全球電商部門在五年內(nèi)增長(zhǎng)了 320%，同時(shí)隨著 COVID-19 大流行，需求也一直在增加。為了降低成本并保持競(jìng)爭(zhēng)力，XXX供應(yīng)鏈啟動(dòng)了一個(gè)倉(cāng)庫(kù)運(yùn)營(yíng)優(yōu)化項(xiàng)目。該項(xiàng)目需要開發(fā)一種智能且強(qiáng)大的倉(cāng)庫(kù)仿真工具，用于測(cè)試波動(dòng)揀貨策略。

對(duì)于擁有 500,000 個(gè) SKU（庫(kù)存單位）和 249 名員工的倉(cāng)庫(kù)，倉(cāng)庫(kù)優(yōu)化項(xiàng)目制定的策略將完成訂單所需的時(shí)間減少了 8.2%，所需的員工人數(shù)減少了 66 人。

XXX供應(yīng)鏈?zhǔn)枪?yīng)鏈?zhǔn)荄集團(tuán)的一個(gè)部門，擁有全球網(wǎng)絡(luò)和廣泛的物流服務(wù)，包括倉(cāng)庫(kù)、運(yùn)輸和增值服務(wù)。

問(wèn)題

對(duì)于迅速發(fā)展的電子商務(wù)行業(yè)，要確保能夠與時(shí)俱進(jìn)保持市場(chǎng)競(jìng)爭(zhēng)力， 供應(yīng)鏈確定了兩個(gè)關(guān)鍵目標(biāo)：滿足客戶 SLA（服務(wù)水平協(xié)議）和降低運(yùn)營(yíng)成本。

為實(shí)現(xiàn)目標(biāo)，決定優(yōu)化其電子商務(wù)運(yùn)營(yíng)，包括收貨、暫存、分揀和上架等入庫(kù)活動(dòng)；以及揀選、分揀、打包、暫存、派送等出庫(kù)活動(dòng)。

面積：111,000 平方米

• 產(chǎn)品：~500k

• 選擇區(qū)域：12

• 每日交易量：~171k

• 員工：>3000

倉(cāng)庫(kù)布局

該項(xiàng)目的目標(biāo)是開發(fā)一個(gè)強(qiáng)大而智能的系統(tǒng)，用于測(cè)試不同的波次策略并確定最佳的倉(cāng)庫(kù)吞吐量和資源利用率。

倉(cāng)庫(kù)操作和揀選路徑優(yōu)化

大型倉(cāng)庫(kù)在收集訂單時(shí)使用批量揀貨，因?yàn)閱蝹€(gè)訂單揀貨和集群揀選貨可能需要揀貨員花費(fèi)數(shù)公里的時(shí)間來(lái)完成訂單。優(yōu)化的目的是找到一條最佳的揀選路徑。

倉(cāng)庫(kù)中的訂單揀貨方法

大型倉(cāng)庫(kù)使用波次批量分揀。批次將訂單組合在一起，之后波次將批次組合在一起以進(jìn)行定期發(fā)貨。通常，一個(gè)批次包含 14 個(gè)訂單。波次下達(dá)有助于按時(shí)間協(xié)調(diào)車間活動(dòng)——允許其他操作（例如庫(kù)存和清潔）有效地進(jìn)行。

發(fā)貨時(shí)，一批次貨品被按區(qū)域劃分進(jìn)行揀選，以便最小化揀貨員與貨品之間的距離。在一個(gè)區(qū)域中的所有貨品都被挑選出來(lái)之后，它們會(huì)在一個(gè)稱為暫存的流程中組合成整個(gè)批次。整批貨物轉(zhuǎn)移到分揀站，在分揀站，訂單在打包和發(fā)貨前集中放在播種墻。

倉(cāng)庫(kù)揀選作業(yè)圖

批量揀貨和播種墻活動(dòng)分為幾個(gè)關(guān)鍵流程：

1. 波次下達(dá)——訂單分批送去揀選貨。

2. 揀選貨——從倉(cāng)庫(kù)的存儲(chǔ)中收集貨品。區(qū)域揀選可防止貨品之間的距離過(guò)長(zhǎng)。分區(qū)揀選貨可以針對(duì)不同訂單和不同批次的貨品。

3. 暫存——一個(gè)批次中的所有項(xiàng)目都放在一起。批次由幾個(gè)完整的訂單組成。當(dāng)一個(gè)批次完成后，它會(huì)被發(fā)送到一個(gè)暫存區(qū)。

