基于FlexSim的鞋服配送中心逆向物流仿真優化

李艷珍

(黎明職業大學 商學院，福建 泉州 362000)

一、研究背景及研究現狀

(一)研究背景

鞋服行業是支撐我國國民經濟發展的重要傳統產業,在國家宏觀產業布局規劃中有著十分重要的地位。2020年受疫情影響，大批的服裝專賣店無法正常運作,服裝行業也提前步入了淡季?！都徔棙I“十四五”發展綱要》等一些促進服裝行業發展消費的政策，為企業線上銷售鋪平了道路，2021年服裝市場的銷售情況得到明顯改善，中國限額以上單位服裝類商品零售額達9 974.6億元。在消費升級和新零售的大環境下，鞋服企業為增加客戶粘性、提升營業額而推出“7天無理由退換貨”“隨心換”“贈送運費險”等寬容大度的售后措施，這也導致服裝退貨率的大幅提升。據運聯研究院的數據調研表明：全渠道銷售時代服裝行業整體退貨比例已上升至45%(女裝最高至60%)。兩大類平臺日均退貨訂單合計已達到千萬級別，一類是傳統電商平臺如淘寶、拼多多、唯品會等，另一類是近兩年火熱的直播帶貨平臺如抖音、快手等。從退貨率看，唯品會<淘寶<拼多多<抖音、快手，可以看出直播平臺退貨率最高，達60%左右[1]。然而，不同渠道、業務形態的退貨又有差異：對于2C端，消費者直接退貨，SKU(Stock Keeping Unit庫存量單位)多、集中度更低、需鑒別退貨原因，耗費時間對應訂單；2B端退貨，原因主要有產品質量問題、銷售季節問題、企業經營策略調整等，退貨形式有店退倉、客退倉、客退店等。綜上所述，對于鞋服行業來說，無論2C端還是2B端，逆向退貨物流的入庫作業流程處理都是其瓶頸。

(二)國內外研究發展現狀

逆向物流的退貨處理是鞋服行業頗具挑戰的難點之一。近些年研究學者對鞋服行業退貨問題展開了研究，并取得一定的成果。筆者將與該研究主題相關的文獻概括為：逆向物流的庫存控制、路徑優化、退貨原因分析及FlexSim仿真軟件的應用。馬向國[2]加入產品剔除率和價值衰減率兩個要素，通過FlexSim仿真軟件建模優化，使得制造商尋求到最佳制造策略和庫存策略，達到平均成本最小化的目標。徐湘勻[3]對第三方物流企業服裝逆向物流網絡優化進行了探討。慕晶晶[4]采用遺傳算法研究服裝退貨回收車輛路徑問題并作出優化，從而降低運輸成本。Mukhopadhyay[5]發現寬松的退貨政策可以提高收入，也會提高退貨的可能性，從而增加成本。梁建芳[6]通過專家調研與主因子分析法構建了服裝網絡退貨滿意度的評價體系，提出通過加強退貨管理水平，提高顧客滿意度，增加逆向物流引起的收益比例。高峻利[6]用FlexSim仿真方法來直觀地分析產品入庫系統的瓶頸，并進行不斷優化，使得入庫效率明顯提高。宋瑩[7]從影響服裝生產因素入手，通過FlexSim軟件對其進行仿真優化，降低工時、提高生產率。王海天[8]利用FlexSim仿真軟件對電商包裝作業及倉儲作業進行建模仿真，最終得出提升倉儲作業效率、降低企業成本的路徑。張蘇寧[9]認為蟻群算法和Flexsim 軟件都具有開放性結構，因此，該方法可用于解決不同服裝流水線的優化與仿真問題。綜上所述，學者們大多數是從消費者、商家角度研究如何預測退貨率和提高消費者滿意度，少數從退貨入庫流程優化的角度研究如何降本增效。從物流視角來看，退貨處理、逆向物流是服裝行業降本增效的物流難點之一。因此，如何提高倉庫逆向入庫效率，是該研究的出發點。

