物流系統工程
焦雯、傅少川
- 出版商: 清華大學
- 出版日期: 2026-11-01
- 售價: $534
- 語言: 簡體中文
- 頁數: 354
- ISBN: 7302728216
- ISBN-13: 9787302728214
-
相關分類:
商業管理類、Python、機率統計學 Probability-and-statistics
下單後立即進貨 (約4週~6週)
相關主題
商品描述
《物流系統工程》貫徹“理論—建模—算法—應用”有機融合的編寫思路:既系統講解線性回歸、ARIMA、整數規劃、啟發式算法等基礎理論與核心方法,又通過 Python 實驗、案例分析和翻轉課堂等多元教學形式,引導學生將所學知識切實應用於真實物流場景,在知識內化的同時提升分析問題與解決問題的實踐能力。 教材在系統講授經典物流系統工程方法的同時,註重引入新技術、新工具和新應用場景,並結合公開數據集與企業實際案例設計數據實驗,幫助讀者在掌握理論基礎的同時,切實感受數據科學在物流工程中的應用價值,更好地適應現代物流行業轉型升級對人才知識結構與能力素養的新要求。 本書適合高等院校物流管理、物流工程、工業工程、商業分析、管理科學、供應鏈管理等相關專業的本科生與研究生使用,也可供物流、供應鏈和運營優化領域的從業者作為自學與實務參考用書。 本書配套的電子課件、教案、教學大綱、習題答案和實例源文件,可掃描封底或前言中的二維碼獲取。
作者簡介
焦雯畢業於香港理工大學,碩士畢業於北京交通大學。目前為北京交通大學經濟管理學院物流管理系教授,北京交通大學“卓越百人計劃”獲得者。曾任英國埃克塞特大學運營管理高級講師,英國拉夫堡大學運營管理講師,英國運籌學會青年研究者委員會主席。目前相關研究成果發表在一系列管理科學領域的期刊上,主持過一系列科研項目包括英國British Academy Leverhulme Small Research Grant,國家自然科學基金項目以及英國企業資助科研項目。主要研究領域為物流與供應鏈管理、庫存管理,指導過一系列企業課題論文。傅少川,北京交通大學經管學院教授,博士生導師。美國加州大學伯克利分校高級訪問學者。國務院學位委員會全國工程管理專業學位研究生教育指導委員會委員;被國務院國資委特聘為中央企業優秀成果評審委員會委員,於2021年獲得交通運輸部先進個人全國性表彰。與國家部委和著名央企單位完成科研項目60余項。在國內外知名期刊和會議上發表論文50余篇,出版專著6部。物流采購聯合會常務理事。
目錄大綱
目 錄
第 1 章 物流系統工程概述 1
1.1 物流系統工程的基本概念和結構 1
1.1.1 物流系統工程的相關概念 1
1.1.2 物流系統工程的結構 5
1.2 物流系統工程的特征及價值 7
1.2.1 物流系統工程的特征 7
1.2.2 物流系統工程的價值 8
1.3 物流系統分析的基本原理與方法 9
1.3.1 物流系統分析概述 9
1.3.2 物流系統分析的要素及準則 10
1.3.3 物流系統分析的要點和步驟 12
1.3.4 物流系統分析的主要方法 14
1.4 物流系統工程的建模思想與研究框架 15
1.4.1 物流系統工程建模的主要思想 15
1.4.2 物流系統工程建模的方法論 16
1.4.3 物流系統工程研究框架 18
第 2 章 物流系統分析方法 21
2.1 系統分析與系統設計 21
2.1.1 物流系統分析步驟 21
2.1.2 物流系統分析的主要方法 22
2.1.3 物流系統設計流程 23
2.1.4 結構化設計與敏捷設計在物流系統中的應用 23
2.1.5 物流系統設計評價與完善 24
2.2 物流系統定量分析思路 24
2.2.1 物流系統定量分析的關鍵優勢 25
2.2.2 定量分析的系統性框架 25
2.2.3 定量分析的一般過程 26
2.2.4 定量分析方案優化 28
2.2.5 物流系統定量分析的主要應用 29
2.3 常用建模工具與技術使用條件 30
2.3.1 常用建模工具 31
2.3.2 主要分析技術 34
2.4 從數據到模型:數據科學在物流中的作用 38
2.4.1 傳統方法的局限性 38
2.4.2 數據科學的優化路徑 38
2.4.3 典型應用場景 40
2.4.4 數據驅動的物流管理發展方向 42
第 3 章 回歸分析與預測建模 44
3.1 線性回歸與多元回歸模型 44
3.1.1 回歸分析的基本概念 44
3.1.2 一元線性回歸模型 45
3.1.3 多元線性回歸模型 46
3.2 模型擬合與最小二乘估計 47
3.2.1 最小二乘估計的核心思想 47
3.2.2 一元線性回歸模型參數估計 48