4. 播種墻——訂單分批整合，打包發(fā)貨。

解決方案：倉(cāng)庫(kù)建模和測(cè)試

該解決方案的第一階段涉及對(duì)倉(cāng)庫(kù)流程進(jìn)行建模，并使用真實(shí)數(shù)據(jù)對(duì)模型進(jìn)行回測(cè)以進(jìn)行校準(zhǔn)。這些操作確保了模型的準(zhǔn)確性，并提供了與訂單揀選策略建議進(jìn)行比較的基準(zhǔn)。這一階段的建模是使用 AnyLogic 的內(nèi)置?流程建模庫(kù)完成的。該庫(kù)是為簡(jiǎn)化和加快對(duì)業(yè)務(wù)系統(tǒng)和工作流程的精確捕?捉而專門設(shè)計(jì)的

大型供應(yīng)鏈電商倉(cāng)庫(kù)的 AnyLogic 流程模型

在將倉(cāng)庫(kù)準(zhǔn)確描述之后，項(xiàng)目進(jìn)入第二階段，測(cè)試不同的波次策略。這些策略是動(dòng)態(tài)的，基于分期和播種墻占用率、通道中的批次數(shù)量等指標(biāo)。

項(xiàng)目的第二階段分為三個(gè)部分：

1. 動(dòng)態(tài)波次——?jiǎng)?chuàng)建不同的波次策略，并確定瓶頸。

2. 情景分析——了解波次發(fā)布策略如何影響完成時(shí)間和暫存時(shí)的平均隊(duì)列。

3. 比較分析——使用KPI來(lái)比較包括基準(zhǔn)策略在內(nèi)的所有策略。

在第二階段，工程師們調(diào)查了場(chǎng)景間的權(quán)衡。這些調(diào)查幫助他們了解資源限制并找到資源和速度的最佳平衡。最終結(jié)果表明，與當(dāng)前倉(cāng)庫(kù)操作設(shè)置的“原樣”模型相比動(dòng)態(tài)波次模型提高了資源利用率并縮短了周期時(shí)間。

結(jié)果：優(yōu)化倉(cāng)庫(kù)吞吐量和資源利用率

從第一階段開始，使用原樣模型，因?yàn)闀捍鎱^(qū)未達(dá)到或接近其最大容量，有可能看到提高資源利用率和減少任務(wù)完成時(shí)間的機(jī)會(huì)。對(duì)于暫存區(qū)，有時(shí)會(huì)出現(xiàn)空閑情況，有時(shí)會(huì)排長(zhǎng)隊(duì)。這可以在暫存統(tǒng)計(jì)圖表中看到，其中占用時(shí)間有時(shí)會(huì)下降到非常低，有時(shí)會(huì)上升到平穩(wěn)狀態(tài)。

圖表顯示倉(cāng)庫(kù)“原樣”模型的倉(cāng)庫(kù)流程吞吐量和周期時(shí)間

倉(cāng)庫(kù)優(yōu)化項(xiàng)目的第二階段產(chǎn)生了一個(gè)動(dòng)態(tài)波次下達(dá)模型，該模型優(yōu)化了資源利用率并最小化了周期時(shí)間。雖然播種墻處理時(shí)間大致保持不變，但播種墻利用率隨暫存需求的增加而增加。其效果是減少了整體訂單周期時(shí)間。

動(dòng)態(tài)波次下達(dá)模型的結(jié)果，展示資源利用率和流程周期時(shí)間

與原始倉(cāng)庫(kù)操作模型相比，動(dòng)態(tài)波次下達(dá)模型減少了訂單和批次周期時(shí)間，將資源利用率提高了近 10%，整體完成時(shí)間節(jié)省了 8.2%。節(jié)省的成本意味著可以減少 66 名員工，或者流程完成時(shí)間可以縮短兩個(gè)小時(shí)。

比?較基準(zhǔn)“原樣”倉(cāng)庫(kù)流程模型與供應(yīng)鏈工程師在AnyLogic仿真軟件中開發(fā)的動(dòng)態(tài)波次下達(dá)模型

電子商務(wù)倉(cāng)庫(kù)流程優(yōu)化項(xiàng)目向xx供應(yīng)鏈展示了如何為其大型倉(cāng)庫(kù)運(yùn)營(yíng)?節(jié)省大量成本。供應(yīng)鏈工程師使用仿真建模來(lái)準(zhǔn)確捕獲倉(cāng)庫(kù)操作，這些操作可以使用真實(shí)數(shù)據(jù)進(jìn)行檢查和驗(yàn)證。工程師們對(duì)模型的行為充滿信心，之后設(shè)計(jì)并測(cè)試了動(dòng)態(tài)波次發(fā)布策略，以提供在現(xiàn)代全球電子商務(wù)中競(jìng)爭(zhēng)所需的運(yùn)營(yíng)收益。