基于云模型的第三方物流供應(yīng)商評價與選擇研究

陶利民

(杭州師范大學(xué)杭州國際服務(wù)工程學(xué)院，浙江 杭州 311121)

基于云模型的第三方物流供應(yīng)商評價與選擇研究

陶利民

(杭州師范大學(xué)杭州國際服務(wù)工程學(xué)院，浙江 杭州 311121)

為有效地處理評價過程中出現(xiàn)的模糊性及隨機(jī)性，提出一種基于云模型的第三方物流供應(yīng)商選擇方法，并通過實例分析，證明了此方法的有效性．利用評價結(jié)果，還能挖掘出更多有價值的信息，為企業(yè)管理者選擇第三方物流提供參考．

云模型；第三方物流；隨機(jī)性；模糊性；選擇指標(biāo)

隨著經(jīng)濟(jì)全球化及信息技術(shù)的快速發(fā)展，為了在激烈的市場競爭環(huán)境中取得優(yōu)勢，許多企業(yè)轉(zhuǎn)向物流要效益，因此對物流服務(wù)的要求越來越高，這樣第三方物流(third-party logistics，3PL)應(yīng)運而生，企業(yè)利用3PL供應(yīng)商所能提供的所有服務(wù)．就是說，商品的生產(chǎn)和流通企業(yè)，把商流中的物流活動，以合同方式委托給3PL，同時為達(dá)到對物流全程管理和控制的目的，通過信息系統(tǒng)與3PL供應(yīng)商保持密切的聯(lián)系．將物流外包給3PL供應(yīng)商能給企業(yè)帶來以下好處[1]：一是解決資源有限的問題，使企業(yè)更專注于其核心業(yè)務(wù)；二是降低企業(yè)經(jīng)營成本，從而取得價格優(yōu)勢；三是降低企業(yè)經(jīng)營風(fēng)險，同3PL供應(yīng)商共擔(dān)風(fēng)險；四是改善服務(wù)質(zhì)量，提高顧客滿意度；五是提高動作柔性，使企業(yè)具有快速響應(yīng)迅速多變環(huán)境的能力．基于此，越來越多的企業(yè)加入到物流外包的陣營中，然而，物流外包是一把“雙刃劍”，它給企業(yè)帶來效益的同時也隱藏著風(fēng)險[2]．就是說，并不是全部的物流外包都能夠成功，給企業(yè)經(jīng)營造成致命打擊的可能就是不恰當(dāng)?shù)奈锪魍獍袨椋虼耍?PL服務(wù)商提供服務(wù)的品質(zhì)直接影響到企業(yè)的競爭力，對企業(yè)來講，能否合理地選擇3PL供應(yīng)商直接影響到企業(yè)的長遠(yuǎn)發(fā)展．為此，企業(yè)應(yīng)建立一種3PL供應(yīng)商選擇機(jī)制，只有對3PL供應(yīng)商進(jìn)行合理有效的評估，才能正確判斷3PL服務(wù)商的實際經(jīng)營水平，以增強(qiáng)企業(yè)的經(jīng)營能力，進(jìn)而促進(jìn)企業(yè)整體效益的提升[3-4]．

