基于排队论的末端物流服务平台的优化研究——以广东药科大学中山校区菜鸟驿站为例【摘要】排队在日常生活中是常见的现象，是顾客在接受各类服务时往往难以避免的，小到超市购买东西、大到前往医院就诊等。
其中，在人们接受快递服务的过程中就存在着排队现象。
现如今，随着现代物流的日益发展，人们越来越享受到了物流的迅速与便捷，寄取快递也逐渐成为了人们日常生活中的一部分。
若快递站点的服务台设置过少则不能满足顾客需求，增加排队损耗。
相反地，增设过多的服务台反而造成空闲浪费。
故本文就以广东药科大学中山校区菜鸟驿站为例，通过调查问卷和实地观察的方式收集第一手数据，首先了解该站点的快递服务现状。
再基于排队论的方法，通过引入M/M/C排队模型，借助辅助软件QM For Windows进行数据分析，最终构建一个优化的排队模型。
结果表明，末端物流服务平台服务台数目的优化配置既能够满足顾客需求，也能够缩减服务台设置成本费用。
【关键词】排队论；M/M/C模型；末端物流服务平台An Optimizing Study for Service Platforms of Terminal Logistics Based on Queuing Theory——Taking CAINIAO Station in Zhongshan Campus of GuangdongPharmaceutical University as an Example[Abstract] Queuing is a common phenomenon in daily life, which is hard to avoid when customers receive various services, from shopping in supermarkets to going to hospitals. Besides, there is a phenomenon of queuing in the process of people receiving express service. Nowadays, with the continuous development of modern logistics, people are more and more aware of the convenience and rapidity of logistics. Sending and receiving express has gradually become a part of People's Daily life. If the service desk of the express station is set up too little, it cannot meet the needs of customers and increase the queuing loss. On the contrary, setting up too many service desks will cause idle waste. Therefore, this paper takes CAINIAO Station in Zhongshan campus of Guangdong pharmaceutical university as an example, and understands the current situation of the express service of this station firstly by collecting first-hand data through questionnaires and field observation. Based on the queuing theory, an optimized queuing model is built finally by introducing an M/M/C queuing model and using an auxiliary software called QM For Windows to analyze data. Consequently, the optimal configuration of the number of service counters of the terminal logistics service platform can not only meet the needs of customers, but also reduce the cost of setting up service counters.