物流系统工程课件第二讲 物流系统工程概论

《物流系统工程课件第二讲 物流系统工程概论》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、物流系统的输入、输出、处理(转化)、限制(制约)、反馈等功能，根据物流系统的性质，具体内容有所不同，一般如图1-5所示，简述如下。1．输入。也就是通过提供资源、能源、设备、劳力等手段对某一系统发生作用，统称为外部环境对物流系统的输入。包括原材料、设备、劳力、能源等。1.2.5物流系统的模式12．处理(转化)它是指物流本身的转化过程。从输入到输出之间所进行的生产、供应、销售、服务等活动中的物流业务活动称为物流系统的处理或转化。3．输出物流系统与其本身所具有的各种手段和功能，对环境的输入进行各种处理后所提供的物流服务称为系统的

2、输出。4．限制或制约外部环境对物流系统施加一定的约束称之为外部环境对物流系统的限制和干扰。5．反馈物流系统在把输入转化为输出的过程中，由于受系统各种因素的限制，不能按原计划实现，需要把输出结果返回给输入，进行调整，即使按原计划实现，也要把信息返回，以对工作做出评价，这称为信息反馈。21、概念所谓物流系统化，就是把物流的各个环节(子系统)联系起来看成一个物流大系统进行整体设计和管理，以最佳的结构、最好的配合，充分发挥其系统功能、效率、实现整体物流合理化。1.2.6物流系统化32.物流系统化的目标(1)服务性(service)

3、。在为用户服务方面要求做到无缺货、无货物损伤和丢失等现象，且费用低。(2)快捷性(speed)。要求把货物按照用户指定的地点和时间迅速送到。为此可以把物流设施建在给地区附近，或者利用有效的运输工具和合理的配送计划等手段。(3)有效的利用面积和空间(spacesaving)。(4)规模适当化(scaleoptimization)。(5)库存控制(stockcontrol)。上述物流系统化的目标简称为“5S”，要发挥以上物流系统化的效果，就要进行研究，把从生产到消费过程的货物量作为一贯流动的物流量看待，依靠缩短物流路线，使物流

4、作业合理化、现代化，从而降低其总成本。43.物流系统设计要素在进行研究中需要以下几方面的基本数据：(1)所研究商品(products)的种类、品目等；(2)商品的数量(quantity)多少，年度目标的规模、价格；(3)商品的流向(route)，生产厂配送中心、消费者等；(4)服务(service)水平，速达性、商品质量的保持等；(5)时间(time)即不同的季度、月、周、日、时业务量的波动、特点(6)物流成本(cost)。以上P、Q、R、S、T、C称为物流系统设计有关基本数据的六个要素系统设计中必须具备的。51.3物流系

5、统工程1.3.1物流系统工程的程序1.3.2物流系统工程的常用技术61.3.1物流系统工程的程序比照霍尔三维结构，可初步设计出物流系统工程三维结构，供实施物流系统工程时参考。如图1-6：图中把每个物流系统工程活动按时间分为规划、分析、运行、更新四个阶段；逻辑维表示每个时间阶段按工作逻辑计划(P)、实行(D)、检查(C)、处理(A)四个步骤；知识维中顺次反映作为物流系统工程师所必须的各种科学知识。7由于一般的物流系统其功能往往不是单一的，而常常是多目标、多方案的，因此在规划阶段可运用“统一规划法”来描述所要解决的对象与有关各

6、因素间的关系。统一规划法一般常用目的树来表示(P22图1-7)，即用树形的图解方式来描述系统目的与目的之间的相互关系，通过目的树的展示和分析，使各子系统层次鲜明，关系明确，有利于达到整体的综合平衡。物流系统由许多子系统组成，从整体上直接构造模型和运用优化技术比较困难。由于各个子系统是平行分布的，可以分别构造各个子系统的模型，进行定量分析和优化处理。并使子系统在系统总目标的要求下协调工作，实现总体最优化。81.仿真技术物流系统仿真的目标在于建立一个既能满足用户要求的服务质量，又能使物流费用最小的物流网络系统。其中最重要的是如

7、何能使“物流费用”最小。因此物流系统仿真的目标应是物流费用。2.系统最优化技术系统优化的手段和方法，应根据系统的特性、目标函数及约束条件等进行合理选择。1.3.2物流系统工程的常用技术9常用的物流系统优化方法有：(1)数学规划法。包括静态优化和动态优化规划法。主要运用线性规划解决物资调运、分配和人员分派的优化问题；运用整数规划法选择适当的厂(库)址和流通中心位置；采用扫描法对配送路线进行扫描求优。(2)动态规划法。(3)探索法。(4)分割法。另外，运筹学中的博弈论和统计决策也是较好的优化方法。物流系统的目标函数是在一定条件

8、下，达到物流总费用最省、顾客服务水平最好、全社会经济效益最高的综合目标。物流系统包含多个约束条件和多重变量的影响，难以求优。解决的办法是根据DentzinWlofe分解原理和分解方法，巧妙地把大问题分解成多个小问题，对各子问题使用现有的优化方法和计算机求解。也可通过Lagrange(拉格朗日)方法求得大