文｜山西农业学院交通与货运工程大学
龚英文董丹华蒋舒琪
摘 要：在现有的快件自提柜与开放式快件服务站相结合的基础上，本文基于软件对快件无接触配送模式的收件灭虫、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日的数据为根据，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剖析，并对系统存在的问题提出优化方案。
关键词：无接触配送、软件、开放式快件服务站、快递自提柜
一、引言
2020年爆发的新冠疫情使人们的生活形式发生改变，人与人之间的接触随之减小。为满足人们生活的需求，好多产业由“线下”变为“线上+线下”模式。诸如，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，之后电话联系客户缴纳[1]，此模式在一定程度上减轻人们的担忧和担忧。
“无接触配送”是指商品由产业配送人员放在客户指定地点，顾客端联通电子设备将到货信息传达至客户去缴纳商品，实现商品从产业配送人员到客户的全程无接触的货运配送模式，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客户，各大平台均在不断加快信息透明化、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升，人们的担忧情绪也得到纾解。
人群密集的院校也是防治的重点区域，为降低人员流动，以防止大范围接触而形成交叉感染的发生，全省各院校纷纷推行校园出入管制，引起中学生网购的次数降低，快件服务需求降低，对“最后一公里”配送引起不小的压力。怎么减轻配送困局，保障校园内快件的配送安全、效率和服务质量，成为须要解决的问题[3]。
将建模仿真软件运用到物流行业，国外外学者均有较深入的研究，大量应用实例验证了建模仿真的可行性和有效性[4]。基于软件对山西农业学院的快件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剖析并提出合理方案。
二、研究背景
山西农业学院快件终端配送方法目前主要有两种模式：快件自提柜和开放式快件服务站，其有着极强的自助性，才能在节约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，使缴纳快递愈发灵活便捷。本研究是对两种取件模式相结合下的快递入柜、上架流程、学生取件高峰期排队等内容，借助进行建模仿真找出存在的问题及形成的缘由，再不断更改仿真参数以验证优化方案的可行性及疗效，便于提出改进举措。
三、新疆农业学院快件服务站现况
山西农业学院是一所拥有3万多名师生的院校，快件配送问题变得尤其重要，按照督查报告可知，该校快件代理点多达10家，每天平均件数3000多件，为了解决快件“最后一公里”配送问题，在坐落中学西南角离中学生寝室楼450～700米左右的位置构建校园快件服务站，并考虑到实际情况采用了智能自提柜与快件服务站两种方法相结合的模式以解决配送问题。此服务站构建至今有过布局改良，但仍存在许多问题：
1.中学生取件高峰期集中在早上或傍晚最后一节课后一个小时左右的时间。因为快件站点本身的空间面积有限，且取件人数过多，操作台有限，取件须要打开二维码或则扫码，所以无法防止出现排队的情况。
2.智能自提柜数目不够，通过该服务站实习生统计的数据，发觉每晚自提柜都是满的，空闲极少，货物发生特殊情况遗失的件数与物流总件数之比的货差率近0.1%左右。
3.快件服务站为5米×65米的细长区域，占地面积325平方米，因为布局缘由，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递储存于智能快递箱，等待寄件人扫码取货的收件形式。因取件快而甚少排队，高峰期时会有2、3人排队现象。开放式快件服务站模式指的是通过校园快递代理点统一代收和管理校园快递的模式，如图1所示，开放式快件服务站内主要有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采访了解到：“开放式快件服务站内，无需工作人员协助，寄件人便可独立完成取件。这除了提高了工作效率，也给寄件人带来便捷。”
寄件人只需打开新手软件或支付宝小程序里的“菜鸟裹裹”，才能查到入库快件的对应货架号、层号和次序号，也就是快递的具体位置，相应的取件码也会显示在其中。寄件人还可借助软件的约请功能，“等朋友好友加入后，除了能见到她们的快件信息，也可以实现帮取。”
之后，在自助扫码设备上，寄件人手机端打开新手驿站，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置于正对机器摄像头的一面进行扫描，红色代表取件成功，避免了误取或挪用的现象。
不过，通过实地与取件中学生一对一采访，也了解到目前存在的缺点，如不会操作的中学生会耽搁时间而导致排队；寄件人信息的隐私安全得不到保障；开放式服务站寄件服务须要工作人员介入。
四、基于软件的建模仿真
构建3D虚拟仿真系统有助于发觉现实系统运行中存在的问题，帮助对现实货运系统设计和运行作出明智的决策[5]。通过不断更改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]。本文借助软件便捷用户建模，且省时省投资[7]。
1.建立模型布局（预先定义宽度单位为米，时间单位为秒）
通过现场督查获知：新手驿站的自提柜有5个，近邻宝有1个。新手驿站每位自提柜都有一个小的操作面板，近邻宝只须要手机点击取件，自提柜的柜箱大、中、小配置及数目如表1。
开放式快件服务站内货架共有19个，其层数、编号、每层摆货平均数目如表2。
根据上述数据借助软件创建快件服务站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，货物抵达之前货运公司已由安检系统对快递进行过安检，货物抵达中学快件站只须要进行简单灭鼠后，由工作人员和兼职人员在自己的手机端安装相应的APP，并通过帐号登入APP扫描快递包装上的二维码后直接入柜或则上架。扫描完快递二维码的同时，APP平台会手动发送取件通知至用户。快件自提柜和开放式快件服务站两种取件模式的流程，如图3、图4所示。
