物流系统分析是一种仍在不断发展中的现代科学方法，虽然已在很多领域采用并取得显著成效，但是实际情况下，并不是任何物流系统都可用系统分析的方法来研究，因为要考虑到经济与时效等因素。为此，在采用物流系统分析前，要注意以下几个方面： （1）物流系统分析是一个长期的工作，它贯穿在物流系统规划、运行评价、优化改善的全过程中。因为物流系统分析的总目标就是寻找物流系统的最优途径，而物流系统运行过程中，它所处的外界环境及其内部构成都不断地变化和运动，系统分析就要抓住这些信息，总结和归纳出这些特征，找到系统达到效益最优的途径和方法。可以说，只是有物流系统存在运行，物流系统分析工作就是时时刻刻地进行。总之，物流系统分析需要有高度能力的分析人员辛勤而漫长的工作。 （2）物流系统分析虽然对制定决策有很大的帮助，但是它不能完成代替想象力、经验和判断力。物流系统分析只能是将研究问题运用数学的方法或模型，推解出相优化的备选方案。在将现实问题归纳成数字模型的过程中，必然舍去了一些无法运用数学方法进行分析的因素，而这些因素可能对系统的实际运行产生影响，因此当管理者进行选择或决策时，必然要运用自己的经验、想象或直觉进行综合判断。 （3）物流系统分析基本上是考虑经济、效益等目标，或者说是以经济学的方法来解决问题。对任何问题，通常均有不同的解决方案，应用物流系统分析研究问题，应对各种解决问题的方案，计算出全部费用，然后再进行比较。但在决策时又要注意费用最少的方案，不一定是最佳选择，因为选择最佳方案的着眼点，不在“省钱”，而是“有效”。
46-智慧物流作业方案设计与实施_现代物流作业方案设计与实施
对于大多数的企业来说，物流系统优化是其降低供应链运营总成本的最显著的商机所在。但是，物流系统优化过程不仅要投入大量的资源，而且是一项需要付出巨大努力、克服困难和精心管理的过程。
美国的货运计划解决方案供应商Velant公司的总裁和CEO Don Ratliff博士集30余年为企业提供货运决策优化解决方案的经验，在2002年美国物流管理协会（CLM）年会上提出了“物流优化的10项基本原则”，并认为通过物流决策和运营过程的优化，企业可以获得降低物流成本10%-40%的商业机会。这种成本的节约必然转化为企业投资回报率的提高。
1、目标（Objectives）：设定的目标必须是定量的和可测评的。
制定目标是确定我们预期愿望的一种方法。要优化某个事情或过程，就必须确定怎样才能知道目标对象已经被优化了。使用定量的目标，计算机就可以判断一个物流计划是否比另一个更好。企业管理层就可以知道优化的过程是否能够提供一个可接受的投资回报率（Return On Investment）。
2、模型（Models）：模型必须忠实地反映实际的物流过程。
建立模型是把物流运营要求和限制条件翻译成计算机能够理解和处理的某种东西的方法。例如，我们需要一个模型来反映货物是如何通过组合装上卡车的。一个非常简单的模型，不能充分地反映实际的物流情况。如果使用简单的重量或体积模型，许多计算机认为合适的载荷将无法实际装车，而实际上更好的装载方案会由于计算机认为不合适而被放弃。所以，如果模型不能忠实地反映装载的过程，则由优化系统给出的装车解决方案要么无法实际执行，要么在经济上不合算。
3、数据（Data）：数据必须准确、及时和全面。
数据驱动了物流系统的优化过程。如果数据不准确，或有关数据不能够及时地输入系统优化模型，则由此产生的物流方案就是值得怀疑的。对必须产生可操作的物流方案的物流优化过程来说，数据也必须全面和充分。例如，如果卡车的体积限制了载荷的话，使用每次发货的重量数据就是不充分的。
4、集成（Integration）：系统集成必须全面支持数据的自动传递。
因为对物流系统优化来说，要同时考虑大量的数据，所以，系统的集成是非常重要的。比如，要优化每天从仓库向门店送货的过程就需要考虑订货、客户、卡车、驾驶员和道路条件等数据。人工输入数据的方法，哪怕是只输入很少量的数据，也会由于太花时间和太容易出错而不能对系统优化形成支持。
智能物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维，感知，学习，推理判断和自行解决物流中某些问题的能力。
体现方式：
智能物流的未来发展将会体现出四个特点：智能化，一体化和层次化，柔性化与社会化。
在物流作业过程中的大量运筹与决策的智能化。
以物流管理为核心，实现物流过程中运输，存储，包装，装卸等环节的一体化和智能物流系统的层次化。
智能物流的发展会更加突出“以顾客为中心”的理念，根据消费者需求变化来灵活调节生产工艺；智能物流的发展将会促进区域经济的发展和世界资源优化配置，实现社会化。
通过智能物流系统的四个智能机理，即信息的智能获取技术，智能传递技术，智能处理技术，智能运用技术。