基于FlexSim的鞋服配送中心逆向物流仿真优化

李艳珍

(黎明职业大学 商学院，福建 泉州 362000)

一、研究背景及研究现状

(一)研究背景

鞋服行业是支撑我国国民经济发展的重要传统产业,在国家宏观产业布局规划中有着十分重要的地位。2020年受疫情影响，大批的服装专卖店无法正常运作,服装行业也提前步入了淡季。《纺织业“十四五”发展纲要》等一些促进服装行业发展消费的政策，为企业线上销售铺平了道路，2021年服装市场的销售情况得到明显改善，中国限额以上单位服装类商品零售额达9 974.6亿元。在消费升级和新零售的大环境下，鞋服企业为增加客户粘性、提升营业额而推出“7天无理由退换货”“随心换”“赠送运费险”等宽容大度的售后措施，这也导致服装退货率的大幅提升。据运联研究院的数据调研表明：全渠道销售时代服装行业整体退货比例已上升至45%(女装最高至60%)。两大类平台日均退货订单合计已达到千万级别，一类是传统电商平台如淘宝、拼多多、唯品会等，另一类是近两年火热的直播带货平台如抖音、快手等。从退货率看，唯品会<淘宝<拼多多<抖音、快手，可以看出直播平台退货率最高，达60%左右[1]。然而，不同渠道、业务形态的退货又有差异：对于2C端，消费者直接退货，SKU(Stock Keeping Unit库存量单位)多、集中度更低、需鉴别退货原因，耗费时间对应订单；2B端退货，原因主要有产品质量问题、销售季节问题、企业经营策略调整等，退货形式有店退仓、客退仓、客退店等。综上所述，对于鞋服行业来说，无论2C端还是2B端，逆向退货物流的入库作业流程处理都是其瓶颈。

(二)国内外研究发展现状

逆向物流的退货处理是鞋服行业颇具挑战的难点之一。近些年研究学者对鞋服行业退货问题展开了研究，并取得一定的成果。笔者将与该研究主题相关的文献概括为：逆向物流的库存控制、路径优化、退货原因分析及FlexSim仿真软件的应用。马向国[2]加入产品剔除率和价值衰减率两个要素，通过FlexSim仿真软件建模优化，使得制造商寻求到最佳制造策略和库存策略，达到平均成本最小化的目标。徐湘匀[3]对第三方物流企业服装逆向物流网络优化进行了探讨。慕晶晶[4]采用遗传算法研究服装退货回收车辆路径问题并作出优化，从而降低运输成本。Mukhopadhyay[5]发现宽松的退货政策可以提高收入，也会提高退货的可能性，从而增加成本。梁建芳[6]通过专家调研与主因子分析法构建了服装网络退货满意度的评价体系，提出通过加强退货管理水平，提高顾客满意度，增加逆向物流引起的收益比例。高峻利[6]用FlexSim仿真方法来直观地分析产品入库系统的瓶颈，并进行不断优化，使得入库效率明显提高。宋莹[7]从影响服装生产因素入手，通过FlexSim软件对其进行仿真优化，降低工时、提高生产率。王海天[8]利用FlexSim仿真软件对电商包装作业及仓储作业进行建模仿真，最终得出提升仓储作业效率、降低企业成本的路径。张苏宁[9]认为蚁群算法和Flexsim 软件都具有开放性结构，因此，该方法可用于解决不同服装流水线的优化与仿真问题。综上所述，学者们大多数是从消费者、商家角度研究如何预测退货率和提高消费者满意度，少数从退货入库流程优化的角度研究如何降本增效。从物流视角来看，退货处理、逆向物流是服装行业降本增效的物流难点之一。因此，如何提高仓库逆向入库效率，是该研究的出发点。

