本章要点
物流决策支持系统是物流信息系统发展的新阶段，通过本章需要了解物流决策支持系统LDSS的概念以及与DSS的区别，理解常见的物流决策支持技术，了解常见的物流决策支持系统应用。
8.1 物流决策支持系统概述
8.1.1 决策支持系统的产生与发展
决策支持系统是20世纪80年代初兴起的。从三部件（对话、模型、数据）结构的决策支持系统（DSS）开始，到20世纪90年代初，结合了人工智能技术特别是专家系统以后，形成了智能决策支持系统（IDSS），称为传统决策支持系统。由于没有模型库系统软件产品的支持，决策支持系统的开发受到很大的阻碍。20世纪90年代末期，兴起了以数据仓库（DW）为基础，结合联机分析处理（OLAP）和数据挖掘（DW）的新决策支持系统（DW＋OLAP＋DM）。新决策支持系统与传统决策支持系统是什么关系呢？传统决策支持系统是以模型资源和知识资源辅助决策的，而新决策支持系统是以数据资源辅助决策的。二者不是代替关系，不能因为传统决策支持系统受到了挫折而被轻视；二者应该是相互补充的关系，二者结合的综合决策支持系统才是决策支持系统的发展方向。
Internet技术的成熟和普及推动了决策支持系统的发展。网络上的数据库服务器为远程客户机提供并发和共享的数据服务。数据仓库也是以服务器的形式提供服务。数据库和数据仓库都是数据资源。同样，将模型资源和知识资源以服务器的形式在网络上为远地的客户机提供并发和共享的模型服务和知识服务，形成了网络环境的决策支持系统。模型服务器和知识服务器是模型库系统和知识库系统在网络上的新的发展形式，它将和数据库服务器、数据仓库服务器一起形成网络环境的综合决策支持系统。由于网络上服务器技术的逐步成熟，网络环境的综合决策支持系统将为决策支持系统的发展带来新的高潮。
可以看出，决策支持系统是利用决策资源（数据、模型、知识）达到辅助决策的系统，即决策支持系统是按决策问题的要求来组织和集成决策资源，建成有效解决实际决策问题的计算机程序系统。用模型、知识、数据等决策资源组合而成的决策支持系统是一种类似于搭积木块建造房屋的方式。通过改变或修改模型、知识、数据等资源，就可以构造多种形式的系统方案，通过多方案的计算，对计算结果的对比和选择，就能达到有效的辅助决策。
8.1.2 物流决策支持系统
物流决策支持系统（Logistics Decision Support System，LDSS）的发展伴随着DSS的发展同步前进着，只不过对象细化了而已。出于满足企业物流管理的需要，LDSS经历了从无到有、从简单到复杂的过程，并且迫切需要进一步的发展，与新的竞争环境和竞争要求相适应。而企业在信息化、管理变革等方面的发展和积累下来的经验教训，也为物流决策支持系统的应用和发展提供了良好的条件。因此，对物流活动进行信息化管理方面的研究，特别是把简单的信息传递和显示，转换为决策支持信息，辅助中、高层决策者制定正确的决策具有重要的理论意义和实践意义。构建物流决策支持系统将直接决定企业物流系统的效率，在一定程度上也反映企业参与全球竞争的能力与综合管理水平。
总之，在当前以买方市场为特征的激烈竞争环境下，先进、高效的LDSS对企业在全球市场上取得竞争优势具有十分关键的作用。
LDSS应该对物流决策的全过程给予支持。西蒙提出，决策过程分为情报、设计、选择、实施四个阶段：情报指对日常数据的搜集、整理和分析过程，确定哪些因素将要影响决策的过程，设计是指应用情报调查所得到的结论开发被选方案；选择是对备选方案进行评审，挑选满意方案的过程；实施则是执行所选方案并进行有效控制。这四个阶段体现了物流的系统性特征：LDSS是一个人-机交互系统，利用计算机的快速计算功能、逻辑判断能力、大容量的存储功能可节约决策者做基础工作的时间，结合决策者的创造性、发挥各自特长，完成决策过程，提高企业物流管理的水平，引发物流管理部门内部组织结构的变革，科学的改善决策者的工作方式和思维方式；LDSS以管理学、运筹学、控制论等学科为基础，研究与开发LDSS的过程可为物流行业的发展拓宽思路，推动科学技术在制造业物流领域的应用。