泉州的紡織鞋服產業集群工業產值超千億，目前全市有300多家物流企業服務鞋服產業，作為鞋服逆向物流的核心環節，入庫的提質增效已經成為鞋服行業供應鏈轉型的焦點。鞋服門店換季時的集中退貨會給倉庫帶來巨大的流量高峰，同時對場地、效率和流程都是全新的考驗。由于門店退貨，多種款色碼數的商品無序堆放，加之其未來是否可售賣等情況未知，對人員需求和作業面積造成了巨大壓力[9]。對于供應倉庫來說，這部分門店退貨商品不僅SKU多而且單均少，加上門店跟倉庫之間有著財務關賬時間的限制，且退貨入庫有一定時效，如何快速高效處理退貨，加快商品流通，成為服裝逆向物流發展過程的關鍵問題[10]。該研究以W鞋服配送中心為研究對象，分別從商品角度和倉庫角度研究現有運作模式下存在的場地布局不合理、訂單流量波動大、人工揀選效率低等問題，采用FlexSim系統對W配送中心的逆向入庫作業進行了仿真和優化，探討解決方案，以期為同類配送中心逆向物流入庫環節的提質增效提供借鑒和參考。

二、W鞋服配送中心逆向物流存在問題與分析

(一)W鞋服配送中心簡介

W公司是一家在中國體育用品行業處于領先地位的泉州企業，旗下共5個品牌，經營品類以鞋類、服裝類和配飾為主，鞋服配銷售占比約為45%、45%和10%，是定位于最廣大普通消費者的專業體育用品品牌。該公司的銷售渠道分為線上平臺和線下門店銷售，目前在全國設有20個庫房，擁有著較大規模的倉儲網絡。W公司根據全國門店銷售體系，建立了“中央倉+區域倉+分倉”的物流模式，通過分倉覆蓋臨近的區域門店的形式進行商品運輸配送；通過自建物流中心，以招標的方式將干線運輸進行外包，末端門店配送階段與同城第三方物流合作，以只控節點的形式搭建其服裝物流。

現如今，服裝逆向物流是常態，W公司開始重視逆向物流在企業運營和物流運作中的重要意義，在某分倉-W配送中心劃分了專門的逆向物流處理區域，成立了逆向組織架構。

(二) W配送中心逆向物流產生的主要原因

鞋服行業逆向物流產生的原因主要有四點：一是季節性退貨，因鞋服商品的季節性特征強、生命周期較短，在換季上新品前，上一季未售完的商品產生退貨；二是預測不當退貨，例如門店需求預測不準確，或對銷售數據分析不準，而產生過量要貨；三是商品調撥，即公司將一個地區或門店滯銷的貨物退回倉庫，再向有需求的其他地區或門店進行二次配送；四是消費者個人原因退貨，日益增加的消費者退換貨需求。以上情況大體可分為兩類，一方面主要是在門店與品牌企業、品牌企業與供應商、門店之間，屬于B2B形式的逆向物流；另一方面是來自個人消費者方面，由于退換貨數量大幅增加，商品更為零散，物流作業難度也更大，退換貨處理是否得當、反饋速度是否夠快都與消費者體驗息息相關，因此越來越受到企業重視。

(三)W配送中心逆向物流帶來的問題

一是“高出入庫流量”要求下，“海量SKU退貨”人工作業效率低下。隨著電商業務的高速發展，鞋服物流多品種、小批量、多批次、短周期的運營模式也逐漸成為常態。W鞋服配送中心倉存儲量較大，每天需要處理SKU高達20萬個。同一款式不同色調和尺碼對應不同的SKU，同一款式服裝通常有6～8個尺碼，3～5種顏色，因此同一款式服裝就能產生18～40個SKU；單多量少的海量SKU退貨，使整個配送中心在入庫環節人工的作業效率低下，如表1所示。

表1 W配送中心運營數據

二是門店換季集中退貨，對人員需求和作業面積造成巨大壓力。對于配送中心來說，門店換季集中退貨與新品的入庫高峰產生沖突，這給倉庫運營帶來巨大操作壓力，同時對場地、效率和流程都是全新考驗。由于門店退貨是將過季服裝統一混裝打包寄回，并未進行分類，因此在收貨區需要專門設立拆包小組，負責拆包分類工作。由于多種款色款式無序碼放，加之不同商品對未來是否可二次售賣的質量要求也不同(如表2)，這要求操作員拆包清點數量，按照特定規則分類整理，因此對人員需求更大，給作業面積造成巨大壓力。

表2 W配送中心退貨產品分類

三是與正向入庫相比，退貨入庫操作手續更為繁雜，入庫時效被拉長。正向入庫時一般為整箱交接和封簽交接，在驗收時只需清點貨物，在倉庫不爆倉的情況下，從入庫到驗收只需1～2 h；而處理逆向時需要進行稱重、拆包、分類、重新整理等，時效幾乎是正向的2倍,逆向物流的退貨入庫流程如圖1所示。