若要合理地選擇3PL供應(yīng)商，就必須正確有效地評價3PL供應(yīng)商，其評價指標(biāo)受到多方面因素的影響，是一個多層次、多指標(biāo)的體系．不確定性普遍存在于主客觀世界中，最重要的兩種表現(xiàn)形式是隨機(jī)性和模糊性，這兩種不確定性也存在于評價工作中．評價工作中產(chǎn)生隨機(jī)性和模糊性的原因主要有三方面[5]：一是外界環(huán)境影響的不確定性；二是評價工作的復(fù)雜性；三是人類認(rèn)識的模糊性．3PL供應(yīng)商的評價中，也普遍存在隨機(jī)性和模糊性．就是說，3PL供應(yīng)商評價不僅與其客觀情況有關(guān)，還會受到評價者的知識和個性等因素影響．例如，不同評價者對于第三方物流領(lǐng)域理論知識及前沿發(fā)展動態(tài)的理解掌握不同，對同一個3PL供應(yīng)商情況的認(rèn)識就不同，這就出現(xiàn)了評價的模糊性；再如，由于個性、心理狀態(tài)的影響，可能出現(xiàn)同一個評價者對同一個3PL供應(yīng)商的多次評價，出現(xiàn)前后不一致的情況，這就出現(xiàn)了評價的隨機(jī)性．趙禮強(qiáng)等運用模糊理論評價和選擇3PL供應(yīng)商[6-10]，較好地解決了評價指標(biāo)描述語言的模糊性問題，不過存在兩方面的問題：一是沒有考慮到評價的隨機(jī)性問題；二是模糊評價過程中，獲取模糊評價矩陣具有較強(qiáng)的主觀性．為了使3PL供應(yīng)商評價更接近實際情況，就必須兼顧隨機(jī)性和模糊性問題，而云模型能夠有效地解決這一問題．因此，為彌補(bǔ)現(xiàn)有模糊評價方法的不足之處，本文將云模型運用到3PL供應(yīng)商評價中．云模型是一種定性定量轉(zhuǎn)換模型，是在綜合交叉了模糊學(xué)及統(tǒng)計學(xué)理論的基礎(chǔ)上提出來的，它有效量化了用自然語言描述的定性概念，能有機(jī)地結(jié)合模糊性及隨機(jī)性．定性語言值與定量數(shù)值之間的自然轉(zhuǎn)換能夠很好地由云模型實現(xiàn)．本文試圖利用云模型來綜合評價3PL供應(yīng)商，該方法的評價結(jié)果能夠更加準(zhǔn)確、具體、有效地反映出3PL供應(yīng)商的實際經(jīng)營情況及整體水平，為企業(yè)合理選擇3PL服務(wù)商提供決策依據(jù)．

1 云模型概述

1.1 云模型基本概念及數(shù)字特征

云模型是由李德毅[11]提出的，一種用于將定性概念與其定量數(shù)值表示之間不確定性進(jìn)行轉(zhuǎn)換的模型，它能充分體現(xiàn)自然語言中概念的隨機(jī)性和模糊性兩種不確定性，并將兩者關(guān)聯(lián)在一起，構(gòu)成定量與定性之間的相互映射[12]．

圖1 “80分左右”的正態(tài)云及其數(shù)字特征Fig.1 Normal cloud of "about 80 " and its digital characteristics

定義1(云和云滴) 設(shè)U是一個用精確數(shù)值表示的定量論域，C是U空間上的定性概念，若定量值x∈U，且x是定性概念C的一次隨機(jī)實現(xiàn)，x對C的確定度(隸屬度)μC(x)∈[0,1]是一個具有穩(wěn)定傾向的隨機(jī)數(shù)，則x在論域U上的分布稱為云，每個x稱為一個云滴(x,μC(x))[13]，云就是由許許多多這樣的云滴構(gòu)成的．

云模型中, 云的數(shù)字特征一般用(Ex,En,He)來表示(圖1)．云的數(shù)字特性實質(zhì)上反映了定性概念的定量特征，圖1就反映了定性概念“80分左右”的定量特征．其中：期望Ex(expected value)是概念在論域空間分布的期望；熵En(entropy)是定性概念不確定性的度量，表示定性概念的模糊度，由概念的隨機(jī)性和模糊性共同決定；超熵He(hyper entropy)是熵的不確定度量，即熵的熵，反映了云滴的凝聚度，它的大小間接地反映了云的厚度，由熵的模糊性和隨機(jī)性共同決定[11]．經(jīng)過嚴(yán)格的數(shù)學(xué)證明，對于數(shù)域中的定性概念，99.74%的定量值主要落在區(qū)間[Ex-3En，Ex+3En]中，這就是云模型數(shù)字特征的“3En規(guī)則”[11]．