[Keywords] Queuing Theory M/M/C Model Terminal Logistics Service Platform目录1 绪论 (1)1.1选题的背景、目的及意义 (1)1.2研究现状 (2)1.2.1国内研究现状 (2)1.2.2国外研究现状 (4)1.2.3国内外研究小结 (4)1.3研究的主要内容 (5)1.4研究的方法 (5)1.4.1研究的方法 (5)1.4.2创新之处 (6)2 理论基础 (7)2.1排队论的概述 (7)2.1.1排队系统的组成与特征 (7)2.1.2排队系统的数量和评价指标及主要参数 (9)2.2本文的研究逻辑 (9)3 末端物流服务平台服务模型 (11)3.1末端物流服务平台排队系统 (11)3.1.1系统组成与特征 (11)3.1.2基本假设与前提 (11)3.2末端物流服务平台排队系统主要类型 (12)3.2.1单队—多服务台并列式排队系统 (12)3.2.2多队—多服务台并列式排队系统 (13)4 模型优化方法与步骤 (14)4.1基本模型相关理论 (14)4.2优化方法与步骤 (15)5 广东药科大学中山校区菜鸟驿站排队系统的实例分析 (17)5.1广东药科大学中山校区菜鸟驿站系统介绍 (17)5.2广东药科大学中山校区菜鸟驿站寄取快递服务排队现状 (18)5.3影响寄取件服务排队情况的因素 (18)5.4排队模型的分析与优化 (19)5.4.1实地数据的测定与整理 (19)5.4.2排队模型的求解与优化 (19)6 总结与展望 (23)6.1结论与局限性 (23)6.2展望 (24)参考文献 (25)致谢 (27)附录 A 校园快递站点服务情况的调查——以广东药科大学中山校区菜鸟驿站为例 (28)1绪论1.1选题的背景、目的及意义（一）选题的背景和目的随着互联网应用更加普遍，现代物流及信息技术的不断进步，如今在网上可以轻松购买到自己所需的物品，所以人们越来越倾向于网络购物。
截至2019年中，我国的网购用户群体规模达6.39亿。
然而，线上购物规模的扩大意味着快递量的增加，对应而来的是末端物流服务平台压力的加大，这尤其体现在社区或者高校等类似人员密集区域中。
排队是日常生活中的一种常见现象，如到超市购买商品、去医院找医生就诊，甚至是各类考试的预约报名。
当服务机构的容量小于需要服务的顾客数量时就会发生排队现象。
末端物流服务平台也不例外。
当遇上“六一八”“双十一”等电商购物节时，快递站点的排队系统运作就处于高峰期。
在无法确定寄取件人到达时间和工作台台服务时间的时候，极为容易发生冗长的排队现象。
具体来说，若服务台的数目设置过少，则会出现排队拥挤现象，产生排队损耗，对顾客个人和社会都会带来不利影响。
但反之，在日常和顾客上班上课时间等闲暇时段顾客人数较少的情况下，设置过多的服务台时则会出现服务台闲置现象，造成空闲浪费或增加各类成本，压缩物流服务平台的利润。
因此，针对以上这些现象，必须对比现有的排队模型，根据实际情况合理配置末端物流服务平台的服务台数目，构建一个优化的排队模型。
本文就以广东药科大学中山校区菜鸟驿站为例，在了解分析该站点目前排队服务现状后，基于排队论和采用定量与定性相结合等方法，并借以QM for Windows等辅助软件进行数据分析，最终构建出一个优化的排队模型，为末端物流服务平台向顾客提供优质的服务提供合理化的参考方案。
（二）研究的意义通过对文章的研究，可以丰富社区或高校的末端物流服务平台排队模型优化这方面的理论研究。
据了解，由于目前部分社区或高校的末端物流服务站点的服务台设置不合理，忙闲时资源配置等问题亟待优化，故本文通过定量和定性分析相结合等方法，借QM for Windows等辅助软件，构建该快递服务站点的优化排队模型，为其他研究者或其他地区排队系统的优化提出建议，具有一定的现实意义。
构建合理完善的快递站点优化排队模型，对末端物流服务平台排队系统进行分析优化，不仅可以减少空闲浪费和顾客排队损耗，提高站点服务水平，还能为服务站点节省各类过剩的成本，增加经济上的收入，提升服务形象,从而达到经济效益与社会效益的统一。
1.2研究现状1.2.1国内研究现状当下，排队论被广泛应用于生活中的各个方面，它可以运用在一切服务系统。
为了使服务系统趋于合理化，近些年来，一些学者纷纷基于排队论并以不同的侧重点对各类服务系统进行探究和提出相关的优化策略。
（1）从不同的服务模式进行分析的研究姜龙训，王中战等（2018）运用排队论比较了三种预防接种模式的工作效率，得出在门诊的疫苗接种办理流程中，多服务台单队并联模式更顺应日后前进方向的结论[1]。
刘微，刘志敏（2009）以某科门诊缴费台为研究对象，测定和整理实地数据得出窗口平均服务率和病人平均到达率，认为医院门诊缴费台是可以通过比较不同服务台数的效率指标来优化配置的[2]。
魏中华，王琳，邱实（2017）将某地出租车上客区的服务模式划分为三类，并通过引入费用决策模型来对各类模式的服务台数量的配置优化[3]。
赵文（1995）首先描述了符合泊松流、时刻为t的排队模型，而后基于各种排队规则，分别对一个或者多个服务台的排队系统总结归纳出了不同的模型特征[4]。
王雪萍（2008）构建了多服务窗的等待制体检系统模型，收集实地数据并代入模型来获得必要的系统参数，最终确定合理的服务台数[5]。
左小德，薛声家（2016）首先详细介绍了排队论的基本理论，而后描述了在负指数分布下不同服务台数的排队系统，并结合实际案例对系统进行经济考量和分析[6]。
（2）以费用模型为主要入手点来进行分析周智文，马健宵，韩正大等（2019）对于校园充电设施数目优化配置的策略，切实分析消费者特性，基于排队论和边际分析法，通过引入以总费用最小为目标的排队费用模型而分析计算得出的[7]。
丁和平，朱娟（2019）对某银行进行实地数据测定，得出其顾客到达率和服务率。