透視當(dāng)今的物流行業(yè)，各大物流企業(yè)紛紛摒棄了以硬件資源優(yōu)勢的取勝手段時，一場以物流智能優(yōu)化和業(yè)務(wù)流程創(chuàng)新為特點的變革浪潮正在暗自涌動，大雨吃小魚的時代已經(jīng)過去，快魚吃慢魚已經(jīng)被鑒證為成功模式。缺乏物流優(yōu)化的業(yè)務(wù)運作，已經(jīng)將物流企業(yè)帶向了成本不斷攀升的深淵。

　　優(yōu)質(zhì)硬件配置未能創(chuàng)造奇跡

　　誠然，擁有完善的倉儲、運輸設(shè)備等硬件資源在過去的日子里為物流企業(yè)帶來了很大的優(yōu)勢，但是，目前廉價的勞動力已經(jīng)無法拉開物流企業(yè)彼此之間的競爭力，倉庫的高空置率，車輛運輸?shù)目蛰d，運輸路線的設(shè)置問題等在不斷蠶食著物流企業(yè)的利潤……那么在“成本上升，利潤微薄”為主旋律的背景下，中國物流企業(yè)要快速發(fā)展和壯大就必須要在激烈的市場競爭中領(lǐng)先一步，就必須知道業(yè)務(wù)運作過程中哪些方式可以幫助企業(yè)提高物流運作的效率，降低物流運作成本，提高企業(yè)核心競爭力。所以大家紛紛將目光聚焦到了物流決策優(yōu)化上來。博科資訊董事長兼總裁沈國康說，作為物流供應(yīng)鏈軟件行業(yè)的領(lǐng)頭人，早在八年前，公司便已經(jīng)將軟件的物流優(yōu)化功能的開發(fā)作為其提高物流供應(yīng)鏈運作效率的重要戰(zhàn)略中的一環(huán)。

　　目前，物流企業(yè)在信息化優(yōu)化決策過程中依然存在困境：輔助決策信息的繁多；決策環(huán)境的瞬息萬變；決策目標(biāo)的名目繁多；決策流程的復(fù)雜性等，與強大的物流信息系統(tǒng)相結(jié)合，實時獲得決策數(shù)據(jù)，讓博科資訊物流優(yōu)化變得更加不可或缺，博科物流優(yōu)化專家張博士坦言。

　　物流企業(yè)需要完善的業(yè)務(wù)決策優(yōu)化

　　目前的物流公司大多是兩種：一種是自己擁有運輸工具的。比如JBHunt， UPS， Federal Express,Schneider等。他們的運輸工具多種多樣，除了大型的卡車之外，還有船運，航空，以及鐵路。 第二種公司就是 4PL的公司。這樣的公司以咨詢，開發(fā)軟件為主。此外還有一種物流公司是綜合型的，如 WalMart。WalMart本身擁有兩千多輛卡車。他們同樣有著自己的物流管理部門。同時，他們?nèi)匀恢饕�依靠其他的運輸公司，如SWIFT來完成州際的貨物運輸。第一種公司：logistics的概念已經(jīng)不僅僅局限于對路線，中轉(zhuǎn)站選址的優(yōu)化。而更多的是成本分析和運輸策略的綜合體。所以，他們所使用的運輸管理優(yōu)化大多包含以下三種主要功能： 第一個功能，毫無疑問自然是卡車和人員的管理。其中涉及的包括卡車的老化，更新，維修，分配，保險，燃料等等。這方面的數(shù)據(jù)信息主要是由底層向上反饋。一般來講，根據(jù)客戶的服務(wù)區(qū)域或是短期合同的要求。每一個區(qū)域的fleet manager (車隊的管理者)都在一定時間內(nèi)管理相當(dāng)數(shù)量的卡車以及駕駛員。他們在這一部分所需要做的就是不停的反饋信息給中央分析部門。信息的內(nèi)容主要是卡車的使用情況等等。 第二個功能是一個很大的處理過程。它涉及的方面包括每一個合同中規(guī)定的運輸距離，數(shù)量，重量，涉及到的各地區(qū)柴油的價格，保險，因汽車故障而導(dǎo)致的拖車費用，以及代價很高的 dead haul (空車回到出發(fā)點)，人員的工資等。這其中的很多因素幾乎是每天都在變化的。所以，所使用的系統(tǒng)必須能保證在隨時得到數(shù)據(jù)更新的時候，隨時優(yōu)化。這一步所得出的結(jié)論大多是找到最佳的卡車數(shù)量的配置。而事實上， 這也是很多運輸和物流公司賺錢的主要來源之一。舉個很簡單的例子。如果JBHunt在和WalMart簽合同的時候所列出的方案是使用15輛卡車來完成運輸。那么整個合同的價格基本上是以15輛卡車的運費為基礎(chǔ)的。如果JBHunt可以通過裝配優(yōu)化和區(qū)域間的調(diào)度使12輛卡車就能完成運輸任務(wù)的話， 那么它的利潤空間將增加很多。這一步從技術(shù)角度上講并不復(fù)雜，只是一個運籌學(xué)中非常常見的有限資源情況下的分配問題。但是，在實際運用中所面臨的主要問題卻是如何在很短的時間內(nèi)找出很好的答案。關(guān)于這一點在后面會說明。 第三個功能是非常重要的一步，他關(guān)系著整個合同的成本。這一步需要做到的就是通過優(yōu)化，找出最佳的運送路線/返回路線/以及空車返回的組合。舉個例子，假設(shè)有三個城市A,B,C, 這三個城市構(gòu)成了一個三角形。其中，B和C的距離比較近，但是A距B和C都很遠(yuǎn)。如果根據(jù)合同，A出需要運送三個卡車的貨物到B處，而C處需要運送5個卡車的貨物到A處。那么毫無疑問。最短的路線自然是各運輸各的，互不干涉。但是這樣一來，必定會造成A和C的卡車都要 dead haul。所以，很可能的運輸方式就是A把貨物送到B，然后在B處等待C送來的貨物。因為B和C的距離較近。所以因C dead haul帶來的成本要低于B dead haul的成本。與此相類似， back haul同樣需要優(yōu)化。上面的三個功能中，后兩種其實是融合在一起分析的。因為整個model的最終目的就是低成本。因此routing的所有決定都是以成本為基礎(chǔ)。

