● 過去的物流信息流乃以紙張為主(顧客及補貨訂單、存貨需求、倉庫工單、運輸文件、發票)，而信息傳輸往往產生許多不良結果，如速度慢，不可靠，錯誤頻生。因此，增加了作業成本并降低顧客滿意度。然而因為技術成本下降而使用上也較容易，許多應用技術已使物流經理具備更有效及更快速透過電子方式傳輸與管理信息的能力。因此，有更多機會可以更有效協調物流活動將物流費用降低，以及提供更佳信息予顧客俾提升服務水準。 
　　● 實時及精確信息對有效物流系統之設計十分重要。其因有三：
　　1.顧客對完整顧客服務的要求，其中包含與顧客有關的信息服務，如訂單狀態(order status)，配送時間(delivery schedule)以及發票(invoices)。
　　2.企業目前均以降低完整供應鏈(total supply chain)中之存貨為目標，許多企業經理人發現信息可以有效降低存貨及人力資源需求。尤其需求規劃時如有實時信息將可降低需求不確定性，減少存貨數目。
　　3.信息可以增加物流彈性，使企業資源可適當(how)，適時(when)，適所(where)地運用，為企業創造策略優勢(strategic advantage)。
　　● 物流信息功能圖
　　● 物流信息系統用途、決策特性及原因圖
　　● 在設計與評估一個物流信息系統(Logistics Information System)時，必須兼顧六個原則：
　　1.供應力。
　　2.準確性。
　　3.實時性。
　　4.異常信息報告力。
　　5.彈性。
　　6.適當格式。
　　● 物流信息系統結構包含二大子結構：計劃及協 調信息流及作業信息流
　　1. LIS計劃及協調工作包含企業內外的物料及成品計劃，而其主要組成包含：
　　(1)策略目標
　　(2)容量限制
　　(3)物流需求
　　(4)制造需求
　　(5)采購需求
　　2. LIS 作業信息需求轉自環 球 網 校edu24ol.com
　　LIS 作業的信息活動包含顧客訂單之接收、處理、
　　運送，以及采購單之到貨接收之協調等。
　　(1)訂單管理
　　(2)訂單處理
　　(3)流通作業
　　(4)運輸與配送安排
　　(5)采購
　　3.存貨布設及管理
　　(1)存貨布設及管理乃處于 LIS協調、規劃及作業間的主要接口。
　　(2)存貨布設及管理乃在計劃及管理自生產到配送顧客間之存貨需求。
　　(3)存貨布設及管理之主要組成為:
　　a.預測模塊
　　b.存貨布設決策輔助系統
　　c.存貨績效評量系統
　　4.物流信息系統流程(LIS flow)
　　● 電子資料交換(Electronic Data Interchange, EDI)
　　● 個人計算機(Personal Computers)
　　● 人工智能/專家系統(Artificial Intelligence /Expert systems)
　　● 通訊(Communications)
　　● 條形碼及掃瞄技術(Bar coding and scanning)
　　● 電子商務乃一新商業名詞，用來描述構建無紙化商業環境所使用廣泛的工具及技術
　　圖7-6 有效消費者響應的供應鏈
　　圖7-7 電子商務整體運作架構
　　Extranet與Intranet (Ravi Kalakota & Andrew B. Whinston，1997)
　　● 一套WMS是一組計算機軟件應用程序，設計
　　用來自動化整個倉庫現場物料流動程序。它
　　會指導及控制倉庫內所有存貨的移動。
　　圖7-9 對于外向銷售訂單的基本WMS圖標
　　● 確保WMS可以提供揀貨用的緊急訂單自動釋放。切勿用人工的方式來釋放訂單。
　　圖7-11 供揀貨用的緊急訂單釋放
　　● 預測乃對未來銷售、生產或運送量的推估。預測的單位可以是個數或金額，而預測的基準可以是某一品項，某顧客或品項群及顧客群的匯整。典型的物流預測可能是某品項一星期或一個月自物流中心的出貨量。
　　● 預測之一般考慮因素(General forecast considerations)
　　1.需求(Nature of demand)
　　2.預測組成(Forecast components)
　　3.預測方式(Forecast Approaches)
　　● 預測程序(Forecast Porcess)
　　預測數據庫 預測程序 預測使用者
　　預測程序圖
　　● 預測技術(Forecast Techniques)
　　1.物流預測必須選擇合適的預測技術，以產生未來周期預測值。
　　2.評估預測技術的應用性，一般須考慮以下準則：
　　(1)精確度(Accuracy)
　　(2)預測時間帶(Forecasting time horizon)
　　(3)預測值(Value of forecasting)
　　(4)資料的供應(Availability of data)
　　(5)資料型態的類別(Type of data pattern)
　　(6)預測人員的經驗(Experience of the forecaster)
　　3.預測技術之選擇多半因情況不同而異，然而其取舍往往是藝術成分多于科學成分(Much more of an art than science)。
　　● 預測技術之分類：
　　1.定質技術(Qualitative techniques)
　　2.時間序列技術(Time-series Techniques)
　　(1)移動平均(Moving Average)
　　(2)指數平滑法(Exponential Smoothing)
　　(3)指數平滑法之擴展(Extended Smoothing)
　　(4)調節性平滑法(Adaptive Smoothing)
　　3. 因果技術(Causal Techniques)
　　預測誤差(Forecast error)
　　預測與實際間完全謀和之情形相當罕見，因此預測值與實際
　　值間之誤差大小即為判定預測是否精準的最佳指針。預測精
　　準度(Forecast accuracy)的改良有賴誤差之評量及分析。