泉州的纺织鞋服产业集群工业产值超千亿，目前全市有300多家物流企业服务鞋服产业，作为鞋服逆向物流的核心环节，入库的提质增效已经成为鞋服行业供应链转型的焦点。鞋服门店换季时的集中退货会给仓库带来巨大的流量高峰，同时对场地、效率和流程都是全新的考验。由于门店退货，多种款色码数的商品无序堆放，加之其未来是否可售卖等情况未知，对人员需求和作业面积造成了巨大压力[9]。对于供应仓库来说，这部分门店退货商品不仅SKU多而且单均少，加上门店跟仓库之间有着财务关账时间的限制，且退货入库有一定时效，如何快速高效处理退货，加快商品流通，成为服装逆向物流发展过程的关键问题[10]。该研究以W鞋服配送中心为研究对象，分别从商品角度和仓库角度研究现有运作模式下存在的场地布局不合理、订单流量波动大、人工拣选效率低等问题，采用FlexSim系统对W配送中心的逆向入库作业进行了仿真和优化，探讨解决方案，以期为同类配送中心逆向物流入库环节的提质增效提供借鉴和参考。

二、W鞋服配送中心逆向物流存在问题与分析

(一)W鞋服配送中心简介

W公司是一家在中国体育用品行业处于领先地位的泉州企业，旗下共5个品牌，经营品类以鞋类、服装类和配饰为主，鞋服配销售占比约为45%、45%和10%，是定位于最广大普通消费者的专业体育用品品牌。该公司的销售渠道分为线上平台和线下门店销售，目前在全国设有20个库房，拥有着较大规模的仓储网络。W公司根据全国门店销售体系，建立了“中央仓+区域仓+分仓”的物流模式，通过分仓覆盖临近的区域门店的形式进行商品运输配送；通过自建物流中心，以招标的方式将干线运输进行外包，末端门店配送阶段与同城第三方物流合作，以只控节点的形式搭建其服装物流。

现如今，服装逆向物流是常态，W公司开始重视逆向物流在企业运营和物流运作中的重要意义，在某分仓-W配送中心划分了专门的逆向物流处理区域，成立了逆向组织架构。

(二) W配送中心逆向物流产生的主要原因

鞋服行业逆向物流产生的原因主要有四点：一是季节性退货，因鞋服商品的季节性特征强、生命周期较短，在换季上新品前，上一季未售完的商品产生退货；二是预测不当退货，例如门店需求预测不准确，或对销售数据分析不准，而产生过量要货；三是商品调拨，即公司将一个地区或门店滞销的货物退回仓库，再向有需求的其他地区或门店进行二次配送；四是消费者个人原因退货，日益增加的消费者退换货需求。以上情况大体可分为两类，一方面主要是在门店与品牌企业、品牌企业与供应商、门店之间，属于B2B形式的逆向物流；另一方面是来自个人消费者方面，由于退换货数量大幅增加，商品更为零散，物流作业难度也更大，退换货处理是否得当、反馈速度是否够快都与消费者体验息息相关，因此越来越受到企业重视。

(三)W配送中心逆向物流带来的问题

一是“高出入库流量”要求下，“海量SKU退货”人工作业效率低下。随着电商业务的高速发展，鞋服物流多品种、小批量、多批次、短周期的运营模式也逐渐成为常态。W鞋服配送中心仓存储量较大，每天需要处理SKU高达20万个。同一款式不同色调和尺码对应不同的SKU，同一款式服装通常有6～8个尺码，3～5种颜色，因此同一款式服装就能产生18～40个SKU；单多量少的海量SKU退货，使整个配送中心在入库环节人工的作业效率低下，如表1所示。

表1 W配送中心运营数据

二是门店换季集中退货，对人员需求和作业面积造成巨大压力。对于配送中心来说，门店换季集中退货与新品的入库高峰产生冲突，这给仓库运营带来巨大操作压力，同时对场地、效率和流程都是全新考验。由于门店退货是将过季服装统一混装打包寄回，并未进行分类，因此在收货区需要专门设立拆包小组，负责拆包分类工作。由于多种款色款式无序码放，加之不同商品对未来是否可二次售卖的质量要求也不同(如表2)，这要求操作员拆包清点数量，按照特定规则分类整理，因此对人员需求更大，给作业面积造成巨大压力。

表2 W配送中心退货产品分类

三是与正向入库相比，退货入库操作手续更为繁杂，入库时效被拉长。正向入库时一般为整箱交接和封签交接，在验收时只需清点货物，在仓库不爆仓的情况下，从入库到验收只需1～2 h；而处理逆向时需要进行称重、拆包、分类、重新整理等，时效几乎是正向的2倍,逆向物流的退货入库流程如图1所示。

