第2章 相关文献综述与相关理论基础。
2.1 相关文献综述。
物流优化是一门新兴的学说，经过短短几十年的发展，其理论体系逐步完善。
2009 年，美国学者 H. Donald Ratliff 提出物流优化的十条定律，比较全面地阐述了物流优化的基本原则。这包括物流优化的对象必需是可量化与可测量的，物流优化模型必需与物流活动相适应，优化者需要明确地考虑相关的变量，使用正确，实时，全面的数据，物流系统整合需要自动化的信息流，参与优化的人员必需是某一领域的专家，物流流程需要持续地改进，最后，物流优化需要考虑成本与可操作性[20].
物流优化方法的相关研究很多，现已基本形成了多种物流优化学说。
2.1.1 物流流程优化说。
最新的研究显示，在物流优化的各种方法中，通过对现有的流程进行分析，发现流程中存在的问题，对流程不足的地方加以改造，可以提高物流的运作效率。
2005 年张平与季建华在研究大型医药物流中心流程优化时认为，流程优化的方法有两种，一是系统化改造法，即以现有流程为基础，通过对现有流程的消除浪费、简化、整合以及自动化等活动来完成重新设计的工作。二是全新设计法，即从流程所需要取得的结果出发，从零设计流程。流程优化主要侧重在三个方面，第一外部以客户为向导，对外部事务统一归口，追求客户满意度。第二内部以流程为导向，优化组织结构，明确责任，应用信息技术统一数据存储和查询，消除单据联次和内容冗余，追求高效、快速和质量保证。第三优化过程中应用价值链分析方法，尽量消除非增值环节，串行工作并行处理；在明确瓶颈环节的基础上，合并或简化有利于消除瓶颈的环节[17].
2010 年，郭薇在研究制造企业物流流程优化时提出物流流程的优化需结合企业的组织结构改进，对流程进行一体化管理，对物流过程进行统一规划，可以更稳皱键地实现企业效率的战略性提高[5].
2011 年，燕山大学经济管理学院的李秀娥认为在物流仓储优化时，通过流程现状的描述分析，针对流程所存在的问题实施优化，可以减少仓库的失误率，提高其运作效率，降低不必要的成本[6].
2.1.2 物流信息系统优化说。
国外学者Adewoye与Somuyiwa在研究物流信息系统理论基础时指出，物流信息系统应包括运输，运营计划，物资计划协调与控制等。物流信息系统应用到供应链时，可以实现物流数据的共享，物流数据的传输，订单录入，订单履行等功能，国外学者 Knuttom 认为物流的优化需要信息系统支持，他提出通过建立DRP系统来规划物流活动，使物资在流通领域中按时间，需求，数量进行优化，可以减少物流费用，减少库存，改善服务。
2004年欧阳亮亮在研究制造型企业物流优化时提出现代化的物流信息系统是实现企业物流的优化一个非常重要的方法。这主要因为企业的ERP系统可以减少大量的数据录入，对物流效率的提高起着关键作用。信息系统是整个物流运作和管理的基础，物流信息系统可以实现企业资源计划（ERP）和及时化生产等管理思想，有助于企业物流和供应链成本的降低， 为提高预测准确性和采购的及时性奠定良好的基础。
2005年姚仁革，李建峰，郭媛媛在研究现代物流信息系统应用认为物流信息系统的实施可以解决企业与供应商间信息反馈不及时、动态交互弱、采购周期长、采购成本高等问题。通过电子供应链实现与客户、供应商之间的供应链集成，即通过各种信息技术实现供应商、制造商、分销商、零售商以及服务提供商间的有机集成， 实现物流、信息流和资金流的顺畅流动和信息共享， 降低生产、采购、运输、存储等一系列的物流成本， 从而为企业创造最大的价值。随着Internet 技术、EDI 和XML 技术的不断成熟， 电子供应链将进一步得到发展， 跨企业的供应链协同和信息共享将成为现实[12].
2.1.3 数学模型优化说。
物流若干问题可以通过不同的数学模型解决。企业物流的优化离不开物流的本质，合适的模型可以极大地提高物流运作的可靠性。这种学说认为物流优化不借助于外力，主要通过一些特定的数学模型来解决物流环节中存在的一些问题。线性规划可以解决二类优化问题：一类是已给定一定数量的人力和物力资源，如何用这些资源完成最大量的任务；另一类是已给定一项任务，如何统筹安排，才能以最小量的资源去完成这项任务。
2002 年美国学者 Zeng Gu 在研究美国拉斯维加斯 Strip 赌场酒店的年需求量时，使用线性回归分析法，通时独立变量时间，参考 1990 年至 2000 年的数据演算酒店在2001 年至 2004 年的需求量，并得出 2003 年前酒店房间数过剩，2004 年不足，需要投资的结论[23].