　　優(yōu)化難題

　　物流優(yōu)化從整體上來講，僅僅涉及到一些分配模型，運輸模型，以及比較有名的TSP等等。然而，實際過程中的運用遠(yuǎn)非如此。很多小的公司，的確是通過運籌學(xué)的理論來尋優(yōu)。采用的方法都很雷同。一般都是以VB為界面，調(diào)用CPLEX的API函數(shù)來進行優(yōu)化計算。但是由于這樣的成本/路線模型大多是NP-Hard，所以，對于大公司，很難通過傳統(tǒng)的尋優(yōu)理論來分析大的問題。最優(yōu)解固然吸引人，但是如果為了尋優(yōu)化上兩天的時間，就顯然得不償失。以JBHunt為例，幾乎所有的決策都是在每天早上兩點到四點這兩個小時之間完成的。這兩個小時之內(nèi)，需要得到從車主那里傳來的信息，需要運行軟件進行優(yōu)化，然后再把決策反饋給車主，很顯然，對于大多數(shù)問題而言，兩個小時找到最優(yōu)解，難上加難，因此，這些公司提供的大多數(shù)是啟發(fā)式算法。

　　上面提到的運輸管理系統(tǒng)大多面向于單一的交通工具。而實際上，大多數(shù)擁有多種交通工具的運輸公司的利潤主要來自于多式聯(lián)運。 也就是多種交通工具完成同一個合同的運輸。多式聯(lián)運需要很強的邏輯的技術(shù)支持。 以JBHunt為例，JBHunt本身并沒有鐵路的運輸工具。但是他們和各地的鐵路運輸公司有相應(yīng)的合同。那么對于一個平常的運輸距離(比如說從阿肯色到芝加哥)，究竟有多遠(yuǎn)需要鐵路運輸，多遠(yuǎn)需要公路運輸？而且，大部分情況下，JBHunt必須通過空車跑到火車站提貨。所以，如何可以通過適當(dāng)?shù)穆窂絻?yōu)化來減少空車的機率，并且在空車不可避免的情況下，如何優(yōu)化陸地的運輸距離來減少運輸成本。這些都是邏輯工程師需要解決的問題。正如物流系統(tǒng)的每一個環(huán)節(jié)一樣，其實都是一個規(guī)劃模型。但是，由于結(jié)合實際中的成本分析，風(fēng)險分析，穩(wěn)定性分析等等，使得運輸公司對工業(yè)工程的技術(shù)有一個很綜合的需求，總體來講，即便是對于像UPS這樣已經(jīng)非常贏利，技術(shù)上非常成熟的企業(yè)來說，同樣是有著可改善的余地的。

　　物流優(yōu)化需要從操作層向作業(yè)層滲透

　　物流作業(yè)作為供應(yīng)鏈上非常重要的一環(huán)，是需要其他環(huán)節(jié)的強大的支持�？梢哉f，企業(yè)生產(chǎn)計劃的制定，庫存管理，運輸管理，以及銷售策略的制定都是相互制約相互支持的。西方國家大部分供應(yīng)鏈中的企業(yè)所面臨的主要問題是如何利用數(shù)據(jù)。和早期發(fā)展不同，大多數(shù)企業(yè)基本上都已經(jīng)有了比較完善的數(shù)據(jù)采集和儲存系統(tǒng)。然而，由于各環(huán)節(jié)之間數(shù)據(jù)無法完全共享，所以，數(shù)據(jù)沒有得到充分的使用。這導(dǎo)致的結(jié)果是供應(yīng)鏈上每一個環(huán)節(jié)的廠商在做決策是過分依賴下一個環(huán)節(jié)反饋回來的信息，而不是客觀的參考由最終消費者反饋的訂單的信息。這導(dǎo)致了每個環(huán)節(jié)之間決策的沖突。所以，要想從根本上解決物流運輸過程中的優(yōu)化難題，需要從一個更高的層次來看待這個過程，也就是供應(yīng)鏈層次，如果物流作業(yè)能夠從操作層面向作業(yè)層面滲透，整條供應(yīng)鏈上物品流轉(zhuǎn)信息實時透明，將會在很大程度上提供供應(yīng)鏈運作效率，而不單單是物流企業(yè)的運作效率了。