基于Flexsim的B2C电商物流储位优化策略研究

文/张小艺

一、研究背景及意义

电子商务的实现，以物流体系为支撑。对于B2C电商企业而言，物流服务质量和效率是衡量其竞争力和服务能力的一项重要指标，因此电商物流中心的工作效率十分关键。统计数据表明，在实际的物流运作过程中，装卸、搬运、存储和拣选总时间占劳工活动的40%，而行走时间却占到了60%，储位优化可在一定程度上提高仓库的空间利用率和货物拣选的效率，降低拣选错误率，提高订单响应速度。

二、储位优化综述

储位优化，即货位优化（Slotting Optimization），是指在恰当的储存方式下为每一种货物指定一个货位，使得总拣货时间最少或行走距离最短，即基于SKU分析货物的出库量和出库频率，基于订单分析货物相关性，并考虑预想不到的变化因素，动态地设置仓库中货物的货位，以保证货位分布的合理性，从而达到提高拣货效率和降低运作成本的目的。

常用的基本储位分配策略有随机存储、定位存储、分类存储以及共享存储，其优缺点见表1。

三、基础数据分析

1.案例背景

自建物流是电商企业的“大动脉”，以B2C电商企业V为例，其总部位于广州市，自2013年12月9日开始自建物流，截至2017年底共拥有五大物流仓储中心，仓储总占地面积已达250万平方米，分别位于天津、广东、江苏、四川、湖北，并以此为原点，分别服务于华北、华南、华东、西南及华中的客户，辐射半径直达周边各省的千万客户。目前，该企业99%的订单都是通过自营物流网络进行配送。

2.订单数据的收集

选取电商企业V物流中心2017年最大订单日进行数据分析，当日订单数量733笔，出库SKU880个。搜集当日以下信息，作为数据分析依据。

图1：前100个SKU的IQ分析图

图2：前100个SKU的IK分析图

（1）SKU信息：即每个SKU的长、宽、高、重量、体积、包装尺寸、保管特性、分组属性等；

（2）储位信息：即货架的长、宽、高、列数、层数、承载重量、关键属性等；

（3）SKU周转信息：即出库量、出库频率、产品相关性、销售预测等。

3.订单数据的分析

（1）IQ分析

IQ分析，即对每个SKU的订货数量进行分析，由EIQ资料统计数据，将各品项的出货总量IQ按从大到小的顺序进行排列，然后进行累积值和比例的计算，得到表2。

由表2可知，该日电商订单绝大部分SKU的日出货量均为1，占到SKU总量的88.86%，只有11.14%的SKU日出货量大于1，因此选取出库频次和出库量排在前100位的SKU进行分析和Flexsim建模仿真，如表3。

对前100个SKU进行IQ分析，出库量为最大值50的SKU占比1%，29%的SKU出库量为4，30%的SKU出库量为3，占比重最大（如图1）。

（2）IK分析

IK分析，即对SKU的订货次数进行分析，由EIQ资料统计数据，将各品项的出货频次IK按从大到小的顺序进行排列，然后进行累积值和比例的计算得到表4。

表2：IQ计算表

表1：储位分配策略定性分析表

表3：前100个SKU的出库频次和出库量

表4：IK计算表

图3：产品相关性分析

图4：黄金区域划分图

图5：仿真系统框架

对前100个SKU进行IK分析可看出，出库频次为最大值24的SKU占比2%，出库频次大于10的SKU有30个，可划分为A类商品；57个SKU的出库频次为3，占比重最大，可将这57种商品划分为B类；剩余所有出库频次为1的商品均为C类（如图2）。

（3）产品相关性分析

733个订单中只有3个订单在购买一种产品的同时也购买了另一种产品，如图3，说明SKU间可能存在一定的相关性，这3个订单相比订单总数来说基本可以忽略不计，因此不考虑从产品相关性的角度进行储位分配，而是从ABC分类的角度进行优化。