图1 W配送中心退换货出入库流程图

四是目前仓库操作还是靠人海战术解决，货损高。在换季大促的高峰如5～6月、10～12月，退货量膨胀，仓库需要雇佣临时工来补充人力，但其作业效率是正式工的40%，出错率可达60%，产生的问题单是平时的1.5倍。这些临时工一般被安排在拆包、整理环节，但工人在拆包环节，极易出现冬季服饰如羽绒服被划破现象，收集快递面单时易出现混乱，在整理环节工人的暴力操作也常常使衣物破损。

三、W鞋服配送中心逆向退货入库模型优化

(一)库区库位设置说明

W鞋服配送中心仓库面积约为8 700 m2，是双边门高台库。根据逆向物流作业流程，在仓库的设计上依次规划退货收货区、理货区、质检区、入库作业区，以确保不与正向物流作业动线相冲突。库内共有20个功能区，其中针对2B端设置渠道退货收货区，2C端的退货设置电商退货收货区(如图2)所示，SKU存储数量达1.6万个，峰值数量达13万个。

图2 库内功能区规划图

(二)退货入库作业的评价方法

评估的目标是节省人工成本，提高收货效率，实现最大化收益和客户满意度，以下3项是研究的评价指标。

1.处理时间t。服装在商家端退货到目的仓后进行收货上架所需的时间表示为t，即每件服装从扫描入库至最后放置待上架货区所用的时间。

2.排队等待量n。在入库验收质检环节中服装的最大排队量n，是指每个货区内等待工人进行操作的服装，可在入库系统中进行统计。

3.流通时间d。服装在不同环节中流动的时间d，包括每个货区工人对服装进行操作所用的时间和服装进入下一环节后等待工人操作所用的时间。

(三)基于FlexSim的退货入库仿真建模

FlexSim是美国的三维物流仿真软件，应用于系统建模、仿真以及实现业务流程可视化。此软件已经在各个领域的配送中心的拣选仿真、仓储仿真、产品仓库分拣仿真、生产物流系统仿真、集装箱码头仿真等多个领域内得到成功运用[8]。通过利用FlexSim的层级结构，可以有效优化系统内部的组织结构，提升工作效率[9]，因此选择FlexSim对入库系统进行仿真，在现有的入库模式上建立系统模型，录入数据进行仿真，并对结果进行优化。

1.仿真模型的参数设置

W配送中心制定的工作时长一般为早8点至晚10点，为12 h工作制，在该仿真模型中，假设此仓库在换季销售时期当天接收的退货订单量为4 000单，将模型时间单位设置为秒，则其运行时间设为43 200 s。其进行初始仿真步骤如下。

(1)货物到车: 表示的是服装到货环节。根据调研，这些退货服装通常是由厢式货车运到仓库，一次到货可达20～40方；且仓库时效设为(T-1)18点至(T)18点订单当天必须处理。因仓库接收订单一般为4 000单左右，单均2件，根据工作时长并结合实际运营来推断，设置该数据服从正态分布，其均值设为10 s，方差设为2。

(2)称重拆包: 指的是货物到达时进行粗略分类，对于面单污损无法识别类直接拒收。仓库内现有3组人员，其中2组皆为长期正式工，另外一组是由临时工和正式工组成。由于人员组成不同，在操作时长上会有所差别，按日常运营数据分析，单均在此环节停留时间一般为30～60 s，因此分别按人员组成及熟练程度以30，45，60 s设置，上游任务按6 ∶4 ∶3比例进行分配。

(3)验收入库：主要是仓库人员使用PDA手持终端进行扫描验收入库作业，不合格商品放入对应容器内。仓库内现有4组人员，操作人员皆为库内长期正式工，根据调研数据，单均处理时长一般为60 s，因需花时间核对系统单号和线下PDA扫描出的明细信息，包括但不限于单据信息和SKU明细信息。

