运输/物流系统软件的一点看法 zt
运输/物流系统软件的一点看法
又是多日不来，很高兴地看到论坛终于有了自己的刊物。感谢凯兄和peixia兄所做出的不懈的努力。
这一段时间很忙，大多是自己的论文。不过也经常和朋友们在一起侃侃一些实际中的技术。大部分朋友都是在从事物流行业。对于搞IE的人来说，物流行业的确是一个淘金的好地方。我不清楚国内得运输/物流行业都在做什么。不过，根据我和朋友们交谈的内容，我在这里做一个简单的总结，希望对论坛中对运输/物流感兴趣的朋友有所帮助。另外，也希望可以和论坛中从事物运输/物流业的朋友共同谈论，寻找商机。
和我经常交流的两个朋友目前都在我们系读part-time的博士学位。而且我们都曾经合作过很多的课题。一个朋友目前在 J.B.Hunt 工作。JBHunt是美国第二大卡车运输公司。公用卡车13000多辆。主要的客户是WalMart, Home Depot等。另一个朋友在 Transplace 工作，Transplace是美国很大的一个3PL公司。两个公司有很深得渊源。Transplace的总裁（一个中国人）是从JBHunt走出去的。而JBHunt在自主开发的同时，也使用了很多Transplace提供的软件。
因为我们三个人都是做OR的，所以，对OR在物流的运用都非常的感兴趣。目前得物流公司大多是两种，一种是自己拥有运输工具的。比如说JBHunt，还有非常有名的UPS， Federal Express, Schneider等。他们的运输工具多种多样，除了大型的卡车之外，还有船运，航空，以及铁路。而第二种公司就是 3PL的公司。这样的公司以咨询，开发软件为主。除此之外，还有一种综合型的，如 WalMart。WalMart本身拥有两千多辆卡车。他们同样有着自己的物流管理部门。同时，他们仍然主要依靠其他的运输公司，如SWIFT来完成州际的货物的运输。
对于第一种公司，logistics的概念已经不仅仅局限于对路线，中转站选址的优化。而更多的是cost analysis和运输策略的综合体。所以，他们所使用得运输管理系统大多包含以下三种主要功能：
1.Assest Management
2.Yield Management and Pricing
3.Routing
第一个功能，毫无疑问自然是卡车和人员的管理。其中涉及的包括卡车的老化，更新，维修，分配，保险，燃料等等。这方面的数据信息主要是由底层向上反馈。一般来讲，根据客户的服务区域或是短期合同的要求。每一个区域的fleet manager (车队的管理者)都在一定时间内管理相当数量的卡车以及驾驶员。他们在这一部分所需要做的就是不停的反馈信息给中央分析部门。信息的内容主要是卡车的使用情况等等。
第二步是一个很大的处理过程。它涉及的方面包括每一个合同中规定的运输距离，数量，重量，涉及到的各地区柴油的价格，保险，因汽车故障而导致的拖车费用，以及代价很高的 dead haul （空车回到出发点），人员的工资等。这其中的很多因素几乎是每天都在变化的。所以，所使用的系统必须能保证在随时得到数据更新的时候，随时优化。这一部所得出的结论大多是找到最佳的卡车数量的配置。而事实上，这也是很多运输和物流公司赚钱的主要来源之一。据个很简单的例子。如果JBHunt在和WalMart签合同的时候所列出的方案是使用15辆卡车来完成运输。那么整个合同的价格基本上是以15辆卡车的运费为基础的。如果JBHunt可以通过装配优化和区域间的调度使12辆卡车就能完成运输任务的话，那么它的利润空间将增加很多。这一步从技术角度上讲并不复杂，只是一个运筹学中非常常见的有限资源情况下的分配问题。但是，在实际运用中所面临的主要问题却是如何在很短的时间内找出很好的答案。关于这一点在后面会说明。
第三步是非常重要的一步，他关系着整个合同的成本。这一步需要做到的就是通过优化，找出最佳的运送路线/返回路线/以及空车返回的组合。据个例子，假设有三个城市A,B,C, 这三个城市构成了一个三角形。其中，B和C的距离比较近，但是A距B和C都很远。如果根据合同，A出需要运送三个卡车的货物到B处，而C处需要运送5个卡车的货物到A处。那么毫无疑问。最短的路线自然是各运输各的，互不干涉。但是这样一来，必定会造成A和C的卡车都要 dead haul。所以，很可能的运输方式就是A把货物送到B，然后在B处等待C送来的货物。因为B和C的距离较近。所以因C dead haul带来的成本要低于B dead haul的成本。与此相类似， back haul同样需要优化。
上面的三个功能中，后两种其实是融合在一起分析的。因为整个model的最终目的就是低成本。因此routing的所有决定都是以成本为基础。虽然整个系统考虑的因素很多。但是从理论上，并不涉及很多的东西。无非就是一些分配模型，运输模型，以及比较有名的TSP等等。然而，实际过程中的运用远非如此。很多小的公司，的确是通过运筹学的理论来寻优。采用的方法都很雷同。一般都是以VB为界面，调用CPLEX的API函数来进行优化计算。但是由于这样的成本/路线模型大多是NP-Hard，所以，对于大公司，很难通过传统的寻优理论来分析大的问题。最优解固然吸引人，但是如果为了寻优化上两天的时间，就显然得不偿失。以JBHunt为例，几乎所有的decision都是在每天早上两点到四点这两个小时之间完成的。这两个小时之内，需要得到从Fleet Manager传来的信息，需要运行软件进行优化，然后再把决策反馈给Fleet Manager. 很显然，对于大多数问题而言，两个小时找到最优解，难上加难。因此，这些公司提供的大多数是Heuristic的方法比如说hungarian 方法等。
上面提到的运输管理系统大多面向于单一的交通工具。而实际上，大多数拥有多种交通工具的运输公司的利润主要来自于 Intermodal. 也就是多种交通工具完成同一个合同的运输。Intermodal需要很强的logistics的技术支持。还是以JBHunt为例。JBHunt本身并没有铁路的运输工具。但是他们和各地的铁路运输公司有相应的合同。那么对于一个平常的运输距离（比如说从阿肯色到芝加哥），究竟有多远需要铁路运输，多远需要公路运输？而且，大部分情况下，JBHunt必须通过dead haul跑到火车站提货。所以，如何可以通过适当的routing来减少dead haul的机率，并且在dead haul 不可避免的情况下，如何优化陆地的运输距离来减少运输成本。这些都是logistics工程师需要解决的问题。应该说，这些问题所包含的技术含量同样不高。正如物流系统的每一个环节一样，其实都是一个规划模型。但是，由于结合实际中的成本分析，风险分析，稳定性分析等等，使得运输公司对工业工程的技术有一个很综合的需求
总体来讲，即便是对于象UPS这样已经非常赢利，技术上非常成熟的企业来说，同样是有着可改善的余地的。运输作为供应链上非常重要的一环，是需要其他环节的强大的支持。可以说，企业生产计划的制定，库存管理，运输管理，以及销售策略的制定都是相互制约相互支持的。西方国家大部分供应链中的企业所面临的主要问题是如何利用数据。和早期发展不同。大多数企业基本上都已经有了比较完善的数据采集和储存系统。然而，由于各环节之间数据无法完全共享，所以，数据没有得到充分的使用。这导致的结果是供应链上每一个环节的厂商在做决策是过分依赖下一个环节反馈回来的信息，而不是客观的参考由最终消费者反馈的订单的信息。这导致了每个环节之间决策的冲突。总之，物流业作为IE行业中最为重要的分支之一，的确有着非常广阔的发展前景。希望大家都来做有准备的人。
|