（4）产品ABC分析

ABC分析法的核心思想是“抓住重点，分清主次”。在储位优化中，以提高作业效率为目标，应按照货物的出入库频率进行ABC分类。

该日出库频次大于10的30个SKU划分为A类产品，日出库频次为3的57个SKU划分为B类产品，其余日出库频次为1、0的SKU划分为C类产品。然后，在A、B、C三大类产品下考虑使用多层ABC分类，按比例在每一大类下继续分出A、B、C类，出库频次为24的为AA类，频次为16、20的为AB类，依次类推，分析结果如表3。

四、储位优化策略

1.企业库位分配方案

该企业目前仓库储位分配的方式是随机存储。与亚马逊的随机存储策略不同，我国很多中小型企业物流中心并不能实现作业全程的大数据驱动，没有功能强大的智能仓储系统作为技术支撑，也没有完善的流程体系和管理机制，使用随机存储方式不仅会降低货物拣选效率，还会给盘点等作业增加不小的难度。

2.基于ABC分类的货位优化方案

（1）品规ABC分类管理

对于A、B类，即相对重要的产品、中高频拣取的产品、数量多品种少的产品使用定位储存，将货物按某种标准进行分类后每一类货物存储在固定的货位上，是一种分类定位存储。对于C类，即在同一类别下中低频拣取的且没有特殊存储要求、不会互相影响、数量少品种多的货物可以使用随机储存，即每一类货物存放在固定货区，但货位分配随机，是一种分类随机存储。

该方法对于流动性重要性较高的货物，分类定位存储策略有较强的灵活性，方便对储位进行安排调整，也不会造成太多的存储空间浪费，同时重点管理A、B类商品可以缩短总拣选距离，提高整体拣选效率；C类货物在所有商品中占比重最大，种类最多，但出库频次很低，采取的分类随机策略能够结合分类存储和随机存储的优点，大大提高仓储空间的利用率，提高作业效率。

（2）货架区域划分

货架黄金区域，顾名思义就是指那些进行搬运、拣货、出入库等作业比较方便的区域。划分仓库的黄金区域通常也是利用帕累托原则（80/20原则）来进行的，对于一般的仓库，可以考虑将距离仓库出入口的路径值从小到大进行排序，前20%的货位划分为黄金区域，即靠近出库台、打包区的20%的区域或靠近作业人员腰部附近20%的区域，如图4。

在货架列数上，本例货架列数较多，仓储区域长度相对宽度大很多，以打包机为圆心画圆在仓储区域所截圆弧近似呈直线，误差可以忽略不计，所以本例将货架直线分割成A、B、C三部分，即靠近打包区的前20%的区域为A类；在货架高度上，因为模型货架只有2层，所以不考虑货架垂直方向的黄金区域，因此将动销率较高的A类产品存储在离出库台、打包区较近的区域，方便进行频繁地拣货、出库操作，B类产品次之，C类产品放在最后。

图6：模型货位分配全局表

五、Flexsim仿真分析

1.建立仿真模型框架

如图5，建立仿真系统框架，作业流程如下：货物初始设定口1连接到货架A1，货物初始设定口2连接到货架B1，货架A1、B1分别A连接到打包机，订单发起A连接到打包机，货架A1、货架B1、打包机分别连接到叉车，最后打包机A连接到出库暂存区。设货架均为2层25列，每个货格存储单个SKU，容量为50。订单发起用于产生托盘临时实体，叉车根据订单的需要，将存储在两个货架上的货物拣选出来并输送到打包机，打包机读取订单的全局表后将同一个订单的货物和托盘一起打包，最后一并运至出库暂存区。

2.设置模型的相关参数及表格

模型货位参数用全局表设置，rack1表示货架A1单个货格上存储货物的临时实体类型，rack2表示货架B1单个货格上存储货物的临时实体类型，表格共2行25列，对应货架的层和列；order表示客户订单的全局表，共100行100列，行表示产品，列表示客户。三个模型货位分配全局示意，如图6。

3.建立三种仿真环境

本文建立的Flexsim仿真模型，对三种货位存储策略进行仿真，即完全随机存储、ABC分类随机存储和A、B类定位C类随机存储，通过对比三个模型的运行结果来验证本文优化策略的有效性。

