优化物流系统时请注意十大原则

物流系统优化是降低供应链运营总成本的最重要的商机。然而，物流系统优化过程不仅需要大量资源，而且需要大力克服困难和精细管理的过程。 Don Ratliff博士是Velant的总裁兼首席执行官，Velant是美国领先的货运计划解决方案提供商，在为企业提供货运决策优化解决方案方面拥有30多年的经验。在2002年美国物流管理协会（CLM）年会上，ldquo，物流优化的10个基本原则，并认为通过优化物流决策和运营流程，企业可以获得商机，降低物流成本10％到40％。这种成本节约将不可避免地转化为企业投资回报的增加。在当前激烈的市场竞争和通货紧缩的经济环境下，Don Ratliff博士提出了企业物流系统优化的10个基本原则，无论是制造业，批发和零售企业都在寻找新的经济增长点。正在努力提高服务水平并争取更大市场份额的第三方物流（3PL）公司（包括物流和供应链管理应用软件提供商和集成商）具有非常实际的运营影响。目标mdash，mdash，必须是定量和可衡量的。设定目标是确定我们期望的一种方式。要优化某些内容或过程，您必须确定如何知道目标对象已经过优化。使用定量目标，计算机可以确定物流计划是否优于另一个。企业管理层可以了解优化流程是否可以提供可接受的投资回报。例如，可以以“每日评估的资产使用成本，燃料和维护成本以及劳动力成本”的总和最小的目标来识别交付操作。这些成本目标既定量又易于衡量。模型mdash，mdash，必须忠实地反映实际的物流过程。构建模型是将物流操作要求和约束转换为计算机可以理解和处理的内容的一种方式。例如，我们需要一个模型来反映货物如何通过组合装配到卡车中。一个非常简单的模型，例如货物的总重量或总量，可以忠实地反映某些货物的装载要求，例如散装液体货物。但是，如果使用总重量或总体积模型将新车装载到拖车上，则模型将失败，因为它不能充分反映实际的物流情况。例如，使用ldquo，它不适用于携带45,000磅重的汽车来描述拖车的货物容量。因为拖车可以运输的汽车数量取决于汽车的形状，拖车的结构和其他因素。在这种情况下，如果使用简单的重量或体积模型，许多计算机认为不会实际加载适当的负载，实际上将放弃更好的加载方案，因为计算机认为它不合适。因此，如果模型没有忠实地反映加载过程，则优化系统给出的加载解决方案要么不实用，要么在经济上不经济。数据mdash，mdash，必须准确，及时和全面。数据驱动物流系统的优化过程。如果数据不准确，或者数据无法及时输入系统优化模型，则最终的物流解决方案存在问题。对于必须生成运营物流解决方案的物流优化流程，数据也必须全面且充足。例如，如果卡车的容积限制了负载，则使用每个货物的重量数据是不够的。集成mdash，mdash，数据自动传输要顺畅因为物流系统优化，我们必须同时考虑大量数据，所以系统的集成非常重要。例如，要优化从仓库到商店的每日交货，您需要考虑订单，客户，卡车，司机和道路状况等数据。手动输入数据，即使只输入少量数据，也不支持系统优化，因为它需要花费太多时间并且容易出错。表达方式mdash，mdash，必须简单，易于实现，管理和控制。物流优化技术给出的解决方案，除非现场操作员能够执行，管理者可以确认已达到预期的投资回报，否则不成功。现场操作说明简单明了，易于理解和实施。管理人员需要更全面，更有针对性的信息，以便在时间和资产利用方面优化计划及其实施。算法mdash，mdash，算法必须灵活不同物流优化技术的最大区别在于算法的差异（计算机处理过程中通常可以找到最佳的物流解决方案）。每种物流优化技术都有一定的特点。为了在合理的时间段内提供物流优化解决方案，有必要通过优化算法进一步开发优化技术。因此，关键问题是：（1）物流优化系统的分析人员必须认识和理解不同物流优化技术的问题结构。 （2）所使用的优化算法应该是灵活的，并且它们可以调整到它们可以利用这些特定问题结构的状态。物流优化问题有许多可能的解决方案（例如，对于低于卡车运输的40票的货物，有1万亿种可能的负载组合）。如果您不能使用特定的问题结构来计算，则意味着算法将根据一些不可靠的近似计算给出解决方案，或者计算时间非常长（可能无限长）。计算mdash，mdash，平台容量必须足以缩短计算时间因为对于任何真正的物流问题存在大量可能的解决方案，所以具有一定规模的任何问题都需要相当大的计算能力。这种计算能力应该使优化技术能够在合理的时间内找到最佳的物流解决方案和最佳解决方案。显然，对于在日常执行环境中运行的优化技术，它必须在几分钟或几小时内提供物流优化计划（而不是花费几天的计算时间）。使用由许多计算机同时计算的强大的集群服务和并行架构优化算法可以比使用基于PC或基于工作站的算法更快地提供更好的物流优化解决方案。人员 - 物流系统优化人员必须具备建模，数据收集和优化所需的技术专业知识。优化技术是“火箭科学”，希望火箭能够在发射后运行良好，并且没有“火箭科学家”保持其状态是不可能的。这些专家必须确保数据和模型正确并且技术系统按设计工作。在没有具有适当技术专长和领导经验的人员的组织管理的情况下，复杂的数据模型和软件系统不可能正常运行并获得必要的支持。如果没有他们的大量工作，物流优化系统将难以实现预期目标。流程mdash，mdash，必须支持优化和持续改进物流优化需要处理运营过程中的大量问题。物流目标，规则和流程的变化是系统的标准。因此，不仅需要系统数据监测方法，模型结构和算法来适应变化，而且还需要捕获机会并推动系统性变革。如果物流优化技术的监控，支持和持续改进无法在实际的业务运营过程中进行，那必然会导致优化技术的全部潜力，或者它只能被制成“一个”。