圖1 W配送中心退換貨出入庫流程圖

四是目前倉庫操作還是靠人海戰術解決，貨損高。在換季大促的高峰如5～6月、10～12月，退貨量膨脹，倉庫需要雇傭臨時工來補充人力，但其作業效率是正式工的40%，出錯率可達60%，產生的問題單是平時的1.5倍。這些臨時工一般被安排在拆包、整理環節，但工人在拆包環節，極易出現冬季服飾如羽絨服被劃破現象，收集快遞面單時易出現混亂，在整理環節工人的暴力操作也常常使衣物破損。

三、W鞋服配送中心逆向退貨入庫模型優化

(一)庫區庫位設置說明

W鞋服配送中心倉庫面積約為8 700 m2，是雙邊門高臺庫。根據逆向物流作業流程，在倉庫的設計上依次規劃退貨收貨區、理貨區、質檢區、入庫作業區，以確保不與正向物流作業動線相沖突。庫內共有20個功能區，其中針對2B端設置渠道退貨收貨區，2C端的退貨設置電商退貨收貨區(如圖2)所示，SKU存儲數量達1.6萬個，峰值數量達13萬個。

圖2 庫內功能區規劃圖

(二)退貨入庫作業的評價方法

評估的目標是節省人工成本，提高收貨效率，實現最大化收益和客戶滿意度，以下3項是研究的評價指標。

1.處理時間t。服裝在商家端退貨到目的倉后進行收貨上架所需的時間表示為t，即每件服裝從掃描入庫至最后放置待上架貨區所用的時間。

2.排隊等待量n。在入庫驗收質檢環節中服裝的最大排隊量n，是指每個貨區內等待工人進行操作的服裝，可在入庫系統中進行統計。

3.流通時間d。服裝在不同環節中流動的時間d，包括每個貨區工人對服裝進行操作所用的時間和服裝進入下一環節后等待工人操作所用的時間。

(三)基于FlexSim的退貨入庫仿真建模

FlexSim是美國的三維物流仿真軟件，應用于系統建模、仿真以及實現業務流程可視化。此軟件已經在各個領域的配送中心的揀選仿真、倉儲仿真、產品倉庫分揀仿真、生產物流系統仿真、集裝箱碼頭仿真等多個領域內得到成功運用[8]。通過利用FlexSim的層級結構，可以有效優化系統內部的組織結構，提升工作效率[9]，因此選擇FlexSim對入庫系統進行仿真，在現有的入庫模式上建立系統模型，錄入數據進行仿真，并對結果進行優化。

1.仿真模型的參數設置

W配送中心制定的工作時長一般為早8點至晚10點，為12 h工作制，在該仿真模型中，假設此倉庫在換季銷售時期當天接收的退貨訂單量為4 000單，將模型時間單位設置為秒，則其運行時間設為43 200 s。其進行初始仿真步驟如下。

(1)貨物到車: 表示的是服裝到貨環節。根據調研，這些退貨服裝通常是由廂式貨車運到倉庫，一次到貨可達20～40方；且倉庫時效設為(T-1)18點至(T)18點訂單當天必須處理。因倉庫接收訂單一般為4 000單左右，單均2件，根據工作時長并結合實際運營來推斷，設置該數據服從正態分布，其均值設為10 s，方差設為2。

(2)稱重拆包: 指的是貨物到達時進行粗略分類，對于面單污損無法識別類直接拒收。倉庫內現有3組人員，其中2組皆為長期正式工，另外一組是由臨時工和正式工組成。由于人員組成不同，在操作時長上會有所差別，按日常運營數據分析，單均在此環節停留時間一般為30～60 s，因此分別按人員組成及熟練程度以30，45，60 s設置，上游任務按6 ∶4 ∶3比例進行分配。

(3)驗收入庫：主要是倉庫人員使用PDA手持終端進行掃描驗收入庫作業，不合格商品放入對應容器內。倉庫內現有4組人員，操作人員皆為庫內長期正式工，根據調研數據，單均處理時長一般為60 s，因需花時間核對系統單號和線下PDA掃描出的明細信息，包括但不限于單據信息和SKU明細信息。

