物流運作的底層結構
五元組 × 三流程 × 雙網絡——打造雙軸轉型時代的共同語言
2026 年的物流管理者，被三個問題同時追著跑：AI 能不能真的跑出 ROI？金管會分階段接軌 IFRS S1/S2，Scope 3 盤查要從哪裡抓起？紅海危機延燒兩年，供應鏈韌性怎麼規劃？面對這三重壓力，需要的不是更多新名詞，而是一張能把所有新變數收納進同一個底層結構的「地圖」。本文提出五元組 × 三流程 × 雙網絡的三層框架，作為 DX × SX 雙軸並行的共同起點。
許多物流管理者都曾在會議室裡遇過這樣的場景：資訊部門談 WMS 與 TMS 整合、永續部門談 Scope 3 盤查、營運部門談人力排班，三套語言各自為政，一旦要把議題放在同一張戰略圖上對齊，就會發現每個人畫的圖都不一樣。這些議題表面各異，其實全部都卡在同一個空缺上——物流管理的知識體系，一直缺少一個「本體層」。AI 要導入、碳帳要盤查、韌性要規劃，全都必須踏在同一塊底層結構上才有辦法展開。本文的三層框架——五元組 × 三流程 × 雙網絡——正是為了填補這個空缺。
回到定義：物流是供應鏈的「主軸」，不是「一段」
本文採用美國供應鏈管理專業協會（CSCMP）的操作型定義：物流管理是供應鏈中「計畫、執行、控制」原料、成品與相關資訊，由來源到消費之正向與逆向流動與儲存的那一段。這段定義有三個關鍵字：「流動與儲存」、「正向與逆向」、「原料與成品與相關資訊」——流動與儲存對應實體面；正向與逆向呼應循環經濟與歐盟 CBAM 2026 正式徵費；相關資訊則是下文「資訊層」的伏筆。
一個常見誤解是把物流當成供應鏈時序中的「某一段」——排在製造之後、配送之前。真實結構是：物流是橫向貫穿「原物料採購 → 生產製造 → 流通銷售 → 消費使用」四個階段的一條主軸。與它平行貫穿的，還有商流（所有權移轉、合約、通路代理）與金流（價款支付、應收應付、月結清算）。而資訊流不是第四條平行活動，而是商／金／物三主流活動的伴生層——它讓三者得以被追蹤、被稽核、被優化。這個結構解釋了為什麼 WMS、TMS、OMS、ERP 的整合問題不是介接技術問題：四套系統服務的是不同的流，若沒先把物／商／金／資的架構畫清楚，任何整合方案都是在沙上建塔。
五元組：物流事件的最小構件
如果要用一句話回答「物流由什麼構成？」，答案是：人、貨、場、車、路。五個字看似簡單，卻是本系列後續討論的共同詞彙。本文稱之為「五元組」（5-Tuple）——任何一個物流事件，小到一張訂單出貨，大到全國配送網絡一整天的運轉，都可以被分解為這五類元素的組合運動。
| 元素 | 涵蓋內容 | 關鍵屬性與常見現場觀察 |
|---|---|---|
| 人 | 作業員、調度員、管理者、司機、客戶、監管者（稅務／海關／永續稽核者）。 | 是唯一會「學習」也唯一能「負責」的本體元素。高齡化與人力缺口是許多物流現場真正的 DX 痛點。 |
| 貨 | 商品本體、包材（箱／棧板／容器）、識別載體（條碼／RFID／單據）；須區分所有權與品質狀態。 | SKU 主檔混亂是月結差異的首要原因，也是 AI 訓練資料品質的第一關。 |
| 場 | 貨會停留與處理的一切場地：DC、FC、冷鏈倉、保稅倉、Cross-Dock、AS/RS、前置倉（MFC）、Hub 轉運站、月台、暫存區、車場。 | 「場」比「倉」更廣——涵蓋貨物停留與處理的所有節點。每多一個場就多一層庫存週轉風險。 |
| 車 | 場內載具（堆高機／AGV／AMR）、配送車（廂型／冷藏）、長程運輸車（聯結車／貨櫃／船／空運／鐵路）。 | 載重、容積、溫層、動力來源、駕駛人資格為五大屬性。SX 時代「動力來源」從次要屬性升格為主角。 |
| 路 | 實體路徑（公路／鐵路／海運／空運／內河）與虛擬路徑（API／EDI／IoT 通道）；兩類交織決定全通路成熟度。 | 前者決定可達性，後者決定即時性。「全通路」本質是兩類路徑的交織整合程度。 |
