亚马逊是美国和欧洲常见的网上购物平台。通常购物和配送过程都很顺利，但偶尔也有可能会延误。该公司尽最大努力减少这种延误和给客户带来的其他不便。公司致力于优化运输网络，寻找降低供应链风险的新解决方案，并实施最佳配送方案。

尽管如此，仍有改进的余地，尤其是在高峰期（亚马逊会员日、黑色星期五、圣诞节等）。无论收到多少订单，公司都会集中精力确保订单准时、顺利地送达。

问题

有些延误是由履行中心卡车货场的问题造成的。这是卡车和拖车来往的地方。货场中充满了不断流动的人员和货物。

货场的问题在于其行为混乱。这种情况可以比作飞机延误。例如：（1）乘客在飞机上等待起飞，但飞行员突然说天气有问题，乘客被迫在滑行道上停留几个小时。（2）飞机数量增加导致排队。结果，各个目的地机场出现多次延误。亚马逊货场也会发生同样的情况，分析团队会努力解决。

亚马逊运输网络按工作流程细分

在第一英里，亚马逊从供应商处接收货物，然后将其发送到中间英里阶段。在中间英里，货物被运输出去。一旦客户在亚马逊上点击“购买”，来自履行中心的货物就会处于可用状态，包装好后被送往分拣中心，然后被送往配送站。在配送站之后，货物就进入了最后英里阶段，最终到达客户手中。

运输网络优化的主要挑战在于中间英里。

亚马逊供应链网络按计划细分概览

（金色正方形表示本案例研究的核心流程）

亚马逊运输（卡车）货场计划

拖车到达货场后，运输助理会在门卫处确认信息。信息正确，则允许进入。司机将拖车停在停车场，或使用外部货场临时停放拖车。一天结束时，拖车卸货清空或装货离开。运输助理在门卫处验证信息，然后卡车离开。

拖车穿越亚马逊运输场

然而，货场的不同方面可能会导致运输网络系统出现运行问题，尤其是在客户需求增加的旺季。有时，亚马逊办事处会提前知道变化，有时则是临时知道。因此，管理层需要一个快速的解决方案来处理这些变化，而不会打乱运输计划。

解决方案

亚马逊的分析团队决定使用 AnyLogic 中的仿真建模来衡量运输货场的风险。因此，他们可以在使用当前的运输网络优化之前对假设进行测试。

四个不同计划的示例

运输货场计划模型

首先，分析人员创建了一个模型来直观显示计划的变化，并了解这些变化对运输场运作的影响。

方案 1（Sc1）对现场来说是平稳的，而 Sc2、Sc3 和 Sc4 则会导致门口卡车堆积，影响交通流量。这成为团队的核心指标，他们密切跟踪这一指标，以尽量减少外部排队现象的发生。Sc1、Sc2、Sc3 和 Sc4 是基于流量、人员数量和设备可用性等因素的场景，为客户提供了一个衡量标准。

运输场模式的一部分，包括卡车报到流程

该模型表示了亚马逊货场的运输流程。它根据特定场景引导卡车完成不同的操作。AnyLogic 模型可以同时运行多个计划，但在本实验中，团队将计划限制在140个。在参数变化实验中，多次迭代的计划改善了卡车货场模型的运行，使运输网络优化总体上更加容易。

交通流模型

团队还使用AnyLogic物料搬运库创建了一个交通流模型，该模型包含运输车和存储系统的建模元素。该模型是货场的简化版，绿色表示卡车。进场货物位于顶部，目前正在卸载，出场货物位于底部，正在装货。

该模型还增加了一项安全功能。当运输车发现一辆卡车停在路边并阻塞交通时，它就会显示一个红圈。

交通流模型的输出结果显示了货场内停车交通实例的数量和运输车的平均速度。对于亚马逊来说，安全是重中之重，总部希望了解货场内的整体速度，同时在特定时间了解最大速度、流量、人员数量和设备可用性。

红色安全圈表示卡车阻塞交通

结果

运输调度方案验证

情景验证指标（点击放大）

使用实验可以快速改进网络流程。例如，如果洛杉矶分部面临新计划的问题，并希望评估站点的容量和能力，他们的分析团队就会在从AnyLogic导出的模型中运行各种情景。结构化数据输出可帮助他们规避潜在风险，并了解为什么某些方法可能无法使用。

AnyLogic专业版可将这种模型导出为独立的Java应用程序。另外，AnyLogic 私有云可在线运行模型，并对访问限制进行完全控制。

交通流模型

通过对货场内所有区域在不同计划下的使用情况进行统计，分析团队创建了亚马逊卡车货场交通流模型。

点击放大图表

根据该模型，研究小组得出了几个结论：

1.货车停泊装卸口利用率高会影响闸门排队：货车停泊装卸口利用率持续接近95%的最大临界值。当接近堵塞时，在运行计划48小时后，闸门排队会明显增加。

2.停车位堆积：尽管货车停泊装卸口利用率看起来还不错，但停车位却在堆积。卡车数量增加的原因是货车停泊装卸口利用率的动态变化。许多卡车需要进入货场，但由于排队而无法进入，导致门卫前排起了长队。

亚马逊没有在现实生活中测试运输网络优化的可能方案，而是在 AnyLogic 仿真软件中建立了模型。因此，他们节省了时间和资金，避免了不切实际的解决方案所带来的成本。

亚马逊运输服务公司的 Jae Yong Lee 在 2023 年 AnyLogic 会议上介绍了该案例研究。