POEM平台与物流系

POEM优化平台与物流优化实验系统 物流系统是一个复杂的系统。其中仓储子系统、运输子系统、配送子系统是其重要的组成部分。我国的物流成本居高不下，是西方发达国家的2~3倍。如何节约物流成本，如何合理地配置企业物流资源，是一个困扰企业多年的问题。高级运筹学和系统优化是一门不断发展，富有挑战和变化的前沿学科。目前，物流系统仿真方面的书和软件比较多，但是解决不了物流系统优化问题。传统的优化方法只能解决线性规划问题，对非线性规划和组合优化问题束手无策，解决不了复杂的物流优化实际问题。 管理与优化软件平台POEM可以对企业物流资源进行优化配置。在仓储子系统中，仓库的选址问题是一个关键；在运输子系统中，如何合理选择各种运输方式是非常重要的；在配送子系统中，合理的确定调度方案，选择车辆最优的行驶路径是需要认真计划的；同时在制造环节，制定合理高效生产排程计划，提高制造业资源的有效利用率，降低生产成本。 学生在实验当中可以通过POEM工具掌握运筹学的解决物流问题的建模方法，并直观地从可视化动态图查看结果。 POEM物流优化实验通过互动式、直观式的操作来掌握物流优化方面的基础知识，让操作者对物流优化有一个直观的认识，而不是一谈到物流优化就联想需要高深的研究才能解决优化问题。在现实生活中，有很多问题可以归结为优化问题，我们在很多时候就是和这些优化问题打交道，例如路线优化问题（最短路径问题）。POEM物流优化实验就是在实际经验的基础之上让操作者加深对物流优化知识的学习，提高操作者的实际操作能力。 POEM物流优化实验平台主要包括四种类型的物流优化实验：仓库与配送中心选址优化实验、配送线路与车辆调度优化实验、多式联运物流方案优化以及制造业离散生产排程优化实验。这四个实验系统就是针对现实中普遍存在的物流优化问题，通过对这四个实验系统的操作不仅能掌握相关问题的优化知识，同时也可以解决实际问题。仓库与配送中心选址优化系统就是主要解决的选址之类的优化问题，可以是单选址优化问题也可以是多选址的优化问题，通过对仓库与配送中心选址优化系统的操作就可以了解仓库与配送中心选址优化时需要哪些基础数据，在解决实际问题的时候就可以收集相关的基础数据，来构建所需要的选址优化方案。配送线路与车辆调度优化系统就是主要解决线路优化问题以及调度优化问题，这两个优化问题是现实中普遍存在的，更好地解决这些优化问题可以创造更大的经济效益以及社会效益。根据约束条件的不同，配送线路优化问题以及车辆调度问题可以分为不同形式的优化问题，例如带有时间窗口的车辆路径问题、开放式的车辆路径问题等等，POEM物流优化实验中的配送线路与车辆调度优化主要解决的是带有时间窗口的车辆路径优化问题。通过配送线路与车辆调度优化系统的实验，就可以了解配送线路与车辆调度优化时需要基础数据，在解决实际问题的时候就可以收集相关的基础数据，来构建所需要的车辆路径优化方案。多式联运物流方案优化系统就是主要解决的多式联运之类的优化问题，特别随着集装箱多式联运的发展，集装箱多式联运是一种新型的运输方式，它一般以集装箱为媒介，把铁路、水路、公路和航空等传统的单一运输方式有机地结合起来，组成一个连贯的运输系统，通过实现门到门服务来更好地为货主提供经济、合理、迅速、安全和简捷的运输服务。在一个物流方案如何组合这些运输方式，更好衔接各个环节，实现最大化的经济效益以及社会效益。多式联运物流方案优化实验就掌握多式联运物流方案优化计算时需要基础数据，根据实际的需要来收集相关的基础数据，来构建所需要的多式联运物流方案。 制造业离散生产排程优化系统就是主要解决离散生产排程之类的优化问题。高级排产计划（APS）是企业内部、企业之间计划的一个创新性的计划工具。它使用排产计划技术来考虑物料供应能力、机器和人员能力、客户服务水平（交货期）、安全库存水平、成本、分销要求等约束条件。制造业离散生产排程优化实验就可以基本上掌握制造业离散生产排程优化时需要的基础数据，参考的约束条件以及生产能力配置基本原则等，在解决实际问题的时候就可以收集相关的基础数据，以及加上自身特有的约束条件，来构建所需要的离散生产排程优化方案。 