穿透五元組的資訊層：脈絡、可追蹤、可解釋
然而現場實務告訴我們：光有五元組還不夠。每一個人、貨、場、車、路在運作時都會產生資料——作業員的工時、SKU 屬性、車輛軌跡、儲位狀態、路線通行時間。這些資料單獨存在時意義有限，但被串接、被賦予脈絡、被跨系統對齊後，就形成了穿透五元組的資訊層。這個地位與前段「資訊流是商／金／物的伴生層」完全對稱：在供應鏈層級，資訊流伴生三主流；在物流本體層級，資訊層伴生五元組。道理相同：沒有伴生的資訊層，主體活動就無法被追蹤、被稽核、被優化。
資訊層的戰略重要性，可以拆解為三個核心價值：
- 脈絡呈現（Context）——「堆高機 F-07 電量 20%」這筆資料本身不重要，重要的是「F-07 由 Ware 操作、位於儲位 A-03-12、還有三筆揀貨任務待完成」這個完整脈絡。
- 可追蹤（Traceability）——客戶一通退貨電話，若資訊層健全，五分鐘內就能定位「哪筆訂單、哪位揀貨員、哪條路線、哪位司機、何時簽收」；若不健全，可能要翻五天紙本單據。
- 可解釋（Explainability）——AI 時代特別關鍵。當 LLM 給出建議（例如「儲位建議改為 A 區」），管理者能不能追問「為什麼？」——取決於資訊層能否把決策背後的事實鏈條呈現出來。沒有可解釋性的 AI，對管理者不是工具，是風險。
五年前，筆者參與一項智慧物流規劃案，走進某大型流通業的物流中心時，聽到一位高層在會議上說：「我們的倉庫，就是大家看得到的那些設備，當務之急就是引入自動立體倉與相關自動化設備……」——當下就預判這家公司會走一段彎路。為什麼？因為他們只看見了五元組的實體層，卻忽略了穿透其中的資訊層。不管引進何種新設備——AS/RS、RFID 閘口、AGV/AMR 揀貨機器人——都無法繞過同一個底層問題：ERP、WMS、OMS 三套系統的 SKU 編碼對不上，同一個貨主被建了三組代碼；資料本身不是沒有，但脈絡斷了、追蹤斷了、更談不上可解釋。若不先痛定思痛把資訊層重建起來，貿然堆疊設備也是緣木求魚。
SKU 主檔、訂單流、庫存快照、員工班表、貨主帳單——這些不是獨立的第六類元素，而是穿透五元組運作的資訊層。它在機器可讀層級的具體化形式，就是當代 AI 最關鍵的資料結構——物流知識圖譜（LKG）：節點是五元組的具體實例（作業員 Ware、堆高機 F-07、儲位 A-03-12），邊是元素之間的關係（「Ware ─[操作]→ F-07」），屬性則攜帶了資訊層的脈絡（載重、電量、碳排係數）。五元組是人的本體觀點，知識圖譜是機器的本體觀點——兩者承載相同內容、只是表達形式不同。
三流程：元素的動態劇本與例外層
五元組告訴我們「物流由什麼組成」；三流程則回答「這些元素如何運動」。本文以 SIPOC 模型（Supplier → Input → Process → Output → Customer）把物流抽象成三大階段：收、存、送。
- 收（Inbound） 從供應端到倉儲入庫：收貨 → 驗收 → 上架；Output 是「已上架、系統已登記」的庫存。
- 存（Storage & Handling） 倉內所有操作：儲位管理、揀貨、流通加工、盤點、補貨；Supplier 與 Customer 常是內部模組。
- 送（Outbound） 從倉到客戶：複核 → 包裝 → 裝載 → 運送 → 配送 → 簽收；Output 是完成簽收的交貨事件。
三階段不是線性單向的。退貨、回收、再配送會讓流程從「送」回到「收」，形成封閉迴圈。更關鍵的是：五元組是角色，三階段是劇本——同一輛車在「收」階段是供應商貨車、在「送」階段是自有配送車；同一位作業員在三階段分別是驗收員、揀貨員、包裝複核員。流程不是角色的屬性，而是角色被放進的情境。