(4)質檢整理：倉庫內現有3組人員，其中2組皆為庫內正式工，另外一組是由臨時工和正式工組成。由于人員組成不同，在操作時長上會有所差別，據現場觀察，單均質檢時間一般為30～60 s，因此按人員熟練程度以30，45，60 s設置，上游任務按2 ∶2 ∶1比例進行分配。且質檢時若出現無吊牌等異常需反饋給異常處理員，這3組操作人員需按百分比來設置臨時實體流，產品合格率一般為96%，其處理時長一般為120 s。

(5)上架員：指的是將處理好的整箱服裝進行上架處理的作業人員，設備使用的是1臺高架叉車和2臺電動叉車，不同設備處理時長分別為60和90 s，上游任務按3 ∶2 ∶2分配；模型中各類暫存區分別用于存放暫未操作入庫、已被驗收入庫產品、已被質檢待上架產品，設置其最大容量為10 000。

2.運行結果分析

仿真模型搭建后，按順序連接各實體，設置操作運行時間為43 200 s，系統流入訂單4 305單，最終完成驗收和上架2 289單，且模型中收貨暫存區和待驗收區出現堆積，而待質檢區和待上架區為空，可見瓶頸在前段處理環節。

(1)前端操作員運行結果分析

根據表3所示，前端處理人員的平均工作時長占比高達95%以上，可見前端積壓貨物量嚴重，操作員在處理時幾乎沒有空閑時間，且在驗收入庫環節，貨物平均停留時間較長，而這一環節正好是卡在客戶賬單結款環節。因此為加快處理積壓貨量，縮短賬期，前端工作需要支援并進行調整。

表3 初始模型前端運行數據

(2)后端操作員運行結果分析

根據表4所示，質檢員的平均工作時長均占65%，空閑時間略長，且質檢員3所在貨物停留時間幾乎是1和2的兩倍，因此需考慮對質檢員3進行培訓或者再分配一個長期正式工，提高貨物處理效率；異常處理員空閑率高達76%，因此考慮到時間成本和人力成本，可以將該人員的工作內容變得彈性化，適當去支援前端作業，以提升工作效率；上架員的平均工作時長均占80%，空閑時間略寬松，極易造成叉車設備利用率較低，又產生資源浪費，因此可考慮減少1臺電動叉車使用，同時減少一名上架員并將其用于支援前端作業，降低運營成本。

表4 初始模型后端運行數據

(3)暫存區運行數據分析

用于存放到貨產品和待驗收產品的暫存區工作率為100%，而用于存放待質檢和待上架產品的區域空閑率為1，即不存在堆積狀態?？梢娫诜Q重拆包環節和驗收入庫環節的作業處理效率是較低的，所以需考慮對相關的前端操作人員進行培訓，并適當將后端人員補充到稱重拆包和驗收入庫環節。

3.改進方法

依照首次運行仿真模型出現的問題，結合運行數據和庫房實際，最后從以下幾個方面對模型進行改進。

(1)因驗收入庫環節影響到平臺退款效率，為縮短賬期，在貨量高峰期此環節需增加驗收入庫小組人員；且這一環節需要使用到PDA，網絡狀態需良好，一方面可對人員進行培訓合格后再作業，一方面也可安排后端操作員進行支援[11]。

(2)在稱重拆包環節，系統接收4 305單，但第一環節處理量為3 079單，這一差異會影響后續驗收確認退款、倉庫上架時效，因此需考慮增加稱重拆包小組人員，組員可選擇后端作業的操作員來支援。

(3)因質檢環節影響到后續上架，倉庫有規定時間內的上架指標，即當天18點前WMS(倉儲管理信息系統)下傳的訂單要處理完，因此可考慮將異常處理組內部分員工替換臨時工安排處理質檢作業，使得質檢員小組作業水平提升，提高貨物處理效率。

(4)因倉庫需要考慮降本增效，在倉庫設備使用率上，可移除1臺電動叉車，并將該上架員安排至前端作業小組，提升效率的同時達到降本效果。

(5)更新作業處理數據，新模型運行完畢后，再次分析訂單完成量、操作員作業效率以及各類暫存區的運行結果數據，結合實際得出最后結論。

4.改進后運行結果分析

為節省入庫作業成本和人工成本，提高人員效率與設備利用率，在不增加臨時工使用的情況下，對庫內其他正式員工進行彈性規劃作業，在優化模型上各區域增加或減少操作人員，并對各操作小組人員進行優化，降低作業停留時間，具體作業數據如下：

