目 录

第 1 章　物流系统工程概述 1

1.1　物流系统工程的基本概念和结构 1

1.1.1　物流系统工程的相关概念 1

1.1.2　物流系统工程的结构 5

1.2　物流系统工程的特征及价值 7

1.2.1　物流系统工程的特征 7

1.2.2　物流系统工程的价值 8

1.3　物流系统分析的基本原理与方法 9

1.3.1　物流系统分析概述 9

1.3.2　物流系统分析的要素及准则 10

1.3.3　物流系统分析的要点和步骤 12

1.3.4　物流系统分析的主要方法 14

1.4　物流系统工程的建模思想与研究框架 15

1.4.1　物流系统工程建模的主要思想 15

1.4.2　物流系统工程建模的方法论 16

1.4.3　物流系统工程研究框架 18

第 2 章　物流系统分析方法 21

2.1　系统分析与系统设计 21

2.1.1　物流系统分析步骤 21

2.1.2　物流系统分析的主要方法 22

2.1.3　物流系统设计流程 23

2.1.4　结构化设计与敏捷设计在物流系统中的应用 23

2.1.5　物流系统设计评价与完善 24

2.2　物流系统定量分析思路 24

2.2.1　物流系统定量分析的关键优势 25

2.2.2　定量分析的系统性框架 25

2.2.3　定量分析的一般过程 26

2.2.4　定量分析方案优化 28

2.2.5　物流系统定量分析的主要应用 29

2.3　常用建模工具与技术使用条件 30

2.3.1　常用建模工具 31

2.3.2　主要分析技术 34

2.4　从数据到模型：数据科学在物流中的作用 38

2.4.1　传统方法的局限性 38

2.4.2　数据科学的优化路径 38

2.4.3　典型应用场景 40

2.4.4　数据驱动的物流管理发展方向 42

第 3 章　回归分析与预测建模 44

3.1　线性回归与多元回归模型 44

3.1.1　回归分析的基本概念 44

3.1.2　一元线性回归模型 45

3.1.3　多元线性回归模型 46

3.2　模型拟合与最小二乘估计 47

3.2.1　最小二乘估计的核心思想 47

3.2.2　一元线性回归模型参数估计 48

3.2.3　多元线性回归模型参数估计 49

3.3　模型显著性与残差检验 51

3.3.1　拟合优度检验 51

3.3.2　模型显著性检验 53

3.3.3　多重共线性检验 55

3.3.4　残差分析 58

3.4　案例：古董座钟拍卖价格回归建模 64

第 4 章　时间序列与Box-Jenkins方法 71

4.1　时间序列的概念与分解 71

4.1.1　时间序列的定义与特征 71

4.1.2　时间序列的基本组成 72

4.1.3　分解思想与分解模型 75

4.1.4　平稳性与白噪声 76

4.1.5　非平稳序列的平稳化处理 78

4.1.6　平稳性统计检验 80

4.2　自回归模型(AR)与移动平均模型(MA) 82

4.2.1　自回归模型 AR(p) 82

4.2.2　移动平均模型 MA(q) 84

4.2.3　AR与MA的对比 87

4.3　ARMA与ARIMA模型 89

4.3.1　ARMA(p,q)模型 89

4.3.2　ARIMA(p,d,q)模型 91

4.3.3　模型选择信息准则 93

4.4　Box-Jenkins流程 94

4.4.1　Box-Jenkins框架概述 94

4.4.2　模型识别 95

4.4.3　参数估计 96

4.4.4　模型诊断 98

4.4.5　预测与模型比较 100

4.5　案例：物流需求预测 103

4.5.1　数据集选择与数据准备 103

4.5.2　探索性分析与分解 104

4.5.3　建模与选型 106

4.5.4　参数估计与诊断结论 107

4.5.5　预测输出与模型比较 108

4.5.6　Python实现要点 108

第 5 章　物流设施选址决策 110

5.1　选址问题的定义 110

5.1.1　选址决策的层次与影响 110

5.1.2　选址问题的分类体系 113

5.1.3　影响选址的关键因素 114

5.2　经典选址模型 116

5.2.1　连续空间模型：重心法 116

5.2.2　离散网络模型一：覆盖类问题 119

5.2.3　离散网络模型二：中值与中心问题 124

5.2.4　离散网络模型三：固定费用选址问题 128

5.3　选址模型的求解算法体系 133

5.3.1　精确算法 133

5.3.2　松弛算法与下界评估 137

5.3.3　启发式算法  145

5.4　随机与鲁棒选址 150

5.4.1　不确定性来源 150

5.4.2　随机规划模型 156

5.4.3　鲁棒优化模型 160

5.5　其他选址模型 163

5.5.1　厌恶型设施选址 163

5.5.2　竞争选址 164

5.5.3　枢纽选址 166

5.5.4　动态选址 168

5.5.5　新兴选址 170

5.6　案例：急救中心选址 171

5.6.1　背景介绍 171

5.6.2　数据准备 171

5.6.3　求解过程 172

第 6 章　物流设施布局优化 175

6.1　布局问题的类型与特征 175

6.1.1　布局问题的价值与目标 175

6.1.2　常见布局类型及其适用场景 176

6.1.3　布局规划的约束与影响因素 177

6.2　系统布局规划(SLP)方法 178

6.2.1　SLP的原理与实施流程 178

6.2.2　输入数据采集与分析 179

6.2.3　关系图表构建与分析 180

6.2.4　空间需求分析与空间关系图绘制 184

6.2.5　布局方案生成与优化 186

6.2.6　布局方案评估指标与方法 187

6.3　计算机辅助布局设计 189

6.3.1　计算机辅助布局的核心要素 189

6.3.2　算法类型与原理 190

