目标——必（bì）须是定量而且可测评的

      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（jiù）必须确定怎（zěn）样才能知（zhī）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（pàn）断一个物流计划是（shì）否比另（lìng）一个更好。企（qǐ）业管（guǎn）理层（céng）就可（kě）以知道优化的（de）过程是（shì）否能够提（tí）供一（yī）个可接受的投（tóu）资回报（bào）率（lǜ）。比如，一项送货作业可（kě）能（néng）被（bèi）确定的目标是“日常分摊的资产使用成本（běn），燃（rán）料和（hé）维修（xiū）成本，以及劳动力成本之和最小”。这（zhè）些成本目标既定量，也容易测定。

      模型（xíng）——必须（xū）忠（zhōng）实地反映实际的物流过程

      建（jiàn）立模型是把物（wù）流运营要求和限制条件（jiàn）翻（fān）译成计算机能够理解和（hé）处理的（de）某种东西的方法（fǎ）。例如，我们需要一个（gè）模型来反映货物是如何（hé）通过组（zǔ）合装上（shàng）卡车的。一个非常简单的模型，诸如发货的总重（chóng）量或（huò）总体积就能够忠（zhōng）实地（dì）反映某些货（huò）物的装载要求（qiú），如大宗液体货物。然而，如果总重量或总体积模型被用（yòng）于（yú）往拖车（chē）上装载新汽车（chē），则该模型就（jiù）会失效（xiào），因为它不能充分地反映（yìng）实际（jì）的物流情况。比如（rú），用“可（kě）运载45000磅汽（qì）车”来描述拖（tuō）车的载货能力（lì）就是不适用的。因（yīn）为，拖车所能够装（zhuāng）运汽车的数量取决于汽车的（de）外（wài）形（xíng），拖车的结构（gòu），和其他一些（xiē）因素。在这种情（qíng）况下，如（rú）果使（shǐ）用简单的重量或体积模型，许多计算机认为合适（shì）的载荷将无（wú）法实际装（zhuāng）车（chē），而实（shí）际上更好的装载（zǎi）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（zhuāng）载的过程，则由优化系统（tǒng）给（gěi）出的装车解决方案要么（me）无法实际执行，要么在（zài）经济上不合算。

      数据——必须准确（què）、及时和全面（miàn）

      数据驱动了物流系统的优化过程。如果数（shù）据不准确，或有关数据（jù）不能够及时地输入系统优化模型，则由（yóu）此产生的物流方案就是（shì）值得怀疑的（de）。对必须产生可（kě）操作（zuò）的物流方（fāng）案的物流（liú）优化过程来说，数据也必（bì）须全面和充分。例如，如果卡车的体积限（xiàn）制了（le）载荷的（de）话，使用每次发货的重量数据（jù）就是不（bú）充分的。

      集成——数据的自动传递要畅通（tōng）

      因为对物流（liú）系统（tǒng）优化（huà）来说，要（yào）同（tóng）时考虑（lǜ）大量（liàng）的数据（jù），所以，系统的集成是非常重要（yào）的。比如，要优化（huà）每天从（cóng）仓库向门店送货（huò）的过程就（jiù）需要（yào）考虑订货、客户（hù）、卡车、驾驶员和道路条件等数据。人工输入数据的方法（fǎ），哪怕（pà）是只（zhī）输入很少量的数（shù）据，也会由于（yú）太花时间和（hé）太（tài）容易出错而不能对系统优化形成（chéng）支持。

      表（biǎo）述（shù）方（fāng）式（shì）——必须简单，便于执（zhí）行、管（guǎn）理和控制（zhì）

      由物（wù）流优化（huà）技术给（gěi）出的解（jiě）决方案（àn），除非现场（chǎng）操作人（rén）员（yuán）能够执行，管（guǎn）理人员能够确认预期的投资回报已经实现，否则就是（shì）不成功的。现场操作要求指（zhǐ）令简单明了，要（yào）容易理解（jiě）和（hé）执行。管理人员则要求（qiú）有关优化方案及其实施效（xiào）果在时间和资产利用等方面的关键（jiàn）标杆信息（xī）更综合、更集中。

