大型电商平台 “最后一公里”配送网络优化

大型电商平台 “最后一公里”配送网络优化

概述

Ozon是东欧最大的在线零售商之一,2019年的总销售额约为50亿美元。通过扩大配送区域、推出新服务等方式客户正在逐年增长。数据显示,Ozon的营业额在2019年和2020年第一季度分别增长了93%和115%。因此,为满足日益增多的订单,公司需要不断优化基础设施。

问题

2018年,Ozon在莫斯科及周边地区拥有7个配送中心,面积从200平方米到5000平方米不等。到2020年,配送中心的数量达到11个。最终货物的送达,是从配送中心送到客户地址、提货柜或提货点的过程。为了保持较高的服务水平和货物的准时送达,建立一个新的分销网络十分必要,还要尽可能缩短配送中心到最终目的地的距离。

为了解决这一问题,Ozon选择了具有配送网络优化功能的AnyLogic软件进行仿真优化。AnyLogic使Ozon能够将莫斯科及周边地区的交通网络可视化,并在各种方案实施前检验各种假设。仿真还可以帮助Ozon了解如何在新的和已经存在的配送中心之间划分配送区域,这样配送中心可以在不停机的情况下有效工作。

解决方案

在Ozon,顾客下的订单会被发送到它的一个执行中心(内部包装仓库),仓库管理员在那理接收供应商的货物、按订单拣货、最后打包。之后包裹被送到配送中心,分发给快递员。快递员会在其送货区域内将包裹送至客户地址、提货柜或提货点。每个配送中心在特定的配送区域内运转。

配送中心仿真模型

配送中心仿真模型

Ozon决定对每个订单处理阶段进行建模,来详细映射整个流程。在本案例研究中,我们只关注快递到客户的运输阶段(最后一公里交货)的优化。

Ozon仿真小组从数据收集开始。因为公司订单处理的所有信息都记录在IT系统中,所以工程师可以方便地获取他们需要的数据,包括:

基于这些数据,工程师们开发了仿真模型。为了更准确地仿真实际系统,他们加入了以下限制:

为搭建模型的逻辑,工程师们应用了AnyLogic流程建模库。通过流程图建模,帮助捕捉系统动态和元素之间的交互关系。

另外,还要求在模型中必须反映配送网络的配送路线。为此,小组利用GIS地图定位了莫斯科和周边地区的配送中心及其相应的配送区域,之后在AnyLogic的仿真实验中自动生成路径。随后将开发的模型上传到AnyLogic云,从而便团队成员与同事共享交流,多端访问。

最后一公里配送网络模型

最后一公里配送网络模型

工程师使用仿真模型来测试不同的假设场景,在这些场景中可以改变系统参数进行测试。这些系统参数包括了所有的订单数量、准时交货率、配送区域快递员的数量以及快递员的投递时间。团队还尝试在配送中心之间划分配送区域,以在保持较高的服务水平的情况下尽量减少配送中心的数量。除此之外他们还收集了每个配送中心的统计数据,包括效率和快递员的送货时间。

结果

综上,研究小组为“最后一公里”配送网络开发了一个仿真模型,映射了配送中心及其相应的配送区域、提货柜和配送点。他们用这个模型来测试各种场景。之后,考虑到服务水平和成本,团队最终确定了配送中心及其交付区域的最佳位置。

工程师们使用AnyLogic的流程建模库和GIS地图功能来建立物流系统的逻辑并将其可视化。通过仿真模型和输出数据帮助团队得出结论:想要在关键绩效指标之间取得平衡,有必要在2020年底前关闭三个配送中心,并开放另外11个配送中心。

同类案例研究

更多案例研究