物流系统优化问题分类与解决方案 随着市场经济的发展和物流专业化水平的提高，物流业得到了迅速发展。在物流作业过程中，大量的运筹和决策问题需要解决，物流仓库选址优化、配送车辆路径优化、多式联运优化等问题就是期待解决的一些典型优化问题。 任何一个仓库在规划建设初期都会将如何快速有效地送达货物作为考虑因素之一。货物的目的地大多是人口聚集地，因此库址相对于大都市的远近，在运输成本和操作效率上所反映出的相关性就十分显著。选址问题需要考虑很多复杂的因素，诸如备选仓库能力限制、投资费用、仓库对产品销售的影响，需求点的优先级、各种产品的收益等等。如何科学地进行仓库选址对物流成本运作和物流相关操作效率是至关重要的。多式联运是现代物流网络运作的主体和纽带，是贯穿整个现代物流活动的主线。在越来越个性化的市场环境下，多式联运系统规划工作变得更加重要也更加复杂。建立准确、合理的多式联运模型，可提高企业的运送速度和服务质量，实现高效、低耗的物流运输目标，从而获得巨大的经济效益。多式联运优化问题是一个NP难题，针对多式联运的模型和算法，很多学者从不同的角度分别对最短路、最短时间以及基于时间因素的最短路问题进行了研究。这些研究对提高企业物流运输效率有一定的意义。然而决定企业运输成本的因素有很多，不是简单的最短路径或者最短时间。在运达时间允许的情况下，换另外一种运输方式多走一些路程也可能节约运输成本。 在物流配送业务中，配送车辆路径优化问题的涉及面较广，需要考虑的因素较多，对企业提高服务质量、降低物流成本、增加经济效益的影响也较大。在现实生产和生活中，邮政投递问题、公共汽车调度问题、电力调度问题、管道铺设问题、计算机网络设计问题等都可以抽象为物流配送车辆路径优化问题。物流配送是一项复杂的系统工程，其中许多优化问题所建立的模型和算法都很复杂，都具有NP难性质。物流配送车辆路径优化问题作为一个NP难题，随着客户数量的增加，可选的配送路径方案数量将以指数速度急剧增长。因此，如何根据实际情况求解该问题就成为科研人员研究的重要方向。该物流优化平台提供的仓库选址优化、多式联运优化、物流路径优化以及制造业离散生产排程优化系统可以非常直观方便对该优化问题进行分析、建模、求解、可视化并对计算生成的结果进行适当的调整。以上物流优化系统采用POEM智能建模平台对系统核心优化模块-路径优化VRP、多模式运输方案优化（MMTP）以及多场景仓库选址优化（WLP）建模并求解。 POEM是一个集建模、可视化、模型诊断、测试、部署于一体的电脑软件开发工具，POEM集成可视化引擎对标准图形、地图及时间等进行管理，支持直观式的WhatIf…的交互。 POEM的多合一性使用户不必再依赖市场上名目繁多的软件组件（业务规则、优化、可视化的十几种功能转移的组件）进行解决方案的核心模块开发，使用者只需要学习NCL语言和PoemView即可全面的进行解决方案优化模块的开发。采用POEM的可视化引擎PoemView对结果用地图、甘特图及图表等不同方式角度呈现并可以非常直观方便的在地图上进行对结果的分析和直觉式的调整进行再优化。（本文内容来源于第八届中国物流学术年会相关资料） 对于大多数的企业来说，物流系统优化是其降低供应链运营总成本的最显著的商机所在。但是，物流系统优化过程不仅要投入大量的资源，而且是一项需要付出巨大努力，克服困难和精心管理的过程。 在目前激烈的市场竞争和通货紧缩的经济环境下，DonRatliff博士提出的企业物流系统优化的10项基本原则，无论是对正在寻找新的经济增长点的制造业和批发零售业企业来说，还是对正在努力提升服务水平争取更大市场份额的第三方物流（3PL）企业（包括物流和供应链管理应用软件供应商和集成商）来说，均具有非常实际的操作性的指导意义。 1.目标（Objectives）：设定的目标必须是定量的和可测评的。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，就必须确定怎样才能知道目标对象已经被优化了。使用定量的目标，计算机就可以判断一个物流计划是否比另一个更好。