基于主成分與灰色關聯分析的乳制品供應鏈風險因素評價

曾佑新+宋斯達

[摘 要]隨著經濟的發展，對乳制品的需求逐年增加，而乳制品行業出現的問題也隨之增多，乳制品供應鏈面臨的風險也越來越多。為了評估乳制品供應鏈面臨的風險，文章使用主成分分析法及灰色關聯分析相結合的方法對乳制品風險因素進行評估，并針對風險較大的因素提出了相應的建議。

[關鍵詞]乳制品；供應鏈風險；主成分分析；灰色關聯分析

[DOI]10.13939/j.cnki.zgsc.2017.09.156

1 引 言

隨著經濟的高速發展，人們的生活水平逐漸提高，人們對乳制品需求也越來越高，不少家庭將乳制品作為生活營養品。同時隨著乳制品的盛行，生產乳制品的廠商也越來越多，而原來的乳制品廠商也在逐漸擴大自己的生產規模，形成了較為完善的供應鏈，而供應鏈的環節眾多，任一環節上出現問題就會影響整個供應鏈，使得供應鏈的運作出現問題，最終影響到消費者，所以對乳制品供應鏈環節風險的把控至關重要。

幾年前的三聚氰胺事件至今還在人們腦海中留下了深刻的負面影響，使得人們對國產乳制品不信任。越來越多的生產商也加大了乳制品行業的競爭。乳制品本身的質量問題就更加得到了關注，不僅僅是人們對各類乳制品的相互對比，政府也加強了乳品行業的安全監督與管控。這就要求企業與廠商更加完善和管理自身供應鏈，加強供應鏈的風險防范措施。

乳制品供應鏈相比其他供應鏈來說有著自己的特點。首先，乳制品屬于食品，安全與衛生至關重要，這要求在生產過程中有嚴格的消毒設備，合格的工藝手段，以及完善的檢測標準。其次，乳制品由于保質的問題，要求冷鏈運輸。最后，乳制品的存放與銷售也要考慮到保質期的問題。如何讓消費者買到安全放心的乳制品是個至關重要的問題。

2 相關理論及方法

2.1 主成分分析

主成分分析法是一種降維的統計方法，它借助于一個正交變換，將其分量相關的原隨機向量轉化成其分量不相關的新隨機向量，這在代數上表現為將原隨機向量的協方差陣變換成對角形陣，在幾何上表現為將原坐標系變換成新的正交坐標系，使之指向樣本點散布最開的p個正交方向，然后對多維變量系統進行降維處理，使之能以一個較高的精度轉換成低維變量系統，再通過構造適當的價值函數，進一步把低維系統轉化成一維系統。主成分分析方法的步驟如下：

（1）原始數據標準化。分析或評價中確定的各個指標，都有不同的量綱、不同的數量級，而不同量綱、不同數量級的數據不能放在一起直接進行比較，也不能直接用于多元統計分析，需要對指標的數值進行標準化處理，以消除其量綱、數量級上的差異，使其具有可比性。

（2）計算相關系數矩陣。通過計算相關系數矩陣，可以得出各因素變量之間的相關關系，關聯系數越大則代表各因素之間重復的信息越多。

（3）計算相關系數矩陣的特征值和特征向量。

（4）確定主成分。選取特征值大于1，并且累計貢獻率大于85%的前p個變量作為主成分，這p個主成分包括了所有因子85%以上的信息，因子個數減少起到了因子篩選的作用。根據主成分載荷與特征值可以得到主成分表達式。

2.2 灰色關聯分析

灰色關聯分析法是對于兩個系統之間的因素，其隨時間或不同對象而變化的關聯性大小的量度，稱為關聯度。

在系統發展過程中，若兩個因素變化的趨勢具有一致性，即同步變化程度較高，即可謂二者關聯程度較高；反之，則較低。

（1）求個序列的初值像

將序列中的各項除以序列中的首項得到新的序列

（2）求差序列

3 乳制品供應鏈因素分析

3.1 指標體系的建立

根據乳制品供應鏈流程，從原奶生產，經過加工包裝，配送至分銷商和銷售商，最后再銷售給消費的流程中，逐步分析每個環節所存在的風險因素，設計了乳制品供應鏈風險因素二級指標體系，得出5個1級指標和14個2級指標如下圖所示。