1.2 云發(fā)生器

云發(fā)生器[14]是一種實現(xiàn)定性與定量相互轉(zhuǎn)換的算法，主要包括正向云發(fā)生器及逆向云發(fā)生器兩大類．正向云發(fā)生器的功能是實現(xiàn)從定性概念到定量值之間的映射，將定性概念通過不確定性轉(zhuǎn)換定量地表示出來，根據(jù)云的數(shù)字特征產(chǎn)生一系列的云滴[11]．正向云發(fā)生器算法的輸入是云的數(shù)字特征(Ex,En,He)和云滴數(shù)量N，輸出是N個云滴在數(shù)域空間的定量位置及每個云滴，代表概念的確定度，具體見算法1．逆向云發(fā)生器的功能就是實現(xiàn)從定量值到定性概念的轉(zhuǎn)換，它能將一定數(shù)量的精確數(shù)據(jù)轉(zhuǎn)換為以數(shù)字特征(Ex,En,He)表示的定性概念，其輸入是一系列定量數(shù)值；輸出是云的數(shù)字特征(Ex,En,He)[11]．具體見算法2．

算法1 正向云發(fā)生器算法[11]

INPUT: {Ex,En,He},N

OUTPUT: (xi,μi),i=1,2,…,N

FOR i=1 to N

En1 =RANDN (En, He)

xi=RANDN(Ex, En1)

Drop (xi,μi)

END

算法2 逆向云發(fā)生器算法[11]

INPUT:xi,i=1,2,…,N

OUTPUT: {Ex,En,He}

2 第三方物流供應(yīng)商選擇模型

建立基于云模型的3PL供應(yīng)商選擇模型的基本思路如下：首先要考慮3PL供應(yīng)商提供服務(wù)的特點，確定其選擇指標(biāo)體系，并確定各個指標(biāo)的權(quán)重；再確定評語集；然后將采集到的對于各個指標(biāo)的評價值，利用云模型的逆向云發(fā)生器(算法2)進(jìn)行加工處理，就可得到每個評價指標(biāo)的云模型及其數(shù)字特征；最后，結(jié)合權(quán)重將單個指標(biāo)的云模型數(shù)字特征進(jìn)行運算得到3PL供應(yīng)商綜合評價云模型，之后即可判斷其評價等級；根據(jù)評價等級，企業(yè)即可合理選擇3PL供應(yīng)商．其具體過程如下：

2.1 確定3PL供應(yīng)商選擇指標(biāo)體系及權(quán)重

3PL供應(yīng)商評價的科學(xué)性和準(zhǔn)確性關(guān)鍵在于指標(biāo)選擇是否合理．指標(biāo)的選取一般應(yīng)符合以下幾個原則：綜合性原則；獨立性原則；定性和定量性相結(jié)合的原則；可比性原則；層次性原則[15]．在參考已有研究成果[16-20]的基礎(chǔ)上，基于對3PL供應(yīng)商特點的綜合考量，構(gòu)建出了選擇指標(biāo)體系，具體情況如表1所示．

表1 3PL服務(wù)商選擇指標(biāo)體系

3PL服務(wù)商選擇指標(biāo)體系中各指標(biāo)對最終評價結(jié)果的影響程度是不一樣的，評價過程中指標(biāo)所起作用大小及其相對重要程度，可用權(quán)重來表示．根據(jù)專家經(jīng)驗法，可邀請業(yè)內(nèi)專家組成評價小組，根據(jù)指標(biāo)之間的相關(guān)重要性構(gòu)造出判斷矩陣，再通過AHP法對指標(biāo)判斷矩陣進(jìn)行計算可得出各指標(biāo)的權(quán)重因子(表1)．

2.2 確定評語集

確定最終的評價等級，即評語集．評價等級不宜分得過細(xì)，將3PL服務(wù)商選擇評價指標(biāo)體系的定性評價分為5個等級，即評語集={好，較好，一般，較差，差}．其相應(yīng)的定量值則采用百分制表示，評價等級的劃分以及相應(yīng)區(qū)間的表示，如表2所示．

