平衡灵活用工与非灵活用工，以可靠地满足按需产能需求

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：Balancing flex and non-flex labor to reliably meet on-demand capacity

优化电商物流Under-the-Roof（UTR）环境混合用工模型及实证研究，提出结构效率模型（SEM）和成本模型（CM）双阶段优化框架。通过亚马逊配送站点2023年弹性用工实验，验证灵活员工占比提升至10%可使运营效率提高4%，同时平衡培训成本与需求波动应对能力。研究揭示小时级灵活用工优势及非灵活员工在复杂任务稳定性中的关键作用。

　　

Ramon Auad | Thomas Fillebeen | Roman Levkin | Arkajit Rakshit | Martin Savelsbergh

AMZL供应链规划 - Amazon.com Inc，425 106th Ave NE，Bellevue，98004，WA，美国

摘要

21世纪的劳动力市场越来越以灵活的劳动模式为特征，尤其是在电子商务和供应链运营领域。虽然以往的研究主要集中在最后一公里（即运输过程中的劳动）方面，但我们的研究关注的是“屋顶下”（UTR，即仓库和配送中心内部）的环境，这些环境由于任务复杂多样且需要培训和经验而带来独特的挑战。我们的研究旨在更好地理解如何在复杂的物流管理中平衡结构效率与劳动力灵活性。我们提出了一个优化框架，用于确定UTR环境中灵活与非灵活员工的最佳组合。通过一项实证研究，我们验证了该优化框架的有效性——该研究增加了亚马逊配送站的灵活员工数量。分析内容包括衡量生产力学习曲线的差异，并考察其对效率和服务体验的影响。主要发现表明，虽然灵活员工达到熟练程度所需的时间更长（尤其是对于复杂任务），但这种影响会随时间逐渐减弱。重要的是，混合劳动力配置提高了结构效率，并使企业更容易应对需求波动。我们估计效率提升的上限约为4%。我们的研究强调了在需求波动性增加和运营敏捷性需求日益增长的情况下，战略性劳动力规划的重要性。

引言

传统的“屋顶下”（UTR）运营的劳动力模式特点是固定的全职（非灵活）员工，他们按照标准的工作轮班模式进行工作。这些员工通常接受过处理设施内复杂任务的培训。例如，一名员工可能每周从周一到周四每天工作10小时，负责接收、存储、拣选和包装库存。相比之下，随着按需经济的兴起，出现了更多兼职（灵活）员工的需求，他们的每周工作小时数在一定范围内变化。客户可以随时从任何地点下订单，并快速将商品送达任何地点，这导致了需求的波动，从而给运营带来了重大挑战，往往会造成数千万美元的额外成本或收入损失。美国的亚马逊配送站就是这一挑战的典型例子。利用2024年的每周需求数据，我们估算了各配送站的需求变异系数。图1展示了不同需求波动水平（第25百分位、中位数和第75百分位）下各站的需求波动情况。数据显示出明显的季节性特征，节假日期间的订单量是前两个季度的两倍多。总体而言，每周需求波动较大：需求增加时平均增长率为7%，而需求减少时平均下降率为8%。如果仅依赖全职（非灵活）员工来应对这种波动，将需要系统性地超配8%-15%的员工。如果我们假设至少有一半的波动可以通过兼职（灵活）员工来弥补，那么就可以实现4%-7%的成本节约。这突显了在需求波动性增加和运营敏捷性需求日益增长的情况下，战略性劳动力规划的重要性。

虽然兼职员工提供的灵活性使企业能够调整产能以适应需求波动，但在UTR环境中实施这一策略却面临独特挑战。与简单的零工经济模式不同，UTR运营要求员工执行更复杂、多样的任务，通常需要更长时间的培训。例如，在第3节中提到的亚马逊案例中，我们估计新员工可能需要4-8周才能达到资深员工的熟练程度，初始生产力差距可能高达25%。漫长的培训期和高昂的培训成本进一步增加了理解UTR环境中最佳劳动力组合的复杂性和紧迫性。此外，即使企业有能力招聘更多员工，也需要谨慎规划，逐步增加员工数量以避免生产力下降。此外，由于每周工作小时数的不同，全职和兼职员工的生产力学习曲线存在显著差异，这一点需要通过实证研究进行验证，并将其纳入UTR劳动力组合的优化决策中。

