目标——必（bì）须是（shì）定量而且可测评的（de）

      制定目（mù）标是确定我（wǒ）们预期愿望的一种（zhǒng）方法。要优化（huà）某（mǒu）个事情或过程，就必须确（què）定怎样才能知道（dào）目标对象已（yǐ）经被优化（huà）了。使用（yòng）定量的目标，计算机就可以（yǐ）判断一个物流计划是（shì）否比另一（yī）个更好。企业管理层（céng）就可以知道优化的过程（chéng）是否能够提供一个可接（jiē）受的投资回（huí）报率。比如，一项（xiàng）送货作业可能（néng）被确定的（de）目标是（shì）“日常分摊的（de）资产使用成本，燃料和维（wéi）修成本，以及劳动力成本之和最小”。这些成本目标既定量（liàng），也容易测定。

      模型——必须忠实地反（fǎn）映实际的物流过程

      建立模型是把（bǎ）物流运（yùn）营要求和限（xiàn）制条件翻译成计算机能够理解和处理的（de）某种东西的方法。例如，我们需（xū）要一个模型来反映货物是如何通过组合（hé）装上卡车的。一个非常简单（dān）的模型，诸如发货的总重量或总体积就能够忠实地反（fǎn）映某些货（huò）物的（de）装载要求，如大宗液（yè）体货物。然而，如果总重量或（huò）总体积模型被用（yòng）于（yú）往拖车（chē）上（shàng）装载（zǎi）新汽车，则该模型（xíng）就会（huì）失效，因为它不能充分地反（fǎn）映实际的物流情况。比如，用“可运载45000磅（páng）汽（qì）车”来描述拖车的（de）载货能力就是不适用（yòng）的。因为，拖车所能够装运汽车的数（shù）量取决于汽车的外形，拖车（chē）的结构，和其他一些因素。在这种情况下，如果使用简单（dān）的重量或体积模（mó）型，许多计（jì）算（suàn）机认为合适的载（zǎi）荷将（jiāng）无法实际装车，而实际（jì）上更（gèng）好（hǎo）的装载方案会由于（yú）计算机（jī）认为不合适（shì）而被（bèi）放弃。所（suǒ）以，如（rú）果模型不能忠实地（dì）反映装载（zǎi）的（de）过程，则（zé）由优化系统给（gěi）出的装车解决方（fāng）案要么（me）无法实际执行，要么（me）在经济上（shàng）不合算（suàn）。

      数（shù）据——必须准确、及（jí）时和全面

      数据驱（qū）动了物流（liú）系统的优化过程。如果数据不准确，或有关数（shù）据不（bú）能够及时地输入系统优化模型，则由（yóu）此产（chǎn）生的（de）物流方案就（jiù）是值得怀疑的。对必须（xū）产生可操作的物流方案的物流优化过（guò）程来（lái）说（shuō），数据也必须全面和充分。例如，如（rú）果卡（kǎ）车的体积限制（zhì）了载荷的话，使用每次发（fā）货的重量（liàng）数据就是不充分的。

      集成——数据的自（zì）动传（chuán）递要畅通

      因为对（duì）物流系统优化来说，要同（tóng）时考虑（lǜ）大（dà）量的数据，所以（yǐ），系统的集成是（shì）非常（cháng）重要（yào）的。比如，要优（yōu）化每天（tiān）从仓库向门店送货（huò）的过程就需（xū）要考（kǎo）虑订货、客户、卡车、驾驶（shǐ）员和道（dào）路（lù）条件等（děng）数（shù）据。人工（gōng）输入数据的方法，哪怕是只（zhī）输入很少量的（de）数据，也会（huì）由于（yú）太花时间和（hé）太容易出（chū）错而不能对系统优化（huà）形成支持。

      表述方式——必须简单（dān），便于执（zhí）行、管理和（hé）控制

      由（yóu）物流优化（huà）技术（shù）给出的解决方案，除（chú）非现场操（cāo）作人员能够执行，管理人员（yuán）能够确认预期的投资回报已经实现，否则（zé）就（jiù）是不成功的。现场（chǎng）操作要求指令简单明了，要容（róng）易（yì）理解和执行（háng）。管理（lǐ）人员则要求有关优化方案及其实施效果在时间和资产利用等方面的关（guān）键标杆信息更（gèng）综（zōng）合、更集中。

