企業物流系統優化的原則
時間：2024-01-06
點擊：78次
1．目標（objectives）：設定的目標必須是定量的和可測評的。
制定目標是確定我們預期愿望的一種方法。要優化某個事情或過程，就必須確定怎樣才能知道目標對象已經被優化了。使用定量的目標，計算機就可以判斷一個物流計劃是否比另一個更好。企業管理層就可以知道優化的過程是否能夠提供一個可接受的投資回報率（return on investment）。
2．模型（models）：模型必須忠實地反映實際的物流過程。
建立模型是把物流運營要求和限制條件翻譯成計算機能夠理解和處理的某種東西的方法。例如，我們需要一個模型來反映貨物是如何通過組合裝上卡車的。一個非常簡單的模型，不能充分地反映實際的物流情況。如果使用簡單的重量或體積模型，許多計算機認為合適的載荷將無法實際裝車，而實際上更好的裝載方案會由于計算機認為不合適而被放棄。所以，如果模型不能忠實地反映裝載的過程，則由優化系統給出的裝車解決方案要么無法實際執行，要么在經濟上不合算。
3．數據（data）：數據必須準確、及時和全面。
數據驅動了物流系統的優化過程。如果數據不準確，或有關數據不能夠及時地輸入系統優化模型，則由此產生的物流方案就是值得懷疑的。對必須產生可操作的物流方案的物流優化過程來說，數據也必須全面和充分。例如，如果卡車的體積限制了載荷的話，使用每次發貨的重量數據就是不充分的。
4．集成（integration）：系統集成必須全面支持數據的自動傳遞。
因為對物流系統優化來說，要同時考慮大量的數據，所以，系統的集成是非常重要的。比如，要優化每天從倉庫向門店送貨的過程就需要考慮訂貨、客戶、卡車、駕駛員和道路條件等數據。人工輸入數據的方法，哪怕是只輸入很少量的數據，也會由于太花時間和太容易出錯而不能對系統優化形成支持。
5．表述（delivery）：系統優化方案必須以一種便于執行、管理和控制的形式來表述。
由物流優化技術給出的解決方案，除非現場操作人員能夠執行，管理人員能夠確認預期的投資回報已經實現，否則就是不成功的。現場操作要求指令簡單明了，要容易理解和執行。管理人員則要求有關優化方案及其實施效果在時間和資產利用等方面的關鍵標桿信息更綜合、更集中。
6．算法（algorithms）：算法必須靈活地利用獨特的問題結構。
不同物流優化技術之間最大的差別就在于算法的不同（借助于計算機的過程處理方法通常能夠找到最佳物流方案）。關于物流問題的一個無可辯駁的事實是每一種物流優化技術都具有某種特點。為了在合理的時間段內給出物流優化解決方案就必須借助于優化的算法來進一步開發優化技術。因此，關鍵的問題是：（1)這些不同物流優化技術的特定的問題結構必須被每一個設計物流優化系統的分析人員認可和理解;（2)所使用的優化算法應該具有某種彈性，使得它們能夠被"調整"到可以利用這些特定問題結構的狀態。物流優化問題存在著大量的可能解決方案（如，對于40票零擔貨運的發貨來說，存在著1萬億種可能的裝載組合）。如果不能充分利用特定的問題結構來計算，則意味著要么算法將根據某些不可靠的近似計算給出一個方案，要么就是計算的時間極長（也許是無限長）。
7．計算（computing）：計算平臺必須具有足夠的容量在可接受的時間段內給出優化方案。
因為任何一個現實的物流問題都存在著大量可能的解決方案，所以，任何一個具有一定規模的問題都需要相當的計算能力支持。這樣的計算能力應該使得優化技術既能夠找到最佳物流方案，也能夠在合理的時間內給出最佳方案。顯然，對在日常執行環境中運行的優化技術來說，它必須在幾分鐘或幾小時內給出物流優化方案（而不是花幾天的計算時間）。采取動用眾多計算機同時計算的強大的集群服務和并行結構的優化算法，可以比使用單體pc機或基于工作站技術的算法更快地給出更好的物流優化解決方案。
8．人員（people）：負責物流系統優化的人員必須具備支持建模、數據收集和優化方案所需的領導和技術專長。