企业管理层就可以知道优化的过程是否能够提供一个可接受的投资回报率。 2.模型（Models）：模型必须忠实地反映实际的物流过程。建立模型是把物流运营要求和限制条件翻译成计算机能够理解和处理的某种东西的方法。例如，我们需要一个模型来反映货物是如何通过组合装上卡车的。一个非常简单的模型，诸如发货的总重量或总体积就能够忠实地反映某些货物的装载要求，如大宗液体货物。然而，如果总重量或总体积模型被用于往拖车上装载新汽车，则该模型就会失效，因为它不能充分地反映实际的物流情况。 3.数据（Data）：数据必须准确、及时和全面。数据驱动了物流系统的优化过程。如果数据不准确，或有关数据不能够及时地输入系统优化模型，则由此产生的物流方案就是值得怀疑的。对必须产生可操作的物流方案的物流优化过程来说，数据也必须全面和充分。 4.集成（Integration）：系统集成必须全面支持数据的自动传递。因为对物流系统优化来说，要同时考虑大量的数据，所以系统的集成是非常重要的。比如，要优化每天从仓库向门店送货的过程就需要考虑订货、客户、卡车、司机和道路条件等数据。人工输入数据的方法，哪怕是只输入很少量的数据，也会由于太花时间和太容易出错而不能对系统优化形成支持。 5.表述（Delivery）：系统优化方案必须以一种便于执行、管理和控制的形式来表述。由物流优化技术给出的解决方案，除非现场操作人员能够执行，管理人员能够确认预期的投资回报已经实现，否则就是不成功的。现场操作要求指令简单明了，要容易理解和执行。管理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键标杆信息更综合、更集中。 6.算法（Algorithms）：算法必须灵活地利用独特的问题结构。不同物流优化技术之间最大的差别就在于算法的不同 （借助于计算机的过程处理方法通常能够找到最佳物流方案）。关于物流问题的一个无可辩驳的事实是每一种物流优化技术都具有某种特点。为了在合理的时间段内给出物流优化解决方案就必须借助于优化的算法来进一步开发优化技术。 7.计算（Computing）：计算平台必须具有足够的容量在可接受的时间段内给出优化方案。因为任何一个现实的物流问题都存在着大量可能的解决方案，所以，任何一个具有一定规模的问题都需要相当的计算能力支持。这样的计算能力应该使得优化技术既能够找到最佳物流方案，也能够在合理的时间内给出最佳方案。显然，对在日常执行环境中运行的优化技术来说，它必须在几分钟或几小时内给出物流优化方案 （而不是花几天的计算时间）。采取动用众多计算机同时计算的强大的集群服务和并行结构的优化算法，可以比使用单体PC机或基于工作站技术的算法更快地给出更好的物流优化解决方案。 8.人员（People）：负责物流系统优化的人员必须具备支持建模、数据收集和优化方案所需的领导和技术专长。如果缺乏具有适当技术专长和领导经验的人的组织管理，复杂的数据模型和软件系统要正常运行并获得必要的支持是不可能的。没有他们的大量的工作，物流优化系统就难以达到预期的目标。 9.过程（Process）：商务过程必须支持优化并具有持续的改进能力。物流优化需要应对大量的在运营过程中出现的问题。物流目标、规则和过程的改变是系统的常态。所以，不仅要求系统化的数据监测方法、模型结构和算法等能够适应变化，而且要求他们能够捕捉机遇并促使系统变革。 10.回报 （ROI）：投资回报必须是可以证实的，必须考虑技术、人员和操作的总成本。物流系统优化从来就不是免费的午餐。它要求大量的技术和人力资源投入。要证实物流系统优化的投资回报率，必须把握两件事情：一是诚实地估计全部的优化成本；二是将优化技术给出的解决方案逐条与标杆替代方案进行比较。 要准确地计算投资回报率必须采用良好的方法来确定基准状态，必须对所投入的技术和人力成本有透彻的了解，必须测评实际改进的程度，还必须持续地监测系统的行为绩效。但是，因为绩效数据很少直接可得，而且监测过程需要不间断的实施，所以，几乎没有哪个公司能够真正了解其物流优化解决方案的实际效果。

上一页1 2 下一页