      算（suàn）法——算法必（bì）须灵活（huó）

      不同物流优（yōu）化技术之间最大的差别就在（zài）于（yú）算法的不同（借助于计算（suàn）机的（de）过程处理方法通常能（néng）够找到最佳物流方案）。每一种物流优化技术都具有某种（zhǒng）特点。为（wéi）了（le）在合理的时间段内给出物流（liú）优（yōu）化解（jiě）决方（fāng）案就必须借助于优化的算法来进一步开发（fā）优化技（jì）术。因此（cǐ），关键的问题是：（1） 物流优（yōu）化（huà）系统的分析（xī）人员（yuán）必须认可和理解不（bú）同物流优（yōu）化技术的（de）问题结构。（2）所使用的优化算（suàn）法应该具有（yǒu）弹性，它（tā）们能够“调整”到可以（yǐ）利用这些特（tè）定问题结构的状（zhuàng）态。物流优化问题（tí）存在着大（dà）量的可（kě）能（néng）解决方案（如，对于40票零担（dān）货（huò）运的发货来说，存在着1万亿（yì）种（zhǒng）可能（néng）的装载组合）。如果不能利（lì）用（yòng）特定的问题结构来计算，则意味（wèi）着（zhe）要么算（suàn）法（fǎ）将根据某些不可靠的近似（sì）计算（suàn）给出（chū）一个方案，要（yào）么就（jiù）是计算（suàn）的时（shí）间极长（也许（xǔ）是（shì）无限（xiàn）长（zhǎng））。

      计算（suàn）——平（píng）台容量（liàng）必须足够，以便缩（suō）短计算时（shí）间

      因为任何一个现实的（de）物流问题都存在着大（dà）量可能的（de）解决方案，所以，任何（hé）一个具有（yǒu）一定规模的问（wèn）题都需要相当的计算能力支持。这（zhè）样的（de）计算能力应（yīng）该使得（dé）优（yōu）化技术既能够找到最佳物（wù）流（liú）方案，也能够在（zài）合理（lǐ）的时间内给出（chū）最佳方案。显然，对在日常执行（háng）环境中运行的优化技术来说（shuō），它必（bì）须在（zài）几（jǐ）分钟或几（jǐ）小时（shí）内（nèi）给出物流优化方案（而（ér）不（bú）是（shì）花几天的（de）计算时（shí）间（jiān））。采取动用众多计算机同时计算（suàn）的（de）强大的集群服务和并行结（jié）构的优化算（suàn）法（fǎ），可以比使用（yòng）PC机或基（jī）于工作站技术的（de）算法更快地（dì）给（gěi）出（chū）更好的物流（liú）优化（huà）解决方案（àn）。

      人员--物（wù）流系统优化人（rén）员必（bì）须具备建模、数（shù）据收集和（hé）优化方案所需的技术专长

      优化（huà）技术是（shì）“火箭科学（xué）”，希望（wàng）火箭发射后能够良好地运行而（ér）没有“火箭科学家”来保持它的状态是没有可能（néng）的。这些专（zhuān）家必须确保（bǎo）数据（jù）和模型的正确，必（bì）须确保技术（shù）系（xì）统在按照设计的状态工作。如（rú）果缺乏具有（yǒu）适当技术（shù）专（zhuān）长和领导经验的人的组织管理，复杂（zá）的数据模型和软（ruǎn）件系统要正常运（yùn）行并获得必（bì）要的支持是不可能的（de）。没有他们（men）的大量的（de）工作（zuò），物流优（yōu）化系统就难（nán）以（yǐ）达到（dào）预期（qī）的目标。长沙物（wù）流公司

      过程——必（bì）须支持优化（huà）并能够持续改进

      物流（liú）优化需要应对大量的在运营（yíng）过程中出现的问题（tí）。物流（liú）目标、规则和过程的改变是系统（tǒng）的常态。所以，不仅要求系统化的数据监测方法、模型结构和算（suàn）法等能够适应变化，而（ér）且（qiě）要求他们能（néng）够捕捉机遇并（bìng）促使系统（tǒng）变（biàn）革（gé）。如果不能（néng）在（zài）实际（jì）的商务运（yùn）行过程中对物（wù）流优化技术实施监测（cè）、支持和（hé）持续（xù）的改进（jìn），就（jiù）必（bì）然导致优化技术的潜力不能获得（dé）充分的发挥，或者只能使其成为“摆设”。

      投资（zī）回报——必须是可（kě）以证实的而且考（kǎo）虑技术、人员和操作的总成本（běn）

      物流系统优化从（cóng）来（lái）就不是免费的午餐。它要求大量的技术和人力资源（yuán）投入。要证实物流系（xì）统优化的投资回报率，必须把握两件（jiàn）事情：

      一是诚实地估（gū）计全部（bù）的优（yōu）化成本；二是将（jiāng）优化技（jì）术（shù）给出的解决方案逐条与标杆替代方案进行比（bǐ）较。