      算法（fǎ）——算法必须灵活

      不同（tóng）物流（liú）优化技术（shù）之间（jiān）最大的差别（bié）就在于算法的不同（借助于计算机的（de）过程处理方法（fǎ）通常（cháng）能够找到最佳物流方案）。每（měi）一种物流优化（huà）技术都具有某种特点。为了（le）在合（hé）理的时（shí）间（jiān）段内给出物流优（yōu）化解（jiě）决（jué）方案就必须借助（zhù）于优（yōu）化（huà）的算（suàn）法来进一步（bù）开发（fā）优（yōu）化技（jì）术。因此，关键的问（wèn）题是：（1） 物流优化系统的分析人员必（bì）须（xū）认可和（hé）理解（jiě）不同物（wù）流优化技术的问题结构。（2）所使用的优化算（suàn）法应该（gāi）具有弹性，它们（men）能够（gòu）“调整（zhěng）”到可以利用这些（xiē）特（tè）定问（wèn）题结（jié）构的状（zhuàng）态。物（wù）流优化问（wèn）题存在着（zhe）大量的（de）可（kě）能解决方案（如，对于40票零担货运的发货来说，存在着1万亿种可（kě）能（néng）的装（zhuāng）载组合）。如果（guǒ）不能利用（yòng）特定的（de）问题结构来计算，则意味（wèi）着要么（me）算（suàn）法将根据（jù）某些不可靠（kào）的近似（sì）计算给（gěi）出一个方案，要么就（jiù）是计算的时（shí）间（jiān）极（jí）长（也（yě）许是无限长）。

      计算——平台（tái）容（róng）量必须足够，以（yǐ）便缩短（duǎn）计算时间

      因（yīn）为任何一个现实的物流问题都存在着大量可（kě）能的解决方案，所以，任何一个具有一定规模的问题都（dōu）需要相当（dāng）的计算能力支持。这样的计算能力应该使（shǐ）得优（yōu）化（huà）技术既能够找到最佳物流（liú）方案，也（yě）能够在合理（lǐ）的时间内给（gěi）出最佳方案（àn）。显然，对在日（rì）常执行环境中运（yùn）行的优（yōu）化技术来（lái）说，它必须在几分钟（zhōng）或几小（xiǎo）时内给出物流优化方案（àn）（而不是花几天的计算时间（jiān））。采取动用众多计算机同时计算（suàn）的强大的集（jí）群服（fú）务和并（bìng）行（háng）结构的优化算法，可（kě）以（yǐ）比（bǐ）使用PC机或基于（yú）工作站技术的算法（fǎ）更快地给（gěi）出更（gèng）好（hǎo）的物（wù）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（jí）和优化方案所需的技术专长

      优化技术是“火箭科学”，希望火箭（jiàn）发（fā）射后能够良好地运行而没有“火箭科学家”来保持它的状态是没有可能的。这些专家（jiā）必（bì）须确保数据和模型的（de）正确，必须（xū）确保技术系统在按照设计的（de）状态（tài）工作。如果缺乏具有适（shì）当技术专长和领导经验的人的组（zǔ）织管理，复杂（zá）的数据（jù）模型和软（ruǎn）件系统要正常运行并获（huò）得必要的（de）支持是不可能（néng）的。没有他们（men）的大（dà）量的工作，物（wù）流优化系（xì）统（tǒng）就难以达到预期的（de）目标。长沙物流公司

      过程——必须支持优化并能（néng）够持续（xù）改进

      物流优化需要应（yīng）对大量的在（zài）运营（yíng）过程（chéng）中出现的问题。物流目标、规则和过程的改变是系统的常态。所以，不（bú）仅要求系统化的（de）数（shù）据监测方法、模型结构（gòu）和算法等能够适应变化，而且要求（qiú）他们能够捕捉机遇（yù）并促使系统变革。如果不能在实际的商务运行过程（chéng）中（zhōng）对物流优（yōu）化技术实施监测、支持和持续的改进，就（jiù）必然导致优化技术（shù）的（de）潜（qián）力不能获得（dé）充分的发挥（huī），或者只（zhī）能使其（qí）成为“摆设”。

      投资回报——必（bì）须是可以证（zhèng）实的而（ér）且考虑技术（shù）、人员和操作（zuò）的总成本

      物流系统优化从（cóng）来就不是（shì）免费的（de）午餐。它要求（qiú）大量的技术和人力资源（yuán）投入。要（yào）证实（shí）物流系统优化的投（tóu）资回报率，必须把握两（liǎng）件事情：

      一是诚实地估计全部的优化成（chéng）本；二是将优化技术给（gěi）出的解决方案逐条与标杆替代方案（àn）进行比较。