6.3.3　辅助布局工具：BLOCPLAN算法与改进型遗传算法(MGA) 192

6.4　案例：制衣厂功能区布局优化 198

6.4.1　案例背景 198

6.4.2　求解过程 200

第 7 章　存储系统与空间规划 205

7.1　存储系统的组成与运行逻辑 205

7.1.1　存储系统的基本概念 205

7.1.2　存储单元划分与编码体系 205

7.1.3　存储系统的关键组成要素 206

7.1.4　存储规划原则 207

7.2　专用与随机存储策略 208

7.2.1　专用存储策略 208

7.2.2　随机存储策略 211

7.2.3　存储策略对比分析 213

7.3　存储效率与优化指标 214

7.3.1　存储效率评估指标体系 214

7.3.2　存储优化 215

7.3.3　现代存储优化趋势 216

7.4　实验：库位分配与空间利用分析 217

7.4.1　实验背景与数据准备 217

7.4.2　专用存储策略的库位分配实验 218

7.4.3　随机存储策略的空间分配实验 220

7.4.4　不同存储策略的效率对比与优化建议 221

第 8 章　产能管理 223

8.1　产能控制理论 223

8.1.1　产能的定义与特征 223

8.1.2　产能的主要约束 225

8.2　产能丢失 226

8.3　产能规划与瓶颈优化策略 228

8.3.1　产能规划的层级与实施 228

8.3.2　产能瓶颈的识别与影响 231

8.3.3　瓶颈优化的策略与工具 232

8.3.4　产能与需求的匹配 237

8.4　案例：比亚迪产能匹配分析 238

第 9 章　时间调度与作业排序 244

9.1　调度问题分类 244

9.1.1　调度的核心定义 244

9.1.2　基于作业流动模式的分类 245

9.1.3　基于其他条件的分类 246

9.1.4　基于绩效衡量的分类 247

9.2　基本整数规划模型 248

9.2.1　模型构建基础  248

9.2.2　单机调度问题建模 248

9.2.3　排列流水作业调度问题建模 250

9.2.4　在更复杂的机器环境中进行调度 251

9.3　启发式与元启发式算法应用 252

9.3.1　单机调度启发式算法 252

9.3.2　并行机调度启发式算法 254

9.3.3　流水作业调度启发式算法 255

9.3.4　元启发式算法—— 禁忌搜索算法 257

9.3.5　记忆型 NSGA-II多目标柔性作业车间时间调度算法 259

第 10 章　车辆路径与运输调度 263

10.1　旅行商问题 263

10.1.1　旅行商问题定义与工程背景 263

10.1.2　图模型与数据表达 264

10.1.3　基本整数规划模型 265

10.1.4　TSP求解方法 265

10.1.5　拓展：TSP模型典型应用 267

10.2　车辆路径问题 269

10.2.1　车辆路径问题的基本定义与工程背景 269

10.2.2　基础数学模型：容量限制  VRP(CVRP) 269

10.2.3　车辆路径问题的常见扩展问题 270

10.3　启发式与近似算法 272

10.3.1　VRP的启发式方法 272

10.3.2　经典构造启发式算法 273

10.3.3　改进启发式与局部搜索 275

10.3.4　元启发式算法 276

10.4　数据驱动与神经网络方法 281

10.4.1　从“手工设计”走向  “智能学习” 281

10.4.2　数据驱动的优化方法 282

10.4.3　神经组合优化 283

10.4.4　混合智能求解框架：工程落地的  主流方向 284

10.5　案例：多仓库车辆路径优化 285

10.5.1　案例背景与问题描述 285

10.5.2　数据与假设 285

10.5.3　求解流程：两阶段启发式策略 286

10.5.4　结果展示 287

10.5.5　讨论与拓展 288

第 11 章　拣货路径与仓储运营优化 291

11.1　拣货作业流程 291

11.1.1　订单拣货运营 291

11.1.2　拣货清单的类型与作业策略 295

11.1.3　拣货过程中的管理要点 296

11.2　订单分组与路径算法 298

11.2.1　常见的拣货方式 298

11.2.2　拣货路径 300

11.3　路径规划的启发式求解 303

11.3.1　S形启发式算法 303

11.3.2　最大间隔启发式算法 305

11.3.3　组合启发式算法 307

11.3.4　 逐个过道启发式算法 310

11.4　案例：电子商务仓库拣货路径优化 311

11.4.1　实验目标与评价指标 312

11.4.2　实验数据设计 313

11.4.3　实验方案：四种启发式求解 314

11.4.4　结果分析与讨论 316

第 12 章　智能物流系统与未来趋势 321

12.1　物联网与智能调度系统 321

12.1.1　物联网 321

12.1.2　智能调度系统 325

12.1.3　物联网与智能调度系统的结合应用 326

12.2　数据驱动的供应链协同优化 327

12.2.1　供应链协同运行的基本问题 327

12.2.2　数据在供应链协同中的作用 329

12.2.3　供应链协同优化的实施思路 331

12.3　仿真与数字孪生技术在智能物流系统中的应用 333

12.3.1　物流系统仿真—— 离线建模、分析与优化 333

12.3.2　数字孪生—— 实时映射、同步与预测 338

12.3.3　仿真与数字孪生的综合应用 340

12.4　智能物流系统的发展趋势与工程挑战 340

12.4.1　智能物流系统的发展趋势 341

12.4.2　智能物流系统面临的工程挑战 342

12.4.3　趋势与挑战对系统设计的影响 342

参考文献 349