会员登录
会员注册对于大多数的企业来说，物流系统优化是其降低供应链运营总成本的最显著的商机所在。但是，物流系统优化过程不仅要投入大量的资源，而且是一项需要付出巨大努力，克服困难和精心管理的过程。
美国领先的货运计划解决方案供应商Velant公司的总裁和CEO Don Ratliff博士集30余年为企业提供货运决策优化解决方案的经验，在2002年美国物流管理协会(CLM)年会上提出了“物流优化的lo项基本原则”，并认为通过物流决策和运营过程的优化，企业可以获得降低物流成本10%—40%的商业机会。这种成本的节约必然转化为企业投资回报率的提高。
在目前激烈的市场竞争和通货紧缩的经济环境下，Don Ratliff博士提出的企业物流系统优化的10项基本原则无论是对正在寻找新的经济增长点的制造业和批发零售业企业来说，还是对正在努力提升服务水平争取更大市场份额的第三方物流(3PL)企业(包括物流和供应链管理应用软件供应商和集成商)来说，均具有非常实际的操作性的指导意义。实际上，Don Ratliff博士所给出的10项基本原则本身就是物流管理理念和物流管理技术有机结合的企业物流管理系统的基本构架。
1.目标(Objectives)——设定的目标必须是定量的和可测评的。
制定目标是确定我们预期愿望的一种方法。要优化某个事情或过程，就必须确定怎样才能知道目标对象已经被优化了。使用定量的目标，计算机就可以判断一个物流计划是否比另一个更好。企业管理层就可以知道优化的过程是否能够提供一个可接受的投资回报率(Return On Investment)。比如，一项送货作业可能被确定的目标是“日常分摊的资产使用成本，燃料和维修成本，以及劳动力成本之和最小”。这些成本目标既定量，也容易测定。
2.模型(Models)——模型必须忠实地反映实际的物流过程。
建立模型是把物流运营要求和限制条件翻译成计算机能够理解和处理的某种东西的方法。例如，我们需要一个模型来反映货物是如何通过组合装上卡车的。一个非常简单的模型，诸如发货的总重量或总体积就能够忠实地反映某些货物的装载要求，如大宗液体货物。然而，如果总重量或总体积模型被用于往拖车上装载新汽车，则该模型就会失效，因为它不能充分地反映实际的物流情况。比如，用“可运载45000磅汽车”来描述拖车的载货能力就是不适用的。因为，拖车所能够装运汽车的数量取决于汽车的外形，拖车的结构，和其他一些因素。在这种情况下，如果使用简单的重量或体积模型，许多计算机认为合适的载荷将无法实际装车，而实际上更好的装载方案会由于计算机认为不合适而被放弃。所以，如果模型不能忠实地反映装载的过程，则由优化系统给出的装车解决方案要么无法实际执行，要么在经济上不合算。
3.数据(Data)——数据必须准确、及时和全面。
数据驱动了物流系统的优化过程。如果数据不准确，或有关数据不能够及时地输入系统优化模型，则由此产生的物流方案就是值得怀疑的。对必须产生可操作的物流方案的物流优化过程来说，数据也必须全面和充分。例如，如果卡车的体积限制了载荷的话，使用每次发货的重量数据就是不充分的。