(4)质检整理：仓库内现有3组人员，其中2组皆为库内正式工，另外一组是由临时工和正式工组成。由于人员组成不同，在操作时长上会有所差别，据现场观察，单均质检时间一般为30～60 s，因此按人员熟练程度以30，45，60 s设置，上游任务按2 ∶2 ∶1比例进行分配。且质检时若出现无吊牌等异常需反馈给异常处理员，这3组操作人员需按百分比来设置临时实体流，产品合格率一般为96%，其处理时长一般为120 s。

(5)上架员：指的是将处理好的整箱服装进行上架处理的作业人员，设备使用的是1台高架叉车和2台电动叉车，不同设备处理时长分别为60和90 s，上游任务按3 ∶2 ∶2分配；模型中各类暂存区分别用于存放暂未操作入库、已被验收入库产品、已被质检待上架产品，设置其最大容量为10 000。

2.运行结果分析

仿真模型搭建后，按顺序连接各实体，设置操作运行时间为43 200 s，系统流入订单4 305单，最终完成验收和上架2 289单，且模型中收货暂存区和待验收区出现堆积，而待质检区和待上架区为空，可见瓶颈在前段处理环节。

(1)前端操作员运行结果分析

根据表3所示，前端处理人员的平均工作时长占比高达95%以上，可见前端积压货物量严重，操作员在处理时几乎没有空闲时间，且在验收入库环节，货物平均停留时间较长，而这一环节正好是卡在客户账单结款环节。因此为加快处理积压货量，缩短账期，前端工作需要支援并进行调整。

表3 初始模型前端运行数据

(2)后端操作员运行结果分析

根据表4所示，质检员的平均工作时长均占65%，空闲时间略长，且质检员3所在货物停留时间几乎是1和2的两倍，因此需考虑对质检员3进行培训或者再分配一个长期正式工，提高货物处理效率；异常处理员空闲率高达76%，因此考虑到时间成本和人力成本，可以将该人员的工作内容变得弹性化，适当去支援前端作业，以提升工作效率；上架员的平均工作时长均占80%，空闲时间略宽松，极易造成叉车设备利用率较低，又产生资源浪费，因此可考虑减少1台电动叉车使用，同时减少一名上架员并将其用于支援前端作业，降低运营成本。

表4 初始模型后端运行数据

(3)暂存区运行数据分析

用于存放到货产品和待验收产品的暂存区工作率为100%，而用于存放待质检和待上架产品的区域空闲率为1，即不存在堆积状态。可见在称重拆包环节和验收入库环节的作业处理效率是较低的，所以需考虑对相关的前端操作人员进行培训，并适当将后端人员补充到称重拆包和验收入库环节。

3.改进方法

依照首次运行仿真模型出现的问题，结合运行数据和库房实际，最后从以下几个方面对模型进行改进。

(1)因验收入库环节影响到平台退款效率，为缩短账期，在货量高峰期此环节需增加验收入库小组人员；且这一环节需要使用到PDA，网络状态需良好，一方面可对人员进行培训合格后再作业，一方面也可安排后端操作员进行支援[11]。

(2)在称重拆包环节，系统接收4 305单，但第一环节处理量为3 079单，这一差异会影响后续验收确认退款、仓库上架时效，因此需考虑增加称重拆包小组人员，组员可选择后端作业的操作员来支援。

(3)因质检环节影响到后续上架，仓库有规定时间内的上架指标，即当天18点前WMS(仓储管理信息系统)下传的订单要处理完，因此可考虑将异常处理组内部分员工替换临时工安排处理质检作业，使得质检员小组作业水平提升，提高货物处理效率。

(4)因仓库需要考虑降本增效，在仓库设备使用率上，可移除1台电动叉车，并将该上架员安排至前端作业小组，提升效率的同时达到降本效果。

(5)更新作业处理数据，新模型运行完毕后，再次分析订单完成量、操作员作业效率以及各类暂存区的运行结果数据，结合实际得出最后结论。

4.改进后运行结果分析

为节省入库作业成本和人工成本，提高人员效率与设备利用率，在不增加临时工使用的情况下，对库内其他正式员工进行弹性规划作业，在优化模型上各区域增加或减少操作人员，并对各操作小组人员进行优化，降低作业停留时间，具体作业数据如下：