稱重拆包上規劃4個作業小組，人員培訓后單均作業時長可調整為30 s；驗收入庫上在不增加小組的基礎上安排后端作業小組支援，人員培訓后單均作業時長可調整為40 s；質檢環節上由于質檢小組臨時工換成了正式工，將異常處理員移到質檢小組，作業效率和作業質量上會有明顯提升，單均作業時長調整為30 s；上架環節中由于各區域人員都得到了優化，需要上架的貨量也增加，考慮到倉庫上架時效，保持原有作業人員和設備。仿真模型設定運行時間為43 200 s，運行后的仿真模型如圖3。

圖3 改良仿真模型運行結果

由圖3可以看出，通過改進后的仿真模型，系統最后入庫處理為4 198單，相比于初始模型，整個運作效率提升了45%，且各個模塊的運行水平都能達到較為合理的水平，暫存區不再出現大量堆積現象，人員優化提升了整個工作進度，使得系統逐漸運行流暢。

(1)人員工作時長分析。從表5可以看出，經過一系列改進優化后得到的仿真模型在時間上的利用率比原始模型高很多，平均工作時間大都在80%～90%左右，在人員利用率方面也有所提高。其中稱重拆包人員的作業時長稍有減少，質檢人員和上架人員作業時長增加，增加的稱重拆包小組作業時長也能達到76.5%。由于目前倉庫對于臨時工的使用有一定限制，只有在大促期間允許申請臨時工，所以針對基層操作崗位，倉庫現已全面執行10 d強化培訓，工人需通過考核、持崗位資格證上崗，培訓包括但不限于產品信息培訓、作業流程培訓、質檢、再生操作規范、安全作業管理規范等。在倉庫需要施展人海戰術時，合格的操作員能夠提高作業質量，減少出錯率。

表5 改良仿真模型工作時長運行數據

(2)處理單量和停留時間分析。由表6可以明顯看出，優化后模型的訂單處理能力整體提升了近45%，在驗收環節幾乎能夠完成當天產能，這樣既縮短了平臺賬期，又能基本達到倉庫上架時效。其中貨物在每個環節停留時間都有所下降，得益于各區域人員的優化及相關培訓。

表6 改良仿真模型單量及停留時間運行數據

(3)仿真模型存在問題分析。首先目前系統建模只能還原部分作業場景，比如庫內各功能區的設置和規劃、物流動態路線、作業流程，不能對實際運作模式進行完整仿真。其次該模型經過不斷的優化后，依舊存在一些小瓶頸，比如新增的稱重拆包組處理單量僅是原有小組的1/2，異常處理員作業時長僅為34.4%，質檢員和上架員作業時長高達95%以上，等等。其主要原因是倉庫對于人員工作內容的實時變動目前在系統上是無法體現的，庫內人員一天之內極有可能支援不同崗位，這種實時變動難以體現在仿真模型中。

四、結 論

不管是正向物流還是逆向物流，入庫環節的效率始終是倉庫活動的關鍵。結合現有運作模式，考慮各類影響因素，使用FlexSim軟件可進行構建和優化仿真模型，能夠直觀地展示出某一處的瓶頸、人員和設備使用效率。針對服裝門店逆向物流所產生的海量SKU退貨、人工作業效率低下、退貨作業流程不明確，操作不規范、多類型任務混場作業，運營管理難度大等問題，運用FlexSim仿真軟件對W配送中心逆向入庫模式仿真建模。該仿真模型在環境條件理想狀態下以提升入庫作業效率為目的，通過場景的優化，大幅提升倉庫存儲密度和空間利用率，增強系統的存儲和緩存能力；通過對操作人員的培訓優化、設備更新、維護庫內網絡環境、彈性使用正式工等方法，提高員工作業飽和度，從而使逆向物流的入庫效率得到提升；改善逆向物流退換貨的入庫流程，建立良好的服務體系，實現快速響應，以提高客戶滿意度，降低物流成本，增加產品銷售額。在新零售和消費升級的大環境下，如何快速高效處理退貨，加快商品流通，是鞋服逆向物流發展過程中繞不開的問題。就目前電商發展趨勢而言，服裝電商行業較高比例退貨率不容小覷，且目前整個行業的趨勢正在向降本方向行進。從戰略層面看，服裝企業應該重視逆向物流，有效的逆向供應鏈管理能夠幫助企業節約成本并與客戶建立可持續的商業模式。