3.2.3 多元線性回歸模型參數估計 49
3.3 模型顯著性與殘差檢驗 51
3.3.1 擬合優度檢驗 51
3.3.2 模型顯著性檢驗 53
3.3.3 多重共線性檢驗 55
3.3.4 殘差分析 58
3.4 案例:古董座鐘拍賣價格回歸建模 64
第 4 章 時間序列與Box-Jenkins方法 71
4.1 時間序列的概念與分解 71
4.1.1 時間序列的定義與特征 71
4.1.2 時間序列的基本組成 72
4.1.3 分解思想與分解模型 75
4.1.4 平穩性與白噪聲 76
4.1.5 非平穩序列的平穩化處理 78
4.1.6 平穩性統計檢驗 80
4.2 自回歸模型(AR)與移動平均模型(MA) 82
4.2.1 自回歸模型 AR(p) 82
4.2.2 移動平均模型 MA(q) 84
4.2.3 AR與MA的對比 87
4.3 ARMA與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 模型選擇信息準則 93
4.4 Box-Jenkins流程 94
4.4.1 Box-Jenkins框架概述 94
4.4.2 模型識別 95
4.4.3 參數估計 96
4.4.4 模型診斷 98
4.4.5 預測與模型比較 100
4.5 案例:物流需求預測 103
4.5.1 數據集選擇與數據準備 103
4.5.2 探索性分析與分解 104
4.5.3 建模與選型 106
4.5.4 參數估計與診斷結論 107
4.5.5 預測輸出與模型比較 108
4.5.6 Python實現要點 108
第 5 章 物流設施選址決策 110
5.1 選址問題的定義 110
5.1.1 選址決策的層次與影響 110
5.1.2 選址問題的分類體系 113
5.1.3 影響選址的關鍵因素 114
5.2 經典選址模型 116
5.2.1 連續空間模型:重心法 116
5.2.2 離散網絡模型一:覆蓋類問題 119
5.2.3 離散網絡模型二:中值與中心問題 124
5.2.4 離散網絡模型三:固定費用選址問題 128
5.3 選址模型的求解算法體系 133
5.3.1 精確算法 133
5.3.2 松弛算法與下界評估 137
5.3.3 啟發式算法 145
5.4 隨機與魯棒選址 150
5.4.1 不確定性來源 150
5.4.2 隨機規劃模型 156
5.4.3 魯棒優化模型 160
5.5 其他選址模型 163
5.5.1 厭惡型設施選址 163
5.5.2 競爭選址 164
5.5.3 樞紐選址 166
5.5.4 動態選址 168
5.5.5 新興選址 170
5.6 案例:急救中心選址 171
5.6.1 背景介紹 171
5.6.2 數據準備 171
5.6.3 求解過程 172
第 6 章 物流設施布局優化 175
6.1 布局問題的類型與特征 175
6.1.1 布局問題的價值與目標 175
6.1.2 常見布局類型及其適用場景 176
6.1.3 布局規劃的約束與影響因素 177
6.2 系統布局規劃(SLP)方法 178
6.2.1 SLP的原理與實施流程 178
6.2.2 輸入數據采集與分析 179
6.2.3 關系圖表構建與分析 180
6.2.4 空間需求分析與空間關系圖繪制 184
6.2.5 布局方案生成與優化 186
6.2.6 布局方案評估指標與方法 187
6.3 計算機輔助布局設計 189
6.3.1 計算機輔助布局的核心要素 189
6.3.2 算法類型與原理 190
6.3.3 輔助布局工具:BLOCPLAN算法與改進型遺傳算法(MGA) 192
6.4 案例:制衣廠功能區布局優化 198
6.4.1 案例背景 198
6.4.2 求解過程 200
第 7 章 存儲系統與空間規劃 205
7.1 存儲系統的組成與運行邏輯 205
7.1.1 存儲系統的基本概念 205
7.1.2 存儲單元劃分與編碼體系 205
7.1.3 存儲系統的關鍵組成要素 206
7.1.4 存儲規劃原則 207
7.2 專用與隨機存儲策略 208
7.2.1 專用存儲策略 208
7.2.2 隨機存儲策略 211
7.2.3 存儲策略對比分析 213
7.3 存儲效率與優化指標 214
7.3.1 存儲效率評估指標體系 214
7.3.2 存儲優化 215
7.3.3 現代存儲優化趨勢 216
7.4 實驗:庫位分配與空間利用分析 217
7.4.1 實驗背景與數據準備 217
7.4.2 專用存儲策略的庫位分配實驗 218
7.4.3 隨機存儲策略的空間分配實驗 220