實務上，真實流程不會像 SIPOC 圖那麼乾淨——永遠有例外：退貨重收、急件重排、供應商中途抽換、系統斷線。正確的做法是把流程設計分成三層：主流程（80% 正常情境）、例外流程（15% 可預期異常）、應變流程（5% 不可預期情境）。三層各有自己的 SIPOC。好的流程設計，不看它畫得多漂亮，要看它能不能畫得出例外。一家公司的數位成熟度，往往可以從它能不能把例外流程系統化來判斷——這才是 DX 韌性的真實指標。
雙網絡：節點與連線的實體／虛擬結構
當物流從單點事件擴張到跨區域、跨國規模時，還需要更高層的結構——網絡。網絡由兩類元素構成：節點（發生儲存、轉運、交付動作的點，如 DC、FC、Hub、Depot）與連線（節點間的實體連結與虛擬連結，後者包含 API、EDI、MQ、IoT 回報通道）。實務上最常見的四種典型網絡結構如下：
| 網絡結構 | 運作邏輯 | 主要弱點 | 適用場景 |
|---|---|---|---|
| Point-to-Point 點對點 |
每個供應節點直連每個需求節點。 | 路線數量 = 供應節點 × 需求節點，規模變大指數爆炸。 | 少量節點、高頻直送、時效優先（冷鏈次日達）。 |
| Hub-and-Spoke 軸輻式 |
所有節點先匯集到中央樞紐，再分送到目的節點。 | Hub 癱瘓則全系統停擺；關鍵 spoke 阻斷則整條連線失能。 | 大規模長程運輸（國際快遞、宅配、航空貨運）。 |
| Milk Run 巡迴式 |
一輛車沿固定路線依序收／送多個節點。 | 後端節點等待時間長；錯一站全線延誤。 | 市區配送、製造業 JIT 物料供應、連鎖通路補貨。 |
| Multi-Echelon 多階層 |
中央倉 → 區域倉 → 前置倉 → 客戶多層級結構。 | 每多一層多一層庫存；層間資料斷點多。 | 電商大規模平台、全通路分區履約。 |
過去談網絡只能談得到實體節點與實體連線。數位轉型加入了第二層——雲端平台、Control Tower、電子簽收系統（ePOD）、智能調度引擎——這些不是實體倉庫或車隊，但扮演「資訊轉運點」的角色。換言之，今天的物流網絡是實體網絡與資訊網絡的雙層疊加：前者決定貨物的可達性，後者決定事件的即時性。一個常被忽略的推論是：當實體網絡受災，若資訊網絡健全，企業還能即時重規劃；若資訊網絡癱瘓，即使貨都在、車都在、人都在，整個網絡也會停擺。資訊網絡的韌性，是現代物流韌性的底線。
雙軸轉型矩陣：從本體回到戰略路徑
本體結構不是靜止的。過去十年有兩股力量正同時重塑本體圖：數位轉型（DX）與永續轉型（SX）——本文合稱「雙軸轉型」。DX 的衝擊：資料升格為穿透的資訊層、虛擬節點加入網絡、事件驅動架構（EDA）把流程從循環式改為脈衝式。SX 的衝擊更根本：碳成本成為流程效能新維度，讓原本「最有效率」方案重新被評分；逆向物流從成本中心升格為 CSR 與法規遵循主戰場；載具動力源開始綠化。
為了把本體落實在戰略決策上，本文提出雙軸轉型矩陣：橫軸 DX 成熟度（L1–L4）、縱軸 SX 成熟度（L1–L4），交叉形成四象限——L1 傳統物流、L2 數位先行、L3 綠色先行、L4 雙軸並進。每家企業先自我定位，再決定三年後要往哪個象限移動。一個實務上的提醒：雙軸不能獨立推進——單純追 DX 不顧 SX，三年後碳帳資料顆粒度不足，AI 再強也跑不出合規報告；單純追 SX 不顧 DX，人工填報的碳帳無法通過第三方確信。兩軸在本體層共享同一份資料——任何一個走得更遠，都會被另一個拖累。
知道物流「是什麼」還不夠，還要知道它「如何被看見」——這是下一篇的主題：資訊觀點。以及它「如何做出選擇」——這是第三篇的主題：決策觀點。本體 → 資訊 → 決策，是整個系列的三階階梯。