操作的学生会耽误时间而造成排队；收件人信息的隐私安全得不到保障；开放式服务站寄件服务需要工作人员介入。
四、基于Flexsim软件的建模仿真建立3D虚拟仿真系统有助于发现现实系统运行中存在的问题，帮助对现实物流系统设计和运行做出明智的决策[5]。通过不断修改3D模型参数并进行仿真可以试探出解决问题的方案，并通过仿真对方案进行验证[6]。本文利用Flexsim软件方便用户建模，且省时省投资[7]。
1.构建模型布局（预先定义长度单位为米，时间单位为秒）
通过现场调研得知：菜鸟驿站的自提柜有5个，近邻宝有1个。菜鸟驿站每个自提柜都有一个小的操作面板，近邻宝只需要手机点击取件，自提柜的柜箱大、中、小配置及数量如表1。
开放式快递服务站内货架共有19个，其层数、编号、每层摆货平均数量如表2。
依据上述数据利用Flexsim软件创建快递服务站3D模型布局，如图2所示。
2.定义系统流程逻辑
经现场跟踪调查，货物到达之前物流公司已由安检系统对快件进行过安检，货物到达学校快递站只需要进行简单消杀后，由工作人员和兼职人员在自己的手机端安装相应的APP，并通过账号登录APP扫描快件包装上的二维码后直接入柜或者上架。扫描完快件二维码的同时，APP平台会自动发送取件通知至用户。快递自提柜和开放式快递服务站两种取件模式的流程，如图3、图4所示。
依照流程创建模型实体之间的逻辑，如图5所示。
3.编辑系统对象（实体）参数
校园快递服务站系统仿真建模是离散事件的仿真，高峰期收件人学生的到达可视为随机变量，通过对2021年10月23日～11月23日一个月内采集到的数据进行整理和预处理，确定其服从的概率分布类型，但在实际情况中，概率分布类型常可以通过经验确定[8]。在快递服务站的入库和出库流程中，根据当天货物总数、自提柜入柜数量、自助货架上货数量计算出相应的占比。
（1）快件到达的时间序列设置。2021年10月23日～11月23日平均全天快件到达总数3732个，分3批次分别在早9:00、9:45、10:20到达，模型中快件到达的时间序列设置参数设置如图6所示。
（2）收件人到达时间间隔的设置。令收件人到达的时间间隔为x，在取件 |a,b| 内服从负指数分布：
在对校园快递服务站2021年10月23日～11月23日一个月的到达时间间隔数据的预处理中，14:00～15:00、19:30～22:00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0.697，第二段数据的P值为0.483，均远大于0.05，即不拒绝数据服从负指数分布。
（3）模拟流程的暂存区。设置六个暂存区用于模拟搬运的小车，其最大容量设置为50。由于快递服务站的实际空间有限，每个自提柜前最多可容纳 30 人进行排队取件，所以将每个自提柜所对应的暂存区的最大容纳量设置为15。其他的暂存区属于节点与多个对象进行连接，需要在出口的地方设置成随机分配。
（4）模拟入柜上架操作的处理器。入柜速度一般是150个/小时/人，即平均1个/24秒，但在实际情况中，通常先由一个人进行入柜操作，另一人进行二维码的生成，通过调查统计，得到平均速度为1个/30秒。上货架一般是200个/小时/人，即平均1个/18秒，实际情况是上完货架后需要二维码生成，通过统计调查，得到平均速度是1个/25秒。快件的简单消杀平均5秒/个，人员移动速度2米/秒。
（5）模拟取件的合成器。通过实地调查，学生自提柜取件的耗时大都是在10秒～15秒，将合成器的工作时间设置为exponential(10, 15, 0)；学生货架取件耗时一般在9秒～22秒，将合成器的工作时间设置为exponential(9, 22, 1)，取货后自助扫描时间设置为exponential(9, 15, 2)。
4.模型仿真及结果分析