8.2 物流决策支持技术
决策支持技术包括模型技术、人工智能、商务智能等，本节简单讨论一下在物流决策支持系统中经常利用的支持技术。
8.2.1 模型支持技术
模型（model）是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式。
模型一般分为四大类：物理模型、数学模型、结构模型、仿真模型。
其中，数学模型又可以分为：预测模型、规划模型、原理性模型、系统学模型、管理决策模型、数学仿真模型和计量经济模型。
1.预测模型
（1）预测的定义
预测（forecasting）是预计未来事件的一门艺术、一门科学。它包含采集历史数据并用某种数学模型来外推将来。它也可以是对未来的主观或直觉的预期。它还可以是上述的综合，即经由良好判断调整的数学模型。
进行预测时，没有一种预测方法会绝对有效。对一个企业在一种环境下是最好的预测方法，对另一企业或甚至本企业内另一部门却可能完全不适用。无论使用何种方法进行预测，预测的作用也是有限的，并不是完美无缺。但是，几乎没有一家企业可以不进行预测而只是等到事情发生时再采取行动，一个好的短期或长期的经营规划取决于对公司产品需求的预测。
（2）预测的方法
预测方法有几种基本的类型：定性预测、时间序列分析、因果联系法等。
1）定性预测
定性预测属于主观判断，它基于估计和评价。常见的定性预测方法包括：一般预测、市场调研法、小组讨论法、历史类比、德尔菲法等。
2）时间序列分析
时间序列分析是建立在这样一个设定基础上的，与过去需求相关的历史数据可用于预测未来的需求。历史数据可能包含诸如趋势、季节、周期等因素。常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯·詹金斯法、西斯金时间序列等。
3）因果联系法
因果联系是假定需求与某些内在因素或周围环境的外部因素有关。常见的因果联系法主要有：回归分析、经济模型、投入产出模型、行指标因素影响分析等。
（3）物流成本预测
所谓物流成本预测（logisticscost forecast），就是指依据物流成本与各种技术经济因素的依存关系，结合发展前景及采取的各种措施，利用一定的科学方法，对未来期间的物流成本水平及其变化趋势作出科学的推测和估计。
物流成本预测能使企业对未来的物流成本水平及其变化趋势做到“心中有数”，并能与物流成本分析一起为企业的物流成本决策提供科学的依据，以减少物流成本决策中的主观性和盲目性。
1）物流成本预测的必要性
物流成本预测可以为企业物流成本决策提供依据，物流成本预测可以为确定目标成本打下基础，物流成本预测可以确定最佳的物流成本投入方案。
2）物流成本预测的步骤
企业在进行物流成本预测时，通常分为以下几个具体步骤：①确定预测目标。②搜集预测资料。③建立预测模型。④评价与修正预测值。
2.线性规划
线性规划方法是在第二次世界大战中发展起来的一种重要的数量方法，线性规划方法是企业进行总产量计划时常用的一种定量方法。线性规划是运筹学的一个最重要的分支，理论上最完善，实际应用得最广泛。主要用于研究有限资源的最佳分配问题，即如何对有限的资源作出最佳方式的调配和最为有利的使用，以便最充分地发挥资源的效能去获取最佳的经济效益。由于有成熟的计算机应用软件的支持，采用线性规划模型安排生产计划，并不是一件困难的事情。在总体计划中，用线性规划模型解决问题的思路是，在有限的生产资源和市场需求条件约束下，求利润最大的总产量计划。该方法的最大优点是可以处理多品种问题。
线性规划模型用在原材料单一、生产过程稳定不变、分解型生产类型的企业是十分有效的，如石油化工厂等。对于产品结构简单、工艺路线短，或者零件加工企业，有较大的应用价值。需要注意的是，对于机电类企业用线性规划模型只适用于作年度的总生产计划，而不宜用来做月度计划。这主要与工件在设备上的排序有关，计划期太短，很难安排过来。
