接上文：
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。因此，关键的问题是：
（1）这些不同物流优化技术的特定的问题结构必须被每一个设计物流优化系统的分析人员认可和理解。
（2）所使用的优化算法应该具有某种弹性，使得它们能够被“调整”到可以利用这些特定问题结构的状态。物流优化问题存在着大量的可能解决方案（如，对于40票零担货运的发货来说，存在着1万亿种可能的装载组合）。如果不能充分利用特定的问题结构来计算，则意味着要么算法将根据某些不可靠的近似计算给出一个方案，要么就是计算的时间极长（也许是无限长）。
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
优化技术是“火箭科学”，希望火箭发射后能够良好地运行而没有“火箭科学家”来保持它的状态是没有可能的。这些专家必须确保数据和模型的正确，必须确保技术系统在按照设计的状态工作。现实的情况是，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。如果不能在实际的商务运行过程中对物流优化技术实施监测、支持和持续的改进，就必然导致优化技术的潜力不能获得充分的发挥，或者只能使其成为“摆设”。
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。
在计算成本的时候，企业对使用物流优化技术的运营成本存在着强烈的低估现象，尤其是在企业购买的是“供业余爱好者自己开发使用”的基于pc的软件包的情况下。这时要求企业拥有一支训练有素的使用者团队和开发支持人员在实际运行的过程中调试技术系统。在这种情况下，有效使用物流优化技术的实际年度运营成本极少有低于技术采购初始成本的（如软件使用许可费、工具费等）。如果物流优化解决方案的总成本在第二年是下降的，则很可能该解决方案的质量也会成比例的下降。
在计算回报的时候，要确定物流优化技术系统的使用效果，必须做三件事：一是在实施优化方案之前根据关键绩效指标（key performance indicators）测定基准状态。二是将实施物流优化技术解决方案以后的结果与基准状态进行比较。三是对物流优化技术系统的绩效进行定期的评审。
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。
文章来源：仓储货架厂