2010 年陈静在研究物流网络路径优化时，应根据供应商的发货量、制造商的制造能力以及物流中心需求量的多少来选择路径和确定所选路径上的运输量。应用数学线性规划的方法，建立约束变量，计算出了从供应商把原材料运到制造厂然后把加工好的产品或半成品运送到各物流中心，使得在整个过程当中物流成本最低。
遗传算法是一种较为重要的物流优化方法。遗传算法最早由美国密歇根大学的professor Holland 提出来的。在上世纪 60 年代，随着人们对自然界的进化理论和人工自适应系统理论进行研究，研究者希望能够从生物进化的角度进行模拟。在 1975年，professor Holland 第一个提出了 Genetic Algorithm 的概念，遗传算法就是用计算机进行模拟，使得各种人工系统具有优良的自适应和优化能力。
在物流活动中，分配库存至订单，以保证交付是一个重要环节。通常分配法则有二种 FIFS （根据订单先后顺序分配）与 FDSF（根据要求交货期顺序分配）。国外学者 Silva 研究在供应货物短缺的情况下，使用 ACO 蚁群演算法进行订单发货需求与相关库存优化分配，并将演算结果与 FIFS 与 FDSF 二种算法进行对比，得出结论为物流系统整体的延时交付时间经过 ACO 模型的优化后可以得到显着的缩短。
国内学者吴波在研究车间生产过程物流优化时选取了众多不确定性的次要因素中的“生产加工时间的不确定性对车间生产调度的影响”这一项进行了具体的研究。
假设在流水线的生产过程中，各个工位的生产加工时间可能会以某种概率发生一定的变化。在这样的假设条件下，吴波详细地描述了如何用遗传算法进行优化运算，得出这一次要影响因素对于生产物流造成的比较严重的影响结论。
2.2 相关理论基础。
2.2.1 6 西格玛物流系统优化方法。
1986 年摩托罗拉公司比尔·史密斯在研究生产过程中如何降低产品缺陷次数与流程的不稳定性时， 提出了 6 西格码的管理方法。即通过产品差异（标准差）与平均数数之间的关系来控制产品与流程的稳定性，防止产品变异，提升产品的品质。1990年中期，GE 公司将 6 西格码的管理方法应用在企业的流程设计、改善和优化方面，7并将这种管理方法与现代统计学原理相结合，设计出了适用于设计、生产和服务优化等系统的方法。这种方法后来被包括 BP、西门子、索尼、美标等众多公司所应用。
在进行 6 西格码项目实施中，企业必需遵循以下步骤：业务流程优化遵循五步循环改进法，即 DMAIC 模式。定义---辨认需改进的产品或过程。确定项目所需的资源。测量---定义缺陷， 收集此产品或过程的表现作为基准线，建立改进目标。分析---分析在测量阶段所收集的数据，发现问题的根本原因。改进---提出优化方案，并确认该方案能够满足或超过项目质量改进目标。控制---确保过程改进一旦完成能继续保持下去，而不会返回到先前的状态。
2.2.2 物流系统优化理论。
物流系统整体的优化主要考虑物流系统内部各环节互相冲突或者虽然不冲突但需要互相配合，对各个环节进行权衡、选择和协调，最后实现物流系统整体最优的目标以及实现这些目标的过程。物流目标系统化原理是物流系统的约束条件，是物流系统集成、运作、管理和评价的总出发点。
企业物流所追求的是整体物流系统运作的效率，当在研究某一个环节最高效时，往往会忽视其它环节的效率降低。比如在研究库存管理是否高效时，往往会忽视仓储运营的节拍。追求更高效的库存可以选择减少物流中心的数量，然而物流中心数量的减少就意味着单一物流中心面积的增加，每一个订单拣货与配送路径的增加，最终造成仓储效率的降低与运输成本的增加。企业试图使用 VMI 的方式降低库存，库存实际只是资产归属发生了变化，从供应链的角度来看供应链上整体库存并没有减少。
2.2.3 库存管理的理论。
库存管理属于物流的一个重要环节，库存管理主要解决三个问题，需要采购什么物料，什么时候进行物料采购，每次采购多少。库存管理可以借鉴数学模型，库存优化方法一般也采用数学建模法。意大利 V·帕累托在研究世界财富分配问题时提出帕累托定律，即通常所说的二八原则，在库存管理中，即为常用的 ABC 分析法。
1915 年，美国的 F·W·哈里斯提出了经济订货批量的模型（EOQ），开创了现代库存理论的研究。
库存管理有 4 种不同的库存管理模型：
1） 定期定量模型：订货的数量和时间都固定不变。
2） 定期不定量模型：订货时间固定不变，而订货的数量依实际库存量和最高库存量的差别而定。
3） 定量不定期模型：当库存量低于订货点时就补充订货，订货量固定不变。
4） 不定量不定期模型：订货数量和时间都不固定。
以上四种不同的模型解决了补货的问题，至于企业需要多少库存，也就是所说的安全库存，这取决于所提供的客户服务水平，客户服务水平可以通过库存满足订单的百分率来计算，即准时交货订单占全部订单的比重。