图7：完全随机运行结果

图9：AB类定位C类随机运行结果

表5：运行仿真结果统计表格

表6：三个模型统计报告

环境一：100SKU完全随机的储位分配策略。

环境二：分类随机的储位分配策略，即A、B、C分别在各自范围内随机。

环境三：A、B类货物定位存储的方法，C类随机分配货位。

4.初始数据设置

仿真假设其他条件不变，仅SKU对应储位发生变化，因此订单全局表完全相同，仅货架全局表发生变化，即rack1、rack2的全局表不同。需要按照三种仿真环境，分别设置rack1、rack2的两个全局表中的数据。

5.运行仿真结果分析

（1）成本分析

根据国家《特种设备安全监察条例》，叉车在厂区、车间干道上行驶速度应控制在10km/h的速度范围内，所以假设叉车的行驶速度为10km/h，3吨叉车每小时耗油在3L左右，因此可得到叉车每公里耗油约0.3L。假设柴油价格为6.5元/L，则燃油成本与行驶里程呈正相关，为0.3×S×6.5=1.95S元。对三个模型的运行仿真结果进行统计，如图7、8、9。

完全随机存储（方案一）模型叉车行驶总路程为141012.42km；ABC分类随机存储（方案二）模型叉车行驶总路程为94802.78km；AB类定位C类随机存储（方案三）模型叉车行驶总路程为86092.16km。

方案一消耗燃油成本为274.97元；方案二消耗燃油成本为184.87元，比方案一降低了32.77%；方案三消耗燃油成本为167.88元，比方案二又降低了9.19%。可见，优化方案能够在一定程度上降低物流成本，满足上文提到的储位优化低成本的目标。

（2）作业时效性分析

方案一模型运行时间为73280.39秒；方案二模型运行时间为50177.78秒，减少了31.53%；方案三模型运行时间为45831.15秒，比方案二又减少了8.66%。另外，从方案一到方案二再到方案三，叉车、打包机和订单发起的每小时输出量逐渐增加，说明物流作业效率越来越高；叉车停留时间平均值逐渐减小也表明叉车运行效率提高，使货物能够更加快速地出库配送并及时送达至客户，物流作业时效性越来越强。运行仿真结果统计，如表5所示。

另外，从叉车的其它参数来看，负载偏移时间（offset travel loaded）是指叉车到达卸载的目的地即打包区之后，为了把货物卸载到指定的位置时所进行的移动，反映了叉车在运送过程中的综合准确度问题，如表6所示，三个方案负载偏移时间越来越低，说明优化方案比前两种方案的准确率要高，因此避免了很多不必要的行进，提高了作业效率。同理，空载偏移时间（oあset travel empty）是指叉车在拣取临时实体时离开网络节点进行的移动，优化方案也能缩短偏移时间；另外，空载行进时间（travel empty）的缩短也能反映效率的提高，作业时效性的加强。

六、总结

本文以某电子商务企业物流中心仓库为研究对象，结合该物流中心货位管理的问题，综合考虑了商品出库频次、出库量、需求相关性等因素后，进行了IQ、IK分析，并对所有100种商品进行了多层ABC分类，提出基于ABC分类的货位优化方案。由于B2C电商SKU较大，且在每一大类下各种商品的出库频次和出库量的数据差异比较明显，因此采用多层级ABC分类法进行分类，而对动销率较高的A、B类商品进行分类定位重点管理，为其指定存放区域后再进行具体的固定货位分配；C类商品分类随机，不仅会大大提高拣货效率，降低作业成本，也能一定程度上提高仓库空间利用率，同时不会对盘点作业造成很大的麻烦。

根据优化方案，选取了企业销量排在前100位的SKU设计出一个简化的仿真模型，并借助Flexsim软件完成仿真运行，通过不同维度对比以上三种方案的运行结果，最终验证了优化效果，以期能将其应用到商品种类和数量更多、客户订单量更大的情况下，并能够在实际的工作中对于类似的B2C电子商务企业物流中心有一定的参考作用。