2.3 確定各項指標(biāo)云模型及綜合評價云模型

表2 評價等級的評語值區(qū)間表

每個評價指標(biāo)項都采用云模型來表示．首先邀請物流專家、業(yè)內(nèi)人士從不同角度對3PL供應(yīng)商的各個二級指標(biāo)進(jìn)行打分；然后將專家打分作為數(shù)據(jù)樣本，利用逆向云發(fā)生器算法對每一個二級指標(biāo)的打分?jǐn)?shù)據(jù)進(jìn)行處理，即可得到每個二級指標(biāo)的云模型及其數(shù)字特征；再利用虛擬云理論綜合云算法：

(1)

將所有二級指標(biāo)的評價云綜合起來，則可獲得全部一級指標(biāo)評價云模型的數(shù)字特征；最后，利用同樣方法，可將一級指標(biāo)的評價云綜合起來，就能得到最終綜合評價云模型的數(shù)字特征．其中：wi代表第i個指標(biāo)的權(quán)重，(Exi,Eni,Hei)代表第i個指標(biāo)的數(shù)字特征參數(shù)，子指標(biāo)項的個數(shù)則用n表示．

2.4 確定評價等級

利用最終得到的綜合評價云模型參數(shù)，畫出整體的評價云圖．通過云模型的3個數(shù)字特征，結(jié)合數(shù)字特征的含義，對云圖中云滴的整體分布情況進(jìn)行分析，就可得出最后的結(jié)論．利用云模型進(jìn)行評價的好處在于不僅能得到評價等級，還能進(jìn)一步分析得到更深層次的信息，這是其它評價方法做不到的．一般Ex落在哪個評語值區(qū)間，就屬于哪個評價等級，這樣易于判斷；En充分地反映出評價等級的模糊性這一特征，其值越大評價等級越不確定，可通過云圖中云的寬度體現(xiàn)出來，云圖越寬就越模糊；He反映了評價的隨機(jī)性，可通過云圖中云層的厚度或云滴的離散性體現(xiàn)出來．對于這些隱含的信息，其它模型是很難直接挖掘得到的．3PL供應(yīng)商的評價等級確定后，就可作為企業(yè)選擇3PL供應(yīng)商的參考依據(jù)．

2.5 評價等級的驗證

可利用正向云發(fā)生器算法還原出足夠數(shù)量的云滴，算出落在各個評語值區(qū)間云滴的隸屬度，從而驗證評價結(jié)果的正確性．此外，如果被評價的3PL供應(yīng)商等級相同，則可根據(jù)其相應(yīng)等級隸屬度的大小進(jìn)一步比較，隸屬度值大的更優(yōu)．

3 實例分析

設(shè)要從甲、 乙和丙3個供應(yīng)商中選擇滿意的第三方物流供應(yīng)商，邀請15位物流專家、業(yè)內(nèi)人士對3家供應(yīng)商的各個二級指標(biāo)進(jìn)行評分．先以甲為例說明，以實際采集到的專家對甲的各個二級指標(biāo)的評分作為數(shù)據(jù)來源，對這些數(shù)據(jù)進(jìn)行處理時就能利用逆向云發(fā)生器算法，通過計算獲得各個二級指標(biāo)云模型的數(shù)字特征，如表3所示．

然后，可利用綜合云算法公式(1)，分別將表3中5個一級指標(biāo)下二級指標(biāo)的評價云綜合起來，得到全部一級指標(biāo)云模型的數(shù)字特征(表4)．

最后，利用式(1)，綜合所有一級指標(biāo)的評價云，得到3PL供應(yīng)商最終的綜合評價云模型，求出其云模型數(shù)字特征分別為：Ex=95.543，En=7.295，He=2.713．利用綜合評價云模型的數(shù)字特征值及正向云發(fā)生器算法可畫出綜合評價云圖(圖2)．

表3 二級指標(biāo)云模型的數(shù)字特征表

表4 一級指標(biāo)云模型的數(shù)字特征表

圖2 3PL供應(yīng)商甲的綜合評價云圖Fig.2 Comprehensive evaluation cloud image of a 3PL supplier

