Ozon 是东欧最大的在线零售商之一，2019 年整体销售额在 50 亿美元左右。公司通过扩大配送区域、推出新服务等方式逐年增长。例如，Ozon 2019 年的营业额增长了 93%， 2020 年第一季度为 115%。因此，公司需要不断优化其基础设施。

2018 年，Ozon 在莫斯科和莫斯科地区拥有7个配送中心（DC），面积从 200 到 5,000 平方米不等。2020 年，DC 的数量增加到 11 个。货物直接从 DC 运送到客户的地址、提货储物柜或客户提货的提货点。为了保持较高的服务水平并按时交付货物，有必要建立一个新的分销网络，同时尽量缩短从 DC 到最终目的地的距离。

该公司选择 AnyLogic 作为具有配电网络优化功能的仿真软件来解决这个问题。这项技术使 Ozon 能够将莫斯科和莫斯科地区的交通网络可视化，并在将想法付诸现实世界之前检验假设。该模型还应帮助 Ozon 了解如何在新的和现有的 DC 之间分配交付区域，以便中心能够有效地工作而不会出现停机时间。

在 Ozon，下订单被发送到其中一个履行中心（内部包装仓库），店主在那里从供应商那里接收货物，将它们组装成包裹，然后进行包装。然后包裹被运送到 DC，在那里它们被分配给快递员。快递员反过来将包裹在其交付区域内直接交付给客户、取件储物柜或取件点。每个 DC 在特定的交付区域内运行。

公司决定开发每个订单处理阶段的模型，以详细反映整个流程。然而，在本案例研究中，我们只关注快递客户运输阶段（最后一英里交付）的优化。

Ozon仿真团队从数据收集开始。在公司，订单处理的所有信息都记录在IT系统中，工程师可以获取他们需要的数据，包括：

• 信使在 DC 中花费的时间。

• 快递员在从 DC 到某个送货区域的旅程中花费的时间。
  

• 配送区域的配送时间分布。
  

• 每个配送区域内的配送点分布。
  

• 快递员在每个送货区域从一个客户到另一个客户所花费的时间分布。

配送中心仿真模型

基于这些数据，工程师开发了仿真模型。他们考虑了以下限制来更精确地捕捉真实系统：

• 98% 的订单必须按时交付。

• 在旺季，DC 的利用率达到 95%，但工作量应该在系统中平均分配。
  

• 在不同的交货区域内，订单在一周中的时间和天数中分布不均。
  

• 快递员有一定的工作时间表。

为了设置模型的逻辑，工程师应用了 AnyLogic过程建模库。通过流程图，它有助于捕捉系统的动态及其元素之间的互连。

此外，在模型中反映分销网络交付路线至关重要。为此，该团队使用GIS 地图来定位莫斯科和莫斯科地区的配送中心及其相应的配送区域。之后，路由在 AnyLogic 仿真实验中自动创建。开发的模型随后上传到AnyLogic Cloud，允许团队与同事共享项目并从任何设备访问它。

工程师使用仿真模型来测试不同的“假设”场景，在这些场景中他们可以改变系统参数。这些参数包括所有已下订单的数量、准时交货率、派往交货区域的快递员数量以及快递员的总体旅行时间。该团队试图在 DC 之间分配交付区域，以尽量减少 DC 的数量，同时保持较高的服务水平。此外，他们还收集了每个 DC 的统计数据，包括其效率和快递员的交货时间。

最后一公里配送网络模型