3.系统动力学
系统动力学（system dynamics）以系统思考为理论基础，但更进一步，融进了计算机仿真模型。系统动力学研究起源于美国麻省理工学院Jay.W.Forrester教授的名着《工业动力学》。由于初期它主要应用于工业企业管理，故称为“工业动力学”。后来，随着该学科的发展，其应用范围日益扩大，遍及经济社会等各类系统，故改称为系统动力学。
系统动力学创始于1956年，在20世纪50年代末成为一门独立完整的学科，20世纪50年代后期，系统动力学逐步发展成为一个新的领域。初期它主要应用于工业企业管理，处理诸如生产与雇员情况的变动、市场股票与市场增长的不稳定性等问题。此学科早期的称呼——“工业动力学”即因此而得名。而后，系统动力学的应用范围日益扩大，从民用到军用，从科研、设计工作的管理到城市摆脱停滞与衰退的决策，从世界面临指数式增长的威胁与资源储量日益殆尽的危机到检验糖尿病的病理假设，应用范围非常广泛。
20世纪60年代是系统动力学成长的重要时期，一批代表这一阶段理论与应用研究成果水平的论着问世。福瑞斯特教授发表于1961年的《工业动力学》（Industrial Dynamics）已成为本学科的经典着作，它阐明了系统动力学的原理与典型应用。《系统原理》（Principlesof Systems，1968）一书侧重介绍了系统的基本结构。《城市动力学》（Urban Dynamics，1969）则总结了美国城市兴衰问题的理论与应用研究的成果。
20世纪70年代系统动力学进入蓬勃发展时期，由罗马俱乐部提供财政支持，以Meadows为首的国际研究小组所承担的世界模型研究课题，研究了世界范围的人口、资源、工农业和环境污染诸因素的相互关系，以及产生后果的各种可能性。而以福瑞斯特教授为首的美国国家模型研究小组，将美国的社会经济作为一个整体，成功地研究了通货膨胀和失业等社会经济问题，第一次从理论上阐述了经济学家长期争论不休的经济长波产生和机制。
这一成就受到西方的重视，也使系统动力学于20世纪80年代初在理论和应用研究两方面都取得了飞跃地进展，达到了更成熟的阶段。目前系统动力学正处在一个蓬勃发展的时机，其自身的理论、方法和模型体系仍在深度和广度上发展进化。
系统动力学法的步骤：
①找出问题；②对问题产生的原因形成动态假设（dynamichypothsis）；③从问题根源出发，建立计算机仿真模型系统；④对模型进行测试，确保现实中的行为能够再现于计算机模型系统；⑤设计、测试各选择性方案，减少问题；⑥实施方案。
通常，这些步骤在执行过程中需要不断回顾和提炼，有时候需要回到上一步去。例如，第一步找出的问题，到了后来也许会发现只是一个更为严重问题的征兆而已。
系统动力学的应用范围包括：战略和企业规划、业务流程设计、公共管理与政策制定、生物和医学模型、能源与环境、自然科学和社会科学的理论发展、动态决策和复杂的非线性动力学。
4.物流仿真
物流仿真是针对物流系统进行系统建模，并在电子计算机上编制相应应用程序，模拟实际物流系统运行状况，并统计和分析模拟结果，用以指导实际物流系统的规划设计与运作管理。
仿真技术已经成为分析、研究各种复杂系统的重要工具，它广泛应用于工程领域和非工程领域。仿真可定义为：在全部时间内，通过对系统的动态模型性能的观测来求解问题的技术。物流系统是企业生产的一个重要组成部分，物流合理化是提高企业生产率最重要的方法之一。因此对物流系统的设计和仿真的研究，也日益受到人们的重视。
（1）物流系统仿真的核心技术
物流系统的仿真是典型的离散事件系统仿真，其核心是时钟推进和事件调度的机制。离散事件系统是指系统状态在某些随机时间点上发生离散变化的系统。这种引起状态变化的行为称为“事件”，因而这类系统是由事件驱动的；而且，“事件”往往发生在随机时间点上，亦称为随机事件，因而离散事件系统一般都具有随机特性；系统的状态变量往往是离散变化的。