優化技術是"火箭科學"，希望火箭發射后能夠良好地運行而沒有"火箭科學家"來保持它的狀態是不可能的。這些專家必須確保數據和模型的正確，必須確保技術系統在按照設計的狀態工作。現實的情況是，如果缺乏具有適當技術專長和領導經驗的人的組織管理，復雜的數據模型和軟件系統要正常運行并獲得必要的支持是不可能的。沒有他們大量的工作，物流優化系統就難以達到預期的目標。
9．過程（process）：商務過程必須支持優化并具有持續的改進能力。
物流優化需要應對大量的在運營過程中出現的問題。物流目標、規則和過程的改變是系統的常態。所以，不僅要求系統化的數據監測方法、模型結構和算法等能夠適應變化，而且要求他們能夠捕捉機遇并促使系統變革。如果不能在實際的商務運行過程中對物流優化技術實施監測、支持和持續的改進，就必然導致優化技術的潛力不能獲得充分的發揮，或者只能使其成為"擺設"。
10．回報（roi）：投資回報必須是可以證實的，必須考慮技術、人員和操作的總成本。
要證實物流系統優化的投資回報率，必須把握兩件事情：
一是誠實地估計全部的優化成本；二是將優化技術給出的解決方案逐條與標桿替代方案進行比較。
在計算成本的時候，企業對使用物流優化技術的運營成本存在著強烈的低估現象，尤其是在企業購買的是"供業余愛好者自己開發使用"的基于pc的軟件包的情況下。這時要求企業擁有一支訓練有素的使用者團隊和開發支持人員在實際運行的過程中調試技術系統。在這種情況下，有效使用物流優化技術的實際年度運營成本極少有低于技術采購初始成本的（如軟件使用許可費、工具費等）。如果物流優化解決方案的總成本在第二年是下降的，則很可能該解決方案的質量也會成比例的下降。
在計算回報的時候，要確定物流優化技術系統的使用效果，必須做三件事：一是在實施優化方案之前根據關鍵績效指標（key performance indicators）測定基準狀態；二是將實施物流優化技術解決方案以后的結果與基準狀態進行比較；三是對物流優化技術系統的績效進行定期的評審。
要準確地計算投資回報率必須采用良好的方法來確定基準狀態，必須對所投入的技術和人力成本有透徹的了解，必須測評實際改進的程度，還必須持續地監測系統的行為績效。但是，因為績效數據很少直接可得，而且監測過程需要不間斷的實施，所以，幾乎沒有哪個公司能夠真正了解其物流優化解決方案的實際效果。
制定目標是確定我們預期愿望的一種方法。要優化某個事情或過程，就必須確定怎樣才能知道目標對象已經被優化了。使用定量的目標，計算機就可以判斷一個物流計劃是否比另一個更好。企業管理層就可以知道優化的過程是否能夠提供一個可接受的投資回報率（return on investment）。
2．模型（models）：模型必須忠實地反映實際的物流過程。
建立模型是把物流運營要求和限制條件翻譯成計算機能夠理解和處理的某種東西的方法。例如，我們需要一個模型來反映貨物是如何通過組合裝上卡車的。一個非常簡單的模型，不能充分地反映實際的物流情況。如果使用簡單的重量或體積模型，許多計算機認為合適的載荷將無法實際裝車，而實際上更好的裝載方案會由于計算機認為不合適而被放棄。所以，如果模型不能忠實地反映裝載的過程，則由優化系統給出的裝車解決方案要么無法實際執行，要么在經濟上不合算。
3．數據（data）：數據必須準確、及時和全面。
數據驅動了物流系統的優化過程。如果數據不準確，或有關數據不能夠及時地輸入系統優化模型，則由此產生的物流方案就是值得懷疑的。對必須產生可操作的物流方案的物流優化過程來說，數據也必須全面和充分。例如，如果卡車的體積限制了載荷的話，使用每次發貨的重量數據就是不充分的。
4．集成（integration）：系統集成必須全面支持數據的自動傳遞。
因為對物流系統優化來說，要同時考慮大量的數據，所以，系統的集成是非常重要的。比如，要優化每天從倉庫向門店送貨的過程就需要考慮訂貨、客戶、卡車、駕駛員和道路條件等數據。人工輸入數據的方法，哪怕是只輸入很少量的數據，也會由于太花時間和太容易出錯而不能對系統優化形成支持。
5．表述（delivery）：系統優化方案必須以一種便于執行、管理和控制的形式來表述。
由物流優化技術給出的解決方案，除非現場操作人員能夠執行，管理人員能夠確認預期的投資回報已經實現，否則就是不成功的。現場操作要求指令簡單明了，要容易理解和執行。管理人員則要求有關優化方案及其實施效果在時間和資產利用等方面的關鍵標桿信息更綜合、更集中。