從圖2可知，被評3PL供應(yīng)商的綜合評價結(jié)果數(shù)字特征中的期望值Ex為95.322，散落在評語值區(qū)間(90,100)中，并且分布在此區(qū)間內(nèi)的云滴有兩個特點：一是數(shù)量最多，二是聚集程度最密集．據(jù)此分析，可得出該3PL供應(yīng)商的評價等級為“好”．

為了驗證評價等級確定的正確性，可利用正向云發(fā)生器算法對評價結(jié)果的云模型進(jìn)行10 000次的隨機(jī)模擬計算，以期還原出相應(yīng)云滴在各個評語值區(qū)間的分布特征．計算結(jié)果顯示，“好”、“較好”、“一般”、“較差”和“差”的個數(shù)分別為7256，2406，333，5，0．對應(yīng)評語集所屬的隸屬度分別為0.7256，0.2406，0.0333，0.0005，0．因此綜合評價等級隸屬于“好”這一等級，與前面的判斷保持一致，從而很好地驗證了此評價選擇模型的正確性．

用上述同樣方法，可獲得乙、丙供應(yīng)商的綜合評價云模型分別為(92.379,6.562,2.735)和(73.856,4.792,2.570)，判斷其評價等級分別為“好”、“一般”．因此，企業(yè)可從甲、乙供應(yīng)商中選擇．不過，同樣進(jìn)行10 000次的隨機(jī)模擬計算，供應(yīng)商乙屬于“好”這個等級的隸屬度(0.6259)小于甲(0.7256)，因此企業(yè)更傾向于選擇甲供應(yīng)商．

從表4可以看出，該供應(yīng)商在信息技術(shù)指標(biāo)方面Ex最高，說明該供應(yīng)商在各項指標(biāo)中信息化建設(shè)方面做得最好；En最小，說明專家在評價時比較一致，即該供應(yīng)商的信息技術(shù)水平受到專家們的一致肯定；不過He最大，說明評價的離散程度較高，主要是受到專家業(yè)務(wù)水平、心理狀況等因素差異的影響，不確定程度也高．同時，從表3還可看出，該供應(yīng)商在各項指標(biāo)中做得最不好的是準(zhǔn)時性方面，該項指標(biāo)的Ex值最?。?/p>

4 結(jié) 語

企業(yè)確定將物流業(yè)務(wù)外包后，選定優(yōu)質(zhì)的3PL供應(yīng)商只是雙方合作的第一步，也是物流外包能否成功的關(guān)鍵一環(huán)．要合理選擇3PL供應(yīng)商，就需對其進(jìn)行綜合評價．傳統(tǒng)的模糊評價選擇方法，只反映了評價的模糊性，而沒有考慮到隨機(jī)性，這樣評價過程的模糊性與隨機(jī)性無法共存．為彌補(bǔ)上述不足，本文提出了一種基于云模型的3PL供應(yīng)商選擇方法，該方法不僅體現(xiàn)了評價過程中語言描述的模糊性，而且反映了評價的隨機(jī)性，將模糊性與隨機(jī)性很好地關(guān)聯(lián)起來．通過云模型的特征參數(shù)，能將評價過程中的不確定性及評價的細(xì)節(jié)信息最大限度地保留下來，評價結(jié)果具有較好的參考價值．通過對評價云的深層次分析，還能挖掘到一些隱含的有意義的信息，這是其他方法難以做到的．本方法的評價結(jié)果能為企業(yè)管理者可靠、科學(xué)地選擇3PL供應(yīng)商提供合理的依據(jù)， 從而使企業(yè)戰(zhàn)略決策的有效性及權(quán)威性得到提升．

[1] 徐新燕. 基于風(fēng)險矩陣法的物流外包風(fēng)險評估[D].天津:天津師范大學(xué), 2012.

[2] 黃大容．物流外包的合作風(fēng)險分析與對策[J]. 物流技術(shù), 2005(11):100-101.