称重拆包上规划4个作业小组，人员培训后单均作业时长可调整为30 s；验收入库上在不增加小组的基础上安排后端作业小组支援，人员培训后单均作业时长可调整为40 s；质检环节上由于质检小组临时工换成了正式工，将异常处理员移到质检小组，作业效率和作业质量上会有明显提升，单均作业时长调整为30 s；上架环节中由于各区域人员都得到了优化，需要上架的货量也增加，考虑到仓库上架时效，保持原有作业人员和设备。仿真模型设定运行时间为43 200 s，运行后的仿真模型如图3。

图3 改良仿真模型运行结果

由图3可以看出，通过改进后的仿真模型，系统最后入库处理为4 198单，相比于初始模型，整个运作效率提升了45%，且各个模块的运行水平都能达到较为合理的水平，暂存区不再出现大量堆积现象，人员优化提升了整个工作进度，使得系统逐渐运行流畅。

(1)人员工作时长分析。从表5可以看出，经过一系列改进优化后得到的仿真模型在时间上的利用率比原始模型高很多，平均工作时间大都在80%～90%左右，在人员利用率方面也有所提高。其中称重拆包人员的作业时长稍有减少，质检人员和上架人员作业时长增加，增加的称重拆包小组作业时长也能达到76.5%。由于目前仓库对于临时工的使用有一定限制，只有在大促期间允许申请临时工，所以针对基层操作岗位，仓库现已全面执行10 d强化培训，工人需通过考核、持岗位资格证上岗，培训包括但不限于产品信息培训、作业流程培训、质检、再生操作规范、安全作业管理规范等。在仓库需要施展人海战术时，合格的操作员能够提高作业质量，减少出错率。

表5 改良仿真模型工作时长运行数据

(2)处理单量和停留时间分析。由表6可以明显看出，优化后模型的订单处理能力整体提升了近45%，在验收环节几乎能够完成当天产能，这样既缩短了平台账期，又能基本达到仓库上架时效。其中货物在每个环节停留时间都有所下降，得益于各区域人员的优化及相关培训。

表6 改良仿真模型单量及停留时间运行数据

(3)仿真模型存在问题分析。首先目前系统建模只能还原部分作业场景，比如库内各功能区的设置和规划、物流动态路线、作业流程，不能对实际运作模式进行完整仿真。其次该模型经过不断的优化后，依旧存在一些小瓶颈，比如新增的称重拆包组处理单量仅是原有小组的1/2，异常处理员作业时长仅为34.4%，质检员和上架员作业时长高达95%以上，等等。其主要原因是仓库对于人员工作内容的实时变动目前在系统上是无法体现的，库内人员一天之内极有可能支援不同岗位，这种实时变动难以体现在仿真模型中。

四、结 论

不管是正向物流还是逆向物流，入库环节的效率始终是仓库活动的关键。结合现有运作模式，考虑各类影响因素，使用FlexSim软件可进行构建和优化仿真模型，能够直观地展示出某一处的瓶颈、人员和设备使用效率。针对服装门店逆向物流所产生的海量SKU退货、人工作业效率低下、退货作业流程不明确，操作不规范、多类型任务混场作业，运营管理难度大等问题，运用FlexSim仿真软件对W配送中心逆向入库模式仿真建模。该仿真模型在环境条件理想状态下以提升入库作业效率为目的，通过场景的优化，大幅提升仓库存储密度和空间利用率，增强系统的存储和缓存能力；通过对操作人员的培训优化、设备更新、维护库内网络环境、弹性使用正式工等方法，提高员工作业饱和度，从而使逆向物流的入库效率得到提升；改善逆向物流退换货的入库流程，建立良好的服务体系，实现快速响应，以提高客户满意度，降低物流成本，增加产品销售额。在新零售和消费升级的大环境下，如何快速高效处理退货，加快商品流通，是鞋服逆向物流发展过程中绕不开的问题。就目前电商发展趋势而言，服装电商行业较高比例退货率不容小觑，且目前整个行业的趋势正在向降本方向行进。从战略层面看，服装企业应该重视逆向物流，有效的逆向供应链管理能够帮助企业节约成本并与客户建立可持续的商业模式。