在复杂的UTR任务中，如何在运营效率、保持高质量服务可用性和服务可用性之间找到正确的平衡，是供应链运营面临的一项战略挑战。首先，我们回顾了相关文献，这些文献主要集中在非UTR运营方面。然后，我们以亚马逊配送站的UTR劳动力案例为依据来阐述我们的研究。本文详细介绍了一个由两部分组成的建模框架，用于确定非灵活和灵活员工的最佳组合：结构效率模型（SEM）和成本模型（CM）。SEM模型关注整个运营日内每小时的需求变化和波动性，旨在通过最小化不足和过剩的工作小时数来优化服务水平，同时保持非灵活员工工作小时数的目标范围。换句话说，SEM模型关注非灵活和灵活员工在小时级别上的结构效率差异。灵活员工的工作轮班时间通常较短且更不固定，而标准的全职员工每周工作40小时。因此，当需求在一天中波动并在某些时段出现高峰时，较短灵活轮班可以更有效地满足需求。另一方面，由于灵活员工每周工作小时数较少，他们可能需要更长时间的培训才能达到熟练程度。此外，灵活员工能够在规定的时间内选择自己的工作时间，这为劳动力规划带来了更多不确定性。规划者需要应对这种不确定性，以尽量减少服务可用性的风险。SEM模型捕捉了这些权衡，以推荐高效的灵活和非灵活员工组合，从而在整个运营日内优化结构效率。相比之下，CM模型关注的是时间上的需求波动（无论是日内还是周内）。在这种情况下，规划者需要有效应对需求波动。如果为了应对临时需求波动而雇佣更多员工，那么在需求减少时会导致过度配置和效率低下。灵活员工能够快速调整产能以适应需求波动，而无需额外招聘非灵活员工，但这可能会以较低的 productivity 和较长的学习曲线为代价。特别是，全职员工由于其固定的工作时间，能够提供可靠的生产力和运营能力基础，确保服务水平和复杂任务的熟练程度可预测。CM模型在这两种员工类型之间找到平衡，以实现高服务可用性，适应客户需求的波动，降低劳动力规划的不确定性，并有效管理劳动力成本。这两个模型按顺序解决：首先解决SEM模型，然后是CM模型。将实现高结构效率的灵活与非灵活员工比例范围作为指导原则传递给成本优化。这两个模型表明，服务和成本对盈利能力都很重要。这种顺序反映了亚马逊对客户便利性和体验的持续关注：运营规划旨在在确保（非常）高服务水平的同时降低成本。

我们在2023年对亚马逊的部分配送站进行了实验，增加了灵活员工的数量。这种优化建模与实证验证的结合为UTR环境中的劳动力组合建议增加了可信度。最后，我们讨论了我们的研究结果如何为不同供应链环节的战略性劳动力规划决策提供参考，同时考虑了将灵活员工整合到复杂UTR环境中的独特挑战。

文献综述

文献回顾

所有公司都致力于在正确的时间、正确的地点以正确的成本配备合适的人员——这一概念有时被称为劳动力准备度。劳动力准备度受到多种因素的影响。劳动力规划侧重于确定最佳的劳动力组合，具有战略性质。劳动力优化则关注如何最佳利用现有劳动力，具有操作性质。当处理混合劳动力时，劳动力规划变得更加具有挑战性。

非灵活员工与灵活员工在UTR中的对比：亚马逊案例

从UTR运营的角度来看，亚马逊的配送网络包括以下流程：

1. •
   库存存储在大型配送中心（FC）中。当客户下订单时（例如，在南西雅图地区），订单会在最近的配送中心（例如，在俄勒冈州配送中心）被拣选和打包，然后运送到相应的地理配送中心。
2. •
   在配送中心（例如，在西雅图地区），包裹会被分类并运送到特定的配送站。
3. •
   最后，在相应的

优化框架

我们提出了一个两阶段优化框架，用于确定非灵活和灵活员工的最佳组合。该框架独立地为每个配送站优化劳动力组合，每个站点的决策基于其自身的运营条件。该方法按时间维度和波动来源进行区分：SEM模型优化运营日内每小时的工作安排和轮班结构，以应对劳动力需求的波动；而CM模型则确定...

灵活性实验

为了验证和支持劳动力组合优化模型的结果，我们在2023年在一组亚马逊配送站进行了实验。具体来说，我们将灵活（兼职）员工的占比从总工作小时的1%增加到10%。这些灵活员工主要参与两个关键流程A和B。在实验之前，只有少数亚马逊配送站有兼职员工，且兼职员工的占比从未...

结论与未来研究

本研究提出了一个全面的框架，用于优化亚马逊UTR运营中的劳动力组合，平衡灵活和非灵活劳动力，以满足按需产能需求。通过应用SEM和CM模型，并结合实证验证，我们证明了将灵活员工的比例从1%增加到10%可以提高运营效率高达3.9%。这些改进反映了灵活劳动力的两个主要优势：

致谢

我们感谢Agraj Gupta和Saba Neyshabouri在项目早期阶段提供的研究协助以及关于劳动力组合建模的有益讨论。同时，我们也感谢编辑和匿名审稿人的建设性意见，这些意见有助于提升手稿的质量。我们还要感谢我们的亚马逊同事Joe Augustine、Shravan Srinivasa、Olivier Boigris和Kushagr Kakkar，他们帮助设计和执行了大规模的灵活劳动力实验。

作者贡献声明

Ramon Auad：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、软件开发、方法论、调查、数据分析、概念化。

Thomas Fillebeen：撰写——审稿与编辑、撰写——初稿、验证、监督、资源协调、项目管理、方法论、资金获取、概念化。

Roman Levkin：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：

Ramon Auad与Amazon.com Inc存在以下关系：就业和股权或股票。

Thomas Fillebeen与Amazon.com Inc存在以下关系：就业和股权或股票。

Roman Levkin与Amazon.com Inc存在以下关系：就业和股权或股票。

Arkajit Rakshit与...