乳制品風險指標體系

3.2 數據及標準化處理

邀請本行業專家分別對上圖中的各個風險因素打分，對各個因素賦予0～1的權重，權重越大代表風險越高，并將數據進行標準化處理，如表1所示。

3.3 主成分的提取

根據公式計算各因素之間的相關系數，如表2所示。可以發現其中有些因素之間存在較大的相關性，適合使用主成分分析。

計算相關系數矩陣的特征值與特征向量，特征值可以被看作主成分的影響力大小的指標，如果特征值小于1，說明該主成分的作用還不如直接引入一個原變量的作用大，因此主成分個數的提取原則之一為主成分對應的特征值大于1。根據表3的特征根，前4項成分的特征值大于1，并且累計貢獻率達到了91%，說明包含了大多數指標的信息，所以認為前4項成分為新的指標。

3.4 主成分表達式

主成分特征向量表示主成分和相應的原變量的相關關系，通過主成分載荷除以主成分對應的特征值平方根得到，絕對值越大，則主成分對該變量的代表性越大。以主成分F1，F2為例，各因素前的權重越大，代表該主成分包含的該因素的信息越多，但是主成分取4個，所以僅依賴某個主成分不能得出該因素的的重要性，依然要靠總體得分來評定。

3.5 主成分得分

將原始數據代入主成分表示式中，可以分別得到各主成分的得分和總體得分，總體得分分別為Y=（-0.090，0.437，0.217，0.225，0.246，0.518，-0.029，0.275）

3.6 灰色關聯度

將總體評分作為新的參考序列成立新的指標體系，并計算各指標因素與新序列的關聯度，初值化序列之后得兩極最大差與最小差，分別是M=12.998，m=0。

根據公式可得灰色關聯度，如表4，與參考序列關聯越大風險越大。由排序可知運輸車溫度X7，運輸時長X8，儲存環境X9產生和面臨的風險較大。

4 結 論

顯然在乳制品供應鏈中，原料及產品的運輸及儲存往往面臨著較大的風險。同時由于信息不對稱，也造成了較大的風險。

首先，在運輸時間上，合理配送可以有效減少運輸時間，在有限的保質期內，減少運輸時間相當于給銷售環節提供了更多時間，同時也給消費者更長飲用周期。一方面，可以加強配送設施，增加配送節點，提高運輸的準確性，減少錯誤訂單，訂單不及時等現象；另一方面，優化配送路線和配送模式，從而達到節省時間的目的。其次，在運輸溫度上，升級運輸設備，加強運輸車的溫度管理，引入最近的冷凍技術，防止因溫度不當影響產品質量，同時應制定相關的規定，提高操作人員和技術人員的水準，對設備進行有效的檢查和維護。在供應鏈中，信息不對稱的現象普遍存在，這就需要供應鏈的各環節資源信息共享，加強各環節的合作，從整個供應鏈利益出發，降低風險。

乳制品對改善人體膳食、加強營養有著非常重要的作用，本文從風險識別，評估方面評價了乳制品風險指標，并提供了相關建議，相信今后乳制品的需求也會越來越大，乳制品風險管理也會成為各企業需要重視的環節。

參考文獻：

[1]張蔚俊，鄭錦榮.基于主成分和灰色關聯度綜合分析法的食品安全因素分析[J].中國農學通報，2014，30（3）：295-301.

[2]孫曉東，胡勁松，焦玥.基于主成分分析和灰色關聯聚類分析的指標綜合方法研究[J].中國管理科學，2005（13）：18-22.

[3]李贏.乳制品供應鏈質量風險評價和控制研究[D].北京：北京交通大學，2016.

[4]韓高文.乳制品供應鏈中的食品安全風險識別與評估[D].天津：天津科技大學，2013.

[5]孔德財.乳制品冷鏈物流系統風險評價研究[D].長沙：長沙理工大學，2014.

[6]鮑學英，李海連，王起才.基于灰色關聯分析和主成分分析組合權重的確定方法研究[J].數學的實踐與認識，2016，46（9）：130-134.

[7]鄧文博，葉影霞.基于主成分分析的參數法在供應鏈風險管理中的應用[J].物流技術，2012，31（5）：200-209.