依据2021年10月23日～11月23日每10分钟取件学生到达人数（单位：人）的调研数据（每日统计时段：9:00～22:30），确定模型仿真分为四个时段：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。每个仿真时段记录入库、出库累积量、最大排队人数、人员和设备空闲率。取件高峰期和非高峰期学生到达时间间隔服从负指数分布exponential(0,6,0)、exponential(8,25,0)，图7、图8分别为时段9:00～14:00、14:00～15:00模型仿真结果。
通过 Flexsim 仿真模型运行结果显示，入库5小时5名工作人员共完成1322件货物的入柜和上架任务，由饼图看出工作人员和兼职人员的空闲率均为 0%；自助货架区2台自助扫码设备和自提柜验件窗口的空闲率分别为68%、90%、95%；此时段学生取件非高峰期，取件量为551个，队列1和队列2最长排队人数均为1。
如图8所示， 仿真1小时5名工作人员共完成461件货物的入柜和上架任务，由饼图看出工作人员和兼职人员的空闲率均为0%；自助货架区2台自助扫码设备和自提柜验件窗口的空闲率分别为2.1%、2.5%、64%；此时段学生取件高峰期，取件量为523个，队列1和队列2最长排队人数分别为1、30。全天所有时段仿真数据，如表3。
分析得出服务站取件排队系统在人流量的高峰期，若扫码设备出现故障，将会导致整个系统瘫痪；系统在22:30以后还有261个快件未入柜和上架，471个快件未领取，导致高达12.6%的货差率（未发送取件通知或通知太晚）。
5.模型仿真优化
对模型进行修改：增加2名兼职人员，自助货架取件处增设1台自助扫码设备，仿真结果如图9、图10所示。
图9仿真结果显示，入库5小时7名工作人员共完成1772件货物的入柜和上架任务，由饼图看出工作人员和兼职人员的空闲率均为 0%；自助货架区3台自助扫码设备和自提柜验件窗口的空闲率分别为68%、90%、95%；此时段学生取件非高峰期，取件量为551个，队列1和队列2最长排队人数均为1。
如图10所示， 仿真1小时7名工作人员共完成561件货物的入柜和上架任务，由饼图看出工作人员和兼职人员的空闲率均为 0%；3台自助扫码设备和自提柜验件窗口的空闲率分别为19%、19%、29%、73%；此时段学生取件高峰期，取件量为595个，无排队。全天所有时段仿真数据，如表5。
由表3、表4可知，模型优化前后的运行情况：
1.在每天的9:00～19:30增加兼职人员2名，快件入库效率提升，以缩短兼职人员的工作时长，降低货差率。优化前系统在22:30以后还有261个快件未入柜和上架，以及471个快件未领取而产生12.6%的货差率。优化后19：40完成全部快件的入库，未领取快件249个，货差率降低至6.67%；
2.排队情况得到解决。优化前最长排队人数为48人，优化后最长排队人数为3人。
3.有效降低学生取件高峰期因扫码设备空闲率低，而导致系统瘫痪的概率。优化前非高峰期扫码设备平均空闲率为70.75%，高峰期平均空闲率为2.07%。优化后非高峰期三台扫码设备平均空闲率为80.16%，高峰期平均空闲率为20.16%。学生取件高峰期扫码设备的平均空闲率由2.07%提高至20.16%。
综合以上，增设自助扫码设备1台，在每天的9:00～19:30增加兼职人员2名，是较为合理的选择。
五、结论本文基于 Flexsim仿真以新疆农业大学快递服务站为例，为解决高校快递站在快件到达与取件高峰期，工作人员超负荷、验件设备高运转、学生时间成本浪费等问题，进行了Flexsim 的仿真分析研究，发现问题并最终通过对快递服务站在原有5名工作人员、2台自助扫码设备的基础上再增加 2 名兼职人员和1台自助扫码设备。
,
