對絕大部分公司來說優化物流運作是當時公司降低成本的有用手法，一段時刻里美國的許多公司將精力會集在業務流程自動化和相關信息的收集上，這些辦法從前取得作用，協助公司降低了本錢，一起也為物流優化奠定了計算機硬軟件根底。在這樣的布景下，喬治亞理工大學物流研討所主任，美國物流專家拉特利夫博士最近編撰一份白皮書，提出物流優化的十條繩尺。
1、意圖——必需量化和衡量
要想取得成功必需有理解的意圖，為了優化，你必需知道怎樣才算被優化。量化意圖使得運用計算機抉擇一個物流方案方案能否優于另一個方案成為可能，管理人員就能夠權衡優化方案能否有出資酬謝。例如，速遞公司可能把意圖定為：日常最低修理本錢、燃料本錢和勞動力本錢，這些本錢是很簡略被量化和衡量的。
2、模型——必需真實的代表物流進程
模型是把優化懇求和約束轉化為計算機能夠接受的言語途徑。例如，我們需求模型來表明從庫房出貨到裝運貨車的進程。最簡略如出貨的總分量、體積的模型必需真實表明裝運懇求。
假設一種分量、體積模型被用于表明別的一種新式車輛的裝運，模型就失真了，因為它沒有真實代表實踐的裝運情況。假設模型不能代表真實的情況那么整個優化辦法將會是不真實際、沒有用率的。
3、數據——必需準確、時效和簡略了解
數據引導著整個優化進程，假設數據不準確或不及時的歸入整個優化進程，那么指定的物流方案顯著是不能令人信服的。優化進程包含實施方案，數據必需求簡略被了解、接受，這樣才華有杰出的溝通，整個體系才會和諧。例如，假設貨車運送對某些貨品>有體積約束，那么只是操控運送貨品的分量是不行的。
4、整合——必需支撐悉數數據轉換
數據整和是十分重要的，因為很多的數據要盤繞物流優化來收集。例如，優化從庫房到商鋪運送進程需求相關定單、客戶、車輛、駕駛員和路途信息等數據，這些很多反應的數據中有的是無用數據，有的是過錯數據，需求整合，挑選出與優化相關的有用數據。
5、 傳達——優化方案必需以必定的方法傳達給執行官、管理者
只供給物流優化處理方案而不具體實施并不能算是成功的，只需供給應管理層實施方案而不具體實施并不能算是成功的，唯有供給應管理層實施方案并最終取得希冀的出資酬謝才算是成功的。因此優化方案必需以最簡略、明晰的方法傳達給管理者和執行者，管理者需求更多全面會集的信息來實施整修方案，其間網絡是信息傳送的重要媒介。
6、算法——必需以獨立的處理單個問題
物流優化技能之間最大的的區分在于計算機尋求物流優化途徑的算法。毫無疑問，關于每類物流問題都有遍地的特性，必需針對每個不同的問題開發相關的計算機算法來供給最佳的優化方案。可是值得留心的是：(1)算法結構必需能夠被每個物流優化體系辨認和了解;(2)優化的算法要有彈性，能夠在運用時和其他體系和諧。物流優化問題有許多可能的方案，如貨品運送容量的削減有時有100000000000種可能的方案。使用不適宜的算法結構意味著計算機挑選的方案可能以一些不牢靠的，違犯優化繩尺的數據為根底，或許整個方案的運算時刻過長，以致得不出方案。
7、 運算——運算渠道必需在有用時刻內算出優化方案
因為每一個實踐物流問題都有不計其數的優化方案，因此需求強壯的計算機來支撐運算，它能確保在合理的時刻內計算出最好的物流優化方案。明顯，因為優化技能要在實踐環境中運轉快速得到完結，因此在短時刻內得出最優方案是必要的。與單一的計算機運算比較，強壯的計算機網絡渠道能夠供給更好、更快的處理方案。
8、 人才——專業的人才必需占主導方位，技能專家需求很多模型、數據和優化東西
優化技能快速，但假設沒有一些專業的技能人才來操控，它不會取得預期的作用。這些技能人才華確保運用數據、模型的正確性，技能投入到理論中能按設計的運轉。只是希望經過一些數據搜集，運用模型和軟件分析而沒有技能人才的支撐是不抱負的，他們主導著學識和閱歷。
9、 流程——商業流程的運作必需支撐優化并且確保提高的空間
物流優化是一個不時累積改變的進程，因為物流的意圖、規矩和進程并不是一塵不變的。當改變來臨的時分，不光數據、模型、算法需求做出相應的改動，潛在的商業流程也需求思索怎么改變來支撐新的優化方案。商業流程假設不能支撐優化或許確保物流優化的提高空間將會引起優化技能不能被有用使用以致是無用的。
10、出資酬謝——出資酬謝必需思索整個技能、人才和實施
天下沒有免費的午飯，物流優化需求很多的資金、技能和人才，出資酬謝需求思索兩點：
(1)全體優化價值的點評;
(2) 優化方案的比較，優化技能的挑選。
在本錢價值預算方面，當公司有現成的網絡渠道、使用軟件之后，普通都過低估量運用物流優化技能的本錢，而這些都需求有專業人才來完結。很少有成功的使用物流優化技能的本錢低于開始的技能本錢價值預算的事例。假設在初期物流優化的總本錢能得到操控，則整個方案的本錢普通就會削減。
在預算出資酬謝時，必需求有好的辦法抉擇一個基準線，權衡技能價值和人才的作用，衡量提高的作用，然后思索進一步的優化。因為數據有時效性，實施進程需求不時的被重視，沒有公司能夠十分準確的預見他們的物流優化方案實踐能夠取得怎樣的作用。