6．算法（algorithms）：算法必須靈活地利用獨特的問題結構。
不同物流優化技術之間最大的差別就在于算法的不同（借助于計算機的過程處理方法通常能夠找到最佳物流方案）。關于物流問題的一個無可辯駁的事實是每一種物流優化技術都具有某種特點。為了在合理的時間段內給出物流優化解決方案就必須借助于優化的算法來進一步開發優化技術。因此，關鍵的問題是：（1)這些不同物流優化技術的特定的問題結構必須被每一個設計物流優化系統的分析人員認可和理解;（2)所使用的優化算法應該具有某種彈性，使得它們能夠被"調整"到可以利用這些特定問題結構的狀態。物流優化問題存在著大量的可能解決方案（如，對于40票零擔貨運的發貨來說，存在著1萬億種可能的裝載組合）。如果不能充分利用特定的問題結構來計算，則意味著要么算法將根據某些不可靠的近似計算給出一個方案，要么就是計算的時間極長（也許是無限長）。
7．計算（computing）：計算平臺必須具有足夠的容量在可接受的時間段內給出優化方案。
因為任何一個現實的物流問題都存在著大量可能的解決方案，所以，任何一個具有一定規模的問題都需要相當的計算能力支持。這樣的計算能力應該使得優化技術既能夠找到最佳物流方案，也能夠在合理的時間內給出最佳方案。顯然，對在日常執行環境中運行的優化技術來說，它必須在幾分鐘或幾小時內給出物流優化方案（而不是花幾天的計算時間）。采取動用眾多計算機同時計算的強大的集群服務和并行結構的優化算法，可以比使用單體pc機或基于工作站技術的算法更快地給出更好的物流優化解決方案。
8．人員（people）：負責物流系統優化的人員必須具備支持建模、數據收集和優化方案所需的領導和技術專長。
優化技術是"火箭科學"，希望火箭發射后能夠良好地運行而沒有"火箭科學家"來保持它的狀態是不可能的。這些專家必須確保數據和模型的正確，必須確保技術系統在按照設計的狀態工作。現實的情況是，如果缺乏具有適當技術專長和領導經驗的人的組織管理，復雜的數據模型和軟件系統要正常運行并獲得必要的支持是不可能的。沒有他們大量的工作，物流優化系統就難以達到預期的目標。
9．過程（process）：商務過程必須支持優化并具有持續的改進能力。
物流優化需要應對大量的在運營過程中出現的問題。物流目標、規則和過程的改變是系統的常態。所以，不僅要求系統化的數據監測方法、模型結構和算法等能夠適應變化，而且要求他們能夠捕捉機遇并促使系統變革。如果不能在實際的商務運行過程中對物流優化技術實施監測、支持和持續的改進，就必然導致優化技術的潛力不能獲得充分的發揮，或者只能使其成為"擺設"。
10．回報（roi）：投資回報必須是可以證實的，必須考慮技術、人員和操作的總成本。
要證實物流系統優化的投資回報率，必須把握兩件事情：
一是誠實地估計全部的優化成本；二是將優化技術給出的解決方案逐條與標桿替代方案進行比較。
在計算成本的時候，企業對使用物流優化技術的運營成本存在著強烈的低估現象，尤其是在企業購買的是"供業余愛好者自己開發使用"的基于pc的軟件包的情況下。這時要求企業擁有一支訓練有素的使用者團隊和開發支持人員在實際運行的過程中調試技術系統。在這種情況下，有效使用物流優化技術的實際年度運營成本極少有低于技術采購初始成本的（如軟件使用許可費、工具費等）。如果物流優化解決方案的總成本在第二年是下降的，則很可能該解決方案的質量也會成比例的下降。
在計算回報的時候，要確定物流優化技術系統的使用效果，必須做三件事：一是在實施優化方案之前根據關鍵績效指標（key performance indicators）測定基準狀態；二是將實施物流優化技術解決方案以后的結果與基準狀態進行比較；三是對物流優化技術系統的績效進行定期的評審。
要準確地計算投資回報率必須采用良好的方法來確定基準狀態，必須對所投入的技術和人力成本有透徹的了解，必須測評實際改進的程度，還必須持續地監測系統的行為績效。但是，因為績效數據很少直接可得，而且監測過程需要不間斷的實施，所以，幾乎沒有哪個公司能夠真正了解其物流優化解決方案的實際效果。