B2C型电商物流中心的订单特征呈现为订单数量多、单个订单所含SKU数量少、促销与非促销日之间订单量波动大。通过对某B2C型化妆品电商物流中心三个月的历史订单分析发现，库内累计出货172个SKU，日均出库6830单，促销日最大出库量76985单。每日订单中都包括爆款订单和普通订单，其中爆款订单是线上厂家针对某些畅销货品设计组合套装开展促销活动的订单，相同订单数量集中，平均每个订单包含4.3个SKU，该类订单数量占订单总量的74.7%；普通订单是爆款订单之外的订单，重复订单数量少，平均每个订单包含6.3个SKU，该类订单数量占订单总量的25.3%。
该物流中心订单包含SKU数量少且订单货品体积小，因此适合采用批量拣选策略。但是，在设计实际方案时，针对不同特征类型的订单应采用不同的批量拣选方案。
图1 某前置分拣区案例布局示意图
处理爆款订单的常见方案是在库内划分单独的区域作为前置分拣区，把相同的爆款订单合并为批量订单分配至指定前置区单独处理。图1给出某一前置分拣区示例，前置分拣区内由5人组成拣选、复核、包装小组，最左侧１人负责折叠纸箱，完成订单箱成型工作；成型后空订单箱被传递给２个拣货员进行分区接力拣选，其中１人拣选货品A至订单箱，另一人拣选货品B至订单箱；拣选完成的订单箱交给整箱打包人员完成封装和贴快递面单的工作，完成后的订单快递包裹被放置称重台复核；最右侧1人将复核后的订单包裹放置托盘存放。前置区内，空纸箱、促销货品提前备货，５个工作人员配合构成一条小型流水线，快速实现爆款订单的拣选复核包装作业。
普通订单中重复订单数量少，包含SKU种类分散，虽然订单数量仅占1/4，却是该物流中心处理的难点。为此，该物流中心设计了两套专门的批量拣选方案。
一套是拣货员一边拣选、一边订单播种的批量拣选方案，以下简称“边拣边播方案”。另外一套是拣货员拣选批量订单后交由专门人员完成订单播种的批量拣选方案，以下简称“先拣后播方案”。
两种方案相比，边拣边播方案中订单播种在货品拣选的同时完成，因此省去了后期播种环节，但受到拣选车容纳订单箱数量的限制，批量订单包含的订单数量相对较少，并且由于人员同时完成多件任务，差错率增大。先拣后播方案中拣货行程中无需对拣取货品分类，批量订单包含的订单数量相对较多，并且后期播种过程中可以及时发现并纠正前期的拣货差错，拣选准确度提高，缺点是需要单独为播种作业设置专门的区域、人员和设备。
2. 普通订单批量拣选方案仿真建模
针对为普通订单拣选专门设计的两套批量拣选方案，应用RaLC物流仿真软件进行仿真建模。
表2 仿真参数设置表
（1）边拣边播方案仿真模型
图2 边拣边播方案仿真模型
边拣边播方案由拣选区和复核打包区组成，仿真模型如图2所示。拣选区内，整托盘货品采用随机货位分配策略在地面堆放。设置12个拣货员，每人手推一辆拣选车在拣选区作业。每辆拣选车上放置32个订单箱，拣货员在拣选货品的同时将其直接投入对应订单箱，完成任务的拣选车被送至复核打包区。复核打包区内设置12个打包复核台，每个台子设置两人，一人专门负责打包，另一人负责复核并协助打包。打包人员将包装好的订单包裹放至不同快递公司的装车暂存位。
（2）先拣后播方案仿真模型
图3 先拣后播方案仿真模型
先拣后播方案仿真模型由拣选区、播种区、复核打包区和分拣集货区组成，如图3所示。拣选区内，整托盘货品采用随机货位分配策略在地面堆放。设置3个拣货员，每人手推拣选车一次行程完成64个订单，每个推选车放置4个容器，拣货员将拣选的货品放置于容器中。拣货完成后拣选车被送至播种区。播种区内设置８个播种台（实际应用６个播种台），每个播种人员首先将64个空订单筐逐一绑定货位信息并放置于身边的播种货架上，然后将一辆拣选车上的货品逐一播种至对应的订单筐内。当64个订单播种完成后，播种人员将订单筐全部投放至复核输送线（图3蓝色线）。复核打包区域内人员设置与边拣边播方案相同，复核人员从输送线上抓取订单筐进行复核，复核完成后交给身边的包装人员。复核打包完成的快递包裹被投放至分拣输送线（图3红色线），送至分拣集货区由专门的人员将分拣滑道内的包裹搬运至不同快递公司的装车暂存位。
（3）运行环境设置
为了减少在开始运行时播种人员的等待时间，安排播种人员仅在仿真开始运行阶段兼职拣选人员在拣选区拣选，然后携带个人拣选完成的批量订单到播种区作业。
选取历史订单，采用两种订单分批算法，构建批量订单。一种为时间分批算法，按照客户下单时间先后顺序构建批量订单；另外一种为聚类分批算法，依据订单间相似性度量系数，使用聚类算法进行订单分批（具体算法流程详见文献《基于聚类算法的订单分批策略研究》，作者秦馨、赵剑道、任楠）。
3. 方案成本分析
本文重点说明边拣边播和先拣后播两种批量拣选策略的选择问题，因此忽略复核打包区以及分拣集货区对方案选型的影响，只对批量拣选作业成本情况进行仿真分析。