安全库存是指为应对供应或需求的不确定性所准备的库存。安全库存认为需求总是波动的，需求的波动遵循正态分布，安全库存的目的是为了应对需求波动。安全存库与物料的交货前置期相关，前置期为物料的交付周期，即从下单开始至可以收到库存所花的时候。当确定客户服务水平后，可以通过正态分布的理论将服务水平换算成需求波动的乘数。Z 为服务因子，S 为需求的标准差，LT 为产品前置期。
安全库存 = Z * S *√（LT）。
上述公式显示缩短交货期，可以降低安全库存量。任何库存都是浪费，这个丰田管理之父大野耐一提出来的，如果将交货期减少为 0,即可意味着不需要库存，大野耐一提出了 VMI,即供应商管理库存。在丰田的制造生产线周边坐落了若干丰田的供应商仓储。当原材料投入丰田生产线消耗的那一刻，原材料的资产才从供应商转移至丰田公司。相应的采购，结账等手续才开始办理。VMI 正是基于将交货期变更无限的小，以节约安全库存。VMI 还有其它的好处，降低供应链牛鞭效应。牛鞭效应指供应链环节增加，将导致信息传递的衰竭，供应链上游的企业需求会随着供应链环节增加而逐级放大。VMI 的补货系统可以建立在真实的销售市场变化基础上，能够使零售商准确预测销售量与缩短产品前置期。
2.2.4 仓储运营的理论。
仓储运营优化包括仓库布局优化，仓库管理系统（WMS），条形码技术，移动终端，运作工具标准化，自动化仓库设备，现场可视化管理。
首先，仓储系统的标准化管理。标准化主要是指物品的存储单元尺寸，包装尺寸，托盘尺寸，标签尺寸，存储货架的体积都要合乎一定的规定与标准，其中尤其要注意货物所选用的集装单位与物流过程中所使用的移动设备、固定设备和专用工具等之间是否相符合。
其次，仓储管理中信息技术应用十分重要。其中涉及的主要信息技术有： 电子标签、条形码和扫描与射频识别系统等技术，并且包括仓库信息管理系统与仓库标准作业流程相匹配。这些信息技术的应用，可以大大地减少企业在仓库管理中耗费的人力资源，进而降低成本，取得更大的效益。仓库的货架与存储规则也是非常重要的优化因素。仓库货架的底三层为仓库的黄金空间，货物在这三层中可以由劳动力直接操作，三层以上需要相关的设备辅助作业。
最后是仓储的条形码管理。条形码是指由一组十分规则排列的但是宽度并不相同的空、条，及其各自对应字符的一些标记组成的，用来表示某些固定的数字、符号，以及字符等信息。现在，比较常用的条形码的一些码制大概占了二十多种，其中使用的最广泛的码制主要包括EAN 码、UPC 码、交叉25 码、Code93 码与128码等。EAN 广泛应用在欧州的制作商，UPC则大量地用在美国的超市。交叉25 码一般对产品型号信息使用了EAN与UPC的规则，同时加入了包装数据的信息与交叉分割信息，Code 93条码可用于文本字符，可以任意使用，128码与Code39规则一致，但其条码面积较小，相同的面积可以存储更多的信息。不同的条形码码制具有各不相同的特点。当今的条形码系统主要是由条形码制作、条形码的符号设计，以及条形码的阅读与扫描等共同组成的自动式识别系统，只要在使用的时候，把扫描器对准需要扫描物品的条形码就可以获取与之相关的所有备注的信息。
2.2.5 需求预测的理论。
需求预测是产品在未来一段时间里的需求量，需求预测为企业的计划和控制决策提供了依据。企业生产的目的是向社会提供产品或服务，其生产决策无疑会很大程度地受到需求预测的影响。需求预测与企业生产经营活动关系最紧密。企业产品的实际需求是市场上众多因素作用的结果。其中，有些因素是企业可以影响甚至决定的，而另外一些因素则是企业无法控制的。众多的因素包括产品的定价，产品的性能，产品的定位，细分市场，国家政策，营销费用，竞争对手等。需求预测是生产计划系统的重要依据。对于战略决策部门而言，需求预测可以为决策提供依据，对于生产计划和控制部门而言，预测是企业编制生产计划的基础，对于销售部门而言，需求预测为销售部门补充人员提供依据，对于成本会计而言，预测可以为预算和成本控制提供依据。
因此，需求预测对企业来说是具有重要意义的。
物流中预测需求管理主要关注在二方面：预测未来的需求与管理预测的误差。预测未来的需求分为长期预测，中期预测与短期预测。长期预测主要用在固定资产的投资，比如仓库的面积，ERP 系统的升级等，中短期预测对供应链的运转起指导意义。
中短期预测通常使用不同的数学模型比如基于时间序列的简单移动平均法，加权移动平均，考虑趋势的移动平均法，指数平滑法等与因果回归模型。因果回归模型通常采用的是统计学中的线性回归，这种方法在金融领域使用较为广泛，在企业供应链应用方面相对较少。因果回归模型在预测需求时可以考虑除时间以外的更多因素，比如政策与价格等因素的变化所引起的需求量的变化。
管理预测的方法有二种。一种为标准误法，即使用实际需求量与预测需求量之间的绝对值求和平均，通过对绝对值的误差进行预测管理。另一种方法为标准差法。即使用标准差来反应实际需求量与预测需求量之间的差异。
