Zooplus是欧洲领先的电子商务宠物零售商。Zooplus成立于1999年，是一家德国初创企业，在30多个欧洲国家拥有800多万活跃客户。2021年，其收入为23.9亿欧元。
在这篇博文中，我将向您介绍如何使用仿真建模来最小化交付时间和成本。
Zooplus商业模式
Zooplus的副产品负责人
我们的商业模式是基于共享的3PL(第三方物流)服务。首先，订单履约中心储存货物和包装包裹。之后，长途运输供应商将它们运送到枢纽。最后，最后一英里服务将包裹送到客户手中。Zooplus在这个过程的任何一步都不会“接触”包裹。
Zooplus是一个拥有自有品牌商品的互联网平台，管理从供应商开始到最终交付点结束的所有产品流程。在流程的每个阶段使用3PL(第三方物流)既有优势也有责任约束。优势是灵活性、可扩展性和更低的复杂性。同时，责任约束包括订单总量协议和严格的规划过程。
宠物用品是一个相当特殊的类别。一方面消费者对品牌的忠诚度较强，另一方面边际性较低。同时，由于包裹体积大、重量重等特点，物流成本较高。
此外，Zooplus对大部分客户保证2-3天交货。为了实现这一交货时间，该公司以低存货为目标进行运营。配送中心早上开始生产，晚上包装还没有被订购的物品。
输送系统行为的预测
为了在节省成本和缩短交货时间之间找到平衡，我们采用了几种方法。它们是基于 Gurobi的优化、混合预测、仿真建模以及这些的组合。我们决定使用什么技术取决于规划和运营活动的水平。
公司最重要的程序之一是“包裹放行”。一旦订单进入我们的系统，我们就需要动态决定包裹的生产地点和运输方式。这取决于物料可用性、总成本、交货时间和所有其他限制。
我们在Zooplus上创建了一种综合产品，可以在物流中心之间分发包裹。它的一个应用是优化引擎。它的目标功能是最小化成本，将交付时间转化为货币价值。这一决定不是基于单个包裹的最佳生命周期，而是基于整体情况。
我们还需要在所有履约中心、配送供应商的负载稳定性和现实生活中的商业合同之间找到平衡。挑战在于预测系统在发生更改时的行为方式。可能是不同的成本、容量限制、紧急情况、更高或更低的包裹数量等。
用于精确规划的包裹分配仿真
正确而准确的预测不能通过分析来完成。只有仿真建模可以让我们考虑所需的细节水平。这就是我们为数字产品创建数字孪生的原因。我们使用不同的参数仿真系统行为，并观察包裹分布应如何以最佳方式变化。
知道最佳设置后，我们事先准备物理实体。例如，我们将向第二家承运商预订适当的运力，以防第一家承运商提高价格。此外，如果我们知道另一个履约中心将发生罢工，我们将在另一个履约中心确保额外生产能力。
“轻松交付”案例研究
交货时间是电子商务成功的关键因素。以前，我们还向所有客户宣传“尽快交付”规则。然而，我们的营销分析团队的研究表明，很大一部分客户并不重视快速的交付。
这就是我们引入“轻松交付”的原因。它是如何工作的？
- 客户在下订单时同意更长的交货时间（最多3天）。
- 订单顺序在队列中被取消优先级。
- “轻松交货包裹”不会尽快包装和运输，而是等待更高的卡车利用率。在交付时间表上拥有更大的灵活性，使我们能够更灵活地进行优化和更好的利用资源。因此，减少了碳足迹。
如何在履约中心之间分配订单的决定不仅取决于实际的供应链特征，还取决于“转向”参数。
这不同奖金和惩罚的列表是基于与服务提供商的协议和业务规则的。我们对“轻松交货包裹”应该如何表现的“假设”分析是基于一个特定奖金的变化。
我们希望我们的数字孪生能够回答以下问题：
- 我们应该如何平衡排队时间和交货时间？
- 它如何影响成本、提前期和履约中心容量？
- 哪些国家受益最大？
该仿真基于真实的每周包裹数量。这样的时间框架允许在考虑一系列可能的收入和模型绩效之间取得平衡。“轻松交货包裹”的比例为5-20%，具体取决于国家/地区。
我们创建了几个具有不同“转向”参数逻辑的场景，并选择了成本和交货时间效益最高的模型，而不会对我们的 3PL(第三方物流) 提供商产生负面影响。
最佳仿真方案预测了以下结果：
- “轻松交货包裹”的发放部分转移到了我们最便宜的物流中心。
- 我们在模型中的网络级别具有+0.6 ppt的成本效益，在现实生活中具有1-3%的成本效益（取决于交付国家/地区）。
- 我们观察到，在模型中，“快速交付”的前置时间KPI提高了0.33个ppt，在现实生活中提高了5-10个ppt。
- 根据我们的订单限制，运营中心容量没有失衡。
结论
准确的规划在公司中起着至关重要的作用。成本和交货时间平衡问题促使我们投资寻找新技术并改进现有产品。让我们看看它将如何影响我们在 2023 年的业务。
相关案例研究：
订阅我们的每月推送，直接通过邮件收到最有趣和相关的资料。
