责任编辑:admin 文章来源:未知
对绝大部分公司来说优化物流运作是其时公司降低成本的有用方法,曩昔一段时间里美国的许多公司将精力会合在业务流程自动化和相关信息的收集上,这些方法早年获得效果,帮忙公司降低了本钱,一起也为物流优化奠定了计算机硬软件基础。在这样的布景下,乔治亚理工大学物流研讨所主任,美国物流专家拉特利夫博士近编撰一份白皮书,提出物流优化的十条绳尺。
1、目的——必需量化和衡量
要想获得成功必需有了解的目的,为了优化,你必需知道怎样才算被优化。量化目的使得运用计算机选择一个物流计划计划能否优于另一个计划成为可能,管理人员就可以权衡优化计划能否有出资酬报。例如,速递公司可能把目的定为:日常低修补本钱、燃料本钱和劳动力本钱,这些本钱是很简略被量化和衡量的。
2、模型——必需实在的代表物流进程
模型是把优化央求和束缚转化为计算机可以接受的言语途径。例如,我们需求模型来标明从仓库出货到装运卡车的进程。简略如出货的总重量、体积的模型必需实在标明装运央求。
假定一种重量、体积模型被用于标明其他一种新式车辆的装运,模型就失真了,由于它没有实在代表实践的装运状况。假定模型不能代表实在的状况那么整个优化方法将会是不实在际、没有用率的。
3、数据——必需精确、时效和简略了解
数据引导着整个优化进程,假定数据不精确或不及时的归入整个优化进程,那么指定的物流计划显着是不能令人信服的。优化进程包括施行计划,数据必需求简略被了解、接受,这样才调有出色的沟通,整个体系才会调和。例如,假定卡车运送对某些货品>有体积束缚,那么仅仅控制运送货品的重量是不可的。
4、整合——必需支撑全部数据变换
数据整和是非常重要的,由于许多的数据要环绕物流优化来收集。例如,优化从仓库到商铺运送进程需求相关定单、客户、车辆、驾驶员和路程信息等数据,这些许多反响的数据中有的是无用数据,有的是差错数据,需求整合,选择出与优化相关的有用数据。
5、 传达——优化计划必需以必定的方法传达给执行官、管理者
只供应物流优化处理计划而不详细施行并不能算是成功的,只需供应应管理层施行计划而不详细施行并不能算是成功的,唯有供应应管理层施行计划并终究获得希冀的出资酬报才算是成功的。因而优化计划必需以简略、清楚的方法传达给管理者和执行者,管理者需求更多全面会合的信息来施行整修计划,其间网络是信息传送的重要媒介。
6、算法——必需以独立的处理单个问题
物流优化技术之间大的的区别在于计算机寻求物流优化途径的算法。毫无疑问,关于每类物流问题都有遍地的特性,必需针对每个不同的问题开发相关的计算机算法来供应佳的优化计划。但是值得留心的是:(1)算法结构必需可以被每个物流优化体系辨认和了解;(2)优化的算法要有弹性,可以在运用时和其他体系调和。物流优化问题有许多可能的计划,如货品运送容量的减少有时有100000000000种可能的计划。运用不适宜的算法结构意味着计算机选择的计划可能以一些不牢靠的,违犯优化绳尺的数据为基础,或许整个计划的运算时间过长,致使得不出计划。
7、 运算——运算途径必需在有用时间内算出优化计划
由于每一个实践物流问题都有不可胜数的优化计划,因而需求健壮的计算机来支撑运算,它能保证在合理的时间内计算出好的物流优化计划。显着,由于优化技术要在实践环境中工作快速得到结束,因而在短时间内得出优计划是必要的。与单一的计算机运算比较,健壮的计算机网络途径可以供应更好、更快的处理计划。
8、 人才——专业的人才必需占主导方位,技术专家需求许多模型、数据和优化东西
优化技术快速,但假定没有一些专业的技术人才来控制,它不会获得预期的效果。这些技术人才调保证运用数据、模型的正确性,技术投入到理论中能按设计的工作。仅仅期望通过一些数据收集,运用模型和软件剖析而没有技术人才的支撑是不志向的,他们主导着学问和履历。
9、 流程——商业流程的运作必需支撑优化而且保证进步的空间
物流优化是一个不时累积改变的进程,由于物流的目的、规则和进程并不是一尘不变的。当改变降临的时分,不但数据、模型、算法需求做出相应的改动,潜在的商业流程也需求思索怎么改变来支撑新的优化计划。商业流程假定不能支撑优化或许保证物流优化的进步空间将会引起优化技术不能被有用运用致使是无用的。
10、出资酬报——出资酬报必需思索整个技术、人才和施行
天下没有免费的午饭,物流优化需求许多的资金、技术和人才,出资酬报需求思索两点:
(1)整体优化价值的点评;
(2) 优化计划的比较,优化技术的选择。
在本钱价值预算方面,当公司有现成的网络途径、运用软件之后,一般都过低估量运用物流优化技术的本钱,而这些都需求有专业人才来结束。很少有成功的运用物流优化技术的本钱低于开始的技术本钱价值预算的案例。假定在初期物流优化的总本钱能得到控制,则整个计划的本钱一般就会减少。
在预算出资酬报时,必需求有好的方法选择一个基准线,权衡技术价值和人才的效果,衡量进步的效果,然后思索进一步的优化。由于数据有时效性,施行进程需求不时的被注重,没有公司可以非常精确的预见他们的物流优化计划实践可以获得怎样的效果。