[3] 徐賢浩,湯澤淋. 基于風(fēng)險矩陣的物流外包風(fēng)險評估[J]. 物流技術(shù), 2006(5):67-69.

[4] 魏眾,申金升，陳繼軍，等. 企業(yè)物流外包風(fēng)險形成機(jī)理及防范研究[J]. 中國安全科學(xué)學(xué)報, 2005,15(1):55-58.

[5] 殷筱琴. 模糊綜合評價法在企業(yè)績效評價中的應(yīng)用研究[D]. 南京：河海大學(xué)，2005．

[6] 趙禮強(qiáng),徐嫻英,李一波. 第三方物流供應(yīng)商選擇的模糊決策方法[J]. 物流技術(shù)， 2003(9):35-37.

[7] 劇颯,李登峰. 第三方物流服務(wù)供應(yīng)商選擇的模糊相對比值法[J]. 物流工程與管理,2013,35(4):58-60.

[8] 史祎馨,張丹松. 基于模糊綜合評判法的第三方物流服務(wù)商選擇模型研究[J]. 物流科技,2006,29(9):5-8.

[9] 黨文峰，王忠偉. 基于層次分析法的物流業(yè)務(wù)外包的研究[J]. 物流工程與管理, 2014,36(1):27-30.

[10] 項麗. 企業(yè)物流外包風(fēng)險評價和控制：基于 AHP-模糊綜合評價方法的視角[J]. 企業(yè)經(jīng)濟(jì)，2013(4):72-75.

[11] 李德毅，杜鹢. 不確定性人工智能[M]. 北京：國防工業(yè)出版社, 2005．

[12] 劉常昱，李德毅，潘莉莉.基于云模型的不確定性知識表示[J].計算機(jī)工程與應(yīng)用，2004，40(2):32-35.

[13] 李德毅,孟海軍,史雪梅.隸屬云和隸屬云發(fā)生器[J].計算機(jī)研究與發(fā)展，1995，32(6)：15-20.

[14] 李德仁,王樹良,李德毅，等.論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的理論與方法[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2002,27(3):221-233.

[15] 劉曉峰,遠(yuǎn)亞麗. 基于改進(jìn)TOPSIS法的第三方物流供應(yīng)商選擇[J].物流科技,2011,34(3):102-105.

[16] 葉福穩(wěn),趙強(qiáng). 第三方物流服務(wù)商的選擇方法[J].物流技術(shù)與應(yīng)用,2013,18(1):104-105.

[17] HERTZ S, ALFREDSSON M. Strategic development of third party logistics providers[J]. Industrial Marketing Management, 2003, 32(2):139-149.

[18] 彭玉蘭,陳治亞. 第三方物流企業(yè)的選擇和評價研究[J]. 鐵道科學(xué)與工程學(xué)報,2011,8(1):123-128.

[19] TYAN J C,WANG F K,DU T C. An evaluation of freight consolidation policies in global third party logistics[J].Omega, 2003, 31(1):55-62.

[20] 王萃. 基于AHP 模糊綜合評判的第三方物流供應(yīng)商選擇研究[J]. 煤炭經(jīng)濟(jì)研究,2010,30(7):64-66.

On the Evaluation and Selection of Third Party Logistics Supplier Based on Cloud Model

TAO Limin

(Hangzhou Institute of Service Engineering, Hangzhou Normal University, Hangzhou 311121, China)

In order to effectively deal with the fuzziness and randomness that appear in the evaluation process of third party logistics, this paper presents a third party logistics provider selection method based on cloud model. Through case studies, the effectiveness of this method is proved. The evaluation results can explore more valuable information to provide references for business management to select third-party logistics providers.

cloud model; third party logistics; randomness; fuzziness; select index

2016-07-15

杭州師范大學(xué)科研啟動經(jīng)費項目.

陶利民(1975—)，男，講師，博士，主要從事服務(wù)外包管理、服務(wù)計算研究．E-mail：tlm5460@163.com

10.3969/j.issn.1674-232X.2017.04.016

C934

A

1674-232X(2017)04-0435-06