7.4.4 不同存儲策略的效率對比與優化建議 221
第 8 章 產能管理 223
8.1 產能控制理論 223
8.1.1 產能的定義與特征 223
8.1.2 產能的主要約束 225
8.2 產能丟失 226
8.3 產能規劃與瓶頸優化策略 228
8.3.1 產能規劃的層級與實施 228
8.3.2 產能瓶頸的識別與影響 231
8.3.3 瓶頸優化的策略與工具 232
8.3.4 產能與需求的匹配 237
8.4 案例:比亞迪產能匹配分析 238
第 9 章 時間調度與作業排序 244
9.1 調度問題分類 244
9.1.1 調度的核心定義 244
9.1.2 基於作業流動模式的分類 245
9.1.3 基於其他條件的分類 246
9.1.4 基於績效衡量的分類 247
9.2 基本整數規劃模型 248
9.2.1 模型構建基礎 248
9.2.2 單機調度問題建模 248
9.2.3 排列流水作業調度問題建模 250
9.2.4 在更復雜的機器環境中進行調度 251
9.3 啟發式與元啟發式算法應用 252
9.3.1 單機調度啟發式算法 252
9.3.2 並行機調度啟發式算法 254
9.3.3 流水作業調度啟發式算法 255
9.3.4 元啟發式算法—— 禁忌搜索算法 257
9.3.5 記憶型 NSGA-II多目標柔性作業車間時間調度算法 259
第 10 章 車輛路徑與運輸調度 263
10.1 旅行商問題 263
10.1.1 旅行商問題定義與工程背景 263
10.1.2 圖模型與數據表達 264
10.1.3 基本整數規劃模型 265
10.1.4 TSP求解方法 265
10.1.5 拓展:TSP模型典型應用 267
10.2 車輛路徑問題 269
10.2.1 車輛路徑問題的基本定義與工程背景 269
10.2.2 基礎數學模型:容量限制 VRP(CVRP) 269
10.2.3 車輛路徑問題的常見擴展問題 270
10.3 啟發式與近似算法 272
10.3.1 VRP的啟發式方法 272
10.3.2 經典構造啟發式算法 273
10.3.3 改進啟發式與局部搜索 275
10.3.4 元啟發式算法 276
10.4 數據驅動與神經網絡方法 281
10.4.1 從“手工設計”走向 “智能學習” 281
10.4.2 數據驅動的優化方法 282
10.4.3 神經組合優化 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:多倉庫車輛路徑優化 285
10.5.1 案例背景與問題描述 285
10.5.2 數據與假設 285
10.5.3 求解流程:兩階段啟發式策略 286
10.5.4 結果展示 287
10.5.5 討論與拓展 288
第 11 章 揀貨路徑與倉儲運營優化 291
11.1 揀貨作業流程 291
11.1.1 訂單揀貨運營 291
11.1.2 揀貨清單的類型與作業策略 295
11.1.3 揀貨過程中的管理要點 296
11.2 訂單分組與路徑算法 298
11.2.1 常見的揀貨方式 298
11.2.2 揀貨路徑 300
11.3 路徑規劃的啟發式求解 303
11.3.1 S形啟發式算法 303
11.3.2 最大間隔啟發式算法 305
11.3.3 組合啟發式算法 307
11.3.4 逐個過道啟發式算法 310
11.4 案例:電子商務倉庫揀貨路徑優化 311
11.4.1 實驗目標與評價指標 312
11.4.2 實驗數據設計 313
11.4.3 實驗方案:四種啟發式求解 314
11.4.4 結果分析與討論 316
第 12 章 智能物流系統與未來趨勢 321
12.1 物聯網與智能調度系統 321
12.1.1 物聯網 321
12.1.2 智能調度系統 325
12.1.3 物聯網與智能調度系統的結合應用 326
12.2 數據驅動的供應鏈協同優化 327
12.2.1 供應鏈協同運行的基本問題 327
12.2.2 數據在供應鏈協同中的作用 329
12.2.3 供應鏈協同優化的實施思路 331
12.3 仿真與數字孿生技術在智能物流系統中的應用 333
12.3.1 物流系統仿真—— 離線建模、分析與優化 333
12.3.2 數字孿生—— 實時映射、同步與預測 338
12.3.3 仿真與數字孿生的綜合應用 340
12.4 智能物流系統的發展趨勢與工程挑戰 340
12.4.1 智能物流系統的發展趨勢 341
12.4.2 智能物流系統面臨的工程挑戰 342
12.4.3 趨勢與挑戰對系統設計的影響 342
參考文獻 349