根据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
校园快件服务站系统仿真建模是离散风波的仿真，高峰期寄件人中学生的抵达可视为随机变量，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大学配送系统，确定其服从的机率分布类型，但在实际情况中，机率分布类型常可以通过经验确定[8]。在快件服务站的入库和领料流程中，按照当日货物总量、自提柜入柜数目、自助货架上货数目估算出相应的占比。
（1）快递抵达的时间序列设置。2021年10月23日～11月23日平均全天快递抵达总量3732个，分3批次分别在早9:00、9:45、10:20抵达，模型中快递抵达的时间序列设置参数设置如图6所示。
（2）寄件人抵达时间间隔的设置。令寄件人抵达的时间间隔为x，在取件|a,b|内服从负指数分布：
在对校园快件服务站2021年10月23日～11月23日一个月的抵达时间间隔数据的预处理中，14:00～15:00、19:30～22:00的领料高峰期均在K-S检验中得出服从负指数分布的推论，第一段数据的P值为0.697，第二段数据的P值为0.483，均远小于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货车，其最大容量设置为50。因为快件服务站的实际空间有限，每位自提柜前最多可容纳30人进行排队取件，所以将每位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联接，须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。入柜速率通常是150个/小时/人，即平均1个/24秒，但在实际情况中，一般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，得到平均速率为1个/30秒。上货架通常是200个/小时/人，即平均1个/18秒，实际情况是上完货架后须要二维码生成，通过统计调查，得到平均速率是1个/25秒。快递的简单灭鼠平均5秒/个，人员联通速率2米/秒。
（5）模拟取件的合成器。通过实地调查，中学生自提柜取件的历时大都是在10秒～15秒，将合成器的工作时间设置为(10,15,0)；中学生货架取件历时通常在9秒～22秒，将合成器的工作时间设置为(9,22,1)，取货后自助扫描时间设置为(9,15,2)。
4.模型仿真及结果剖析
根据2021年10月23日～11月23日每10分钟取件中学生抵达人数（单位：人）的督查数据（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。每位仿真时段记录入库、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中学生抵达时间间隔服从负指数分布(0,6,0)、(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。
通过仿真模型运行结果显示大学配送系统，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%；此时段中学生取件非高峰期，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%；此时段中学生取件高峰期，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。
剖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，将会造成整个系统截瘫；系统在22:30之后还有261个快递未入柜和上架，471个快递未领到，造成高达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
对模型进行更改：降低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%；此时段中学生取件非高峰期，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%；此时段中学生取件高峰期，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.在每晚的9:00～19:30降低兼职人员2名，快递入库效率提高，以减短兼职人员的工作时长，增加货差率。优化前系统在22:30之后还有261个快递未入柜和上架，以及471个快递未发放而形成12.6%的货差率。优化后19：40完成全部快递的入库，未领到快递249个，货差率增加至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.有效减少中学生取件高峰期因扫码设备空闲率低，而造成系统截瘫的机率。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%。中学生取件高峰期扫码设备的平均空闲率由2.07%提升至20.16%。
综合以上，增设自助扫码设备1台，在每晚的9:00～19:30降低兼职人员2名，是较为合理的选择。
五、结论
本文基于仿真以山西农业学院快件服务站为例，为解决院校快件站在快递抵达与取件高峰期，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，进行了的仿真剖析研究，发觉问题并最终通过对快件服务站在原有5名工作人员、2台自助扫码设备的基础上再降低2名兼职人员和1台自助扫码设备。
END
宣传推广
免责声明：部分文章信息来源于网络以及网友投稿，本站只负责对文章进行整理、排版、编辑，出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性，如本站文章和转稿涉及版权等问题，请作者在及时联系本站，我们会尽快为您处理。
