基于物流計算機實驗室的創(chuàng)新模型研究

劉 松， 鄢 瓊

(仲愷農(nóng)業(yè)工程學院 基礎實驗中心, 廣東 廣州 510225)

基于物流計算機實驗室的創(chuàng)新模型研究

劉 松， 鄢 瓊

(仲愷農(nóng)業(yè)工程學院 基礎實驗中心, 廣東 廣州 510225)

采用TOPSIS法(優(yōu)劣解距離法)設計一種新型的符合實驗室物流專業(yè)應用的模型，通過采取熵權對屬性權重判定等方法進行了理論模型的建立。針對實驗室拓展需要，進行了某汽車公司的實施應用。結果表明，設計的物流模型可以確定最佳選址。這一研究對于物流業(yè)務運營和物流實驗室的創(chuàng)新發(fā)展具有一定的意義。

物流實驗室； TOPSIS法； 權重判定

與其他發(fā)達國家相比，我國的汽車物流發(fā)展較為落后。現(xiàn)代物流經(jīng)歷了以下幾個發(fā)展階段：軍事服務/倉儲運輸→內部綜合物流/第三方物流→供應鏈與迅速客戶反饋；廠家自己存儲與自己運輸→第三方物流；將廠家作為中心→將客戶作為中心[1-3]。我國現(xiàn)階段還只是剛剛形成第三方物流，與西方國家相比，至少落后10年。最初的以交易費用理論為基礎的物流外包概念是由Coase于1937年提出的，他認為在配置資源時市場與企業(yè)是可以相互替代的，而使用哪種手段則要視市場定價和企業(yè)內官僚組織的成本的關系而定[4-5]。基于Coase的理論，Willianmson進行了深入研究并提出自己的想法，在他看來，技術、人員以及行為特性是交易成本的幾個核心概念，即資產(chǎn)專用性、有限理性以及機會主義[6-7]。經(jīng)過對物流外包進行研究發(fā)現(xiàn)，其理論研究由最初的單一學派發(fā)展為現(xiàn)在的多學派，而且這些理論之間存在著互補與互融的關系[8-11]。在企業(yè)物流與供應鏈管理的快速發(fā)展和物流外包模式的深化的推動下，高端物流服務產(chǎn)業(yè)正逐步取代傳統(tǒng)的物流服務產(chǎn)業(yè)模式。

1981年，TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法出現(xiàn)了，它有另外一個名稱，即優(yōu)劣解距離法，是與理想解比較接近的一種排序法，常被用于對多目標的決策與分析[12-13]。在評價供應商績效時，該算法除了能夠將較為影響企業(yè)經(jīng)營的因素直觀地呈現(xiàn)出來，企業(yè)還能夠根據(jù)自身的實際情況對物流外包商進行選擇，為了滿足客戶的需求，物流外包商也就不斷地發(fā)展自己，這樣，企業(yè)和物流外包商均能得以良好的發(fā)展[14-16]。所以，這個方法非常靈活。與目前部分企業(yè)所使用的方法相比，TOPSIS法更佳。基于上述背景，本文采用TOPSIS法設計了一種新型的符合實驗室物流專業(yè)應用的模型。

1 TOPSIS法理論模型設計

假定備選方案數(shù)目為m，創(chuàng)建對應的決策矩陣，且上面的12個指標屬性包含其中。構建一個包含12個屬性的指標體系，以對n個方案的好壞進行評價，用yij(yij∈(0,1))來表示第i個評價對象的第j個指標值，可獲得所有方案的特征值矩陣，用Y=(yij)來表示。若j值是固定的，那么yij差別越大，各評價對象之間的指標值相差越大，評價對象受到指標的影響也越大，該指標也就可以反饋更多的信息。

(1)

以上yij表示的是第i個方案的第j個屬性的數(shù)值結果，而0

(2)

(3)

(1) 采取熵權法對屬性權重進行確定。對于信息論中的事物，熵為不確定性的代表，是決策定量化的創(chuàng)新。信息反映的是一個系統(tǒng)的有序程度，而熵反映的是一個系統(tǒng)的無序程度，它們一正一負，絕對值是一樣的。根據(jù)熵的概念，決策精確度與可靠性在一定程度上取決于決策中所得信息的質量與數(shù)量。在評價不同的決策時，熵是一個非常不錯的選擇，不確定性與熵值是成正比的。根據(jù)熵的概念，決策精確度與可靠性在一定程度上取決于決策中所得信息的多少與質量。

下式為第j項指標的熵：

dij

(4)

指標差異度的計算公式：

(5)

熵權的計算公式：

(6)

因此熵權有：

W=(W1，W2，…，W12)

由上面的式子可知，如果di1=di2=…=din，熵值Hj值最大，此時熵權為0，即第j個指標所提供的信息對于決策者而言無任何參考價值，所以可刪掉這個指標。當熵指標值上升時，熵權與該指標的重要性就會降低。對于信息，熵權表示的是指標所提供信息的價值。因此，屬性權重可由求得的熵權來表示，熵權增大，權重與指標屬性的重要性也隨之增大。

(2) 通過AHP確定主觀權重。評價指標體系中的評價指標為m個，對比每兩個評價指標以獲得判斷矩陣，判斷矩陣如下：

(7)

由B×W=λmaxw得出矩陣B的最大特征值與特征向量，分別為λmax和W=(L1，L2, …，L12)。對所得特征向量進行歸一化化處理，得到

W*=(b1，b2, …，b12)，i=1,2,…,12

(8)

以下是矩陣B的一致性比例：

CR(B)=(λmax-m)/[(m-1)RI]=

(λmax-12)/(11×RI)

(9)

上式中RI代表平均隨機一致性指標。見表1。

表1 平均隨機一致性指標

由表2可知，如果CR(B)小于0.1，那么B是符合一致性判斷矩陣，則m個評價指標的權重是W＊=(b1，b2, …，b12)。然而，要計算λmax需要對n=12次方程進行求解，3次及以上的方程計算難度相對較大，這時求解λmax近似值的方法是一個不錯的選擇，該算法的具有非常高的精度，誤差非常小。以下是該近似算法：

① 對于矩陣B，各行元素連續(xù)相乘并開n=12次方：

(10)

② 計算權重：

(11)

③ 將每一列元素相加：

(12)

④ 求解λmax：

(13)

(3) 通過線性方法確定綜合權重。通過兩方面來確定綜合權重，即熵權法表示的是以備選點有效性為基礎的屬性數(shù)值間的客觀關系；AHP表示的是權威人士的主觀看法。通過線性方法對綜合權重進行確定：

G=aW*+(1-a)W

(14)

上式中的a代表的是主觀偏好系數(shù)，專家來確定該值，0≤a≤1。

(4) 規(guī)范決策矩陣的求解所采取的方法是向量規(guī)范化。決策矩陣向規(guī)范決策矩陣轉化的公式如下：

(15)

(5) 創(chuàng)建加權規(guī)范矩陣X={xij}。各屬性權重乘以其對應矩陣中的元素，以下為其表達式：

X=(xij)m*n=[G×Zij]

(16)

(17)

(18)

(7) 求不同方案與理想解和負理想解之間的距離。

(19)

(8) 求不同方案的綜合評價指數(shù)，按照指數(shù)從大至小的順序來選擇出最理想的選址方案。

2 某汽車公司的實施應用

某汽車公司在某個物流業(yè)務中有四家外包供應商，分別是第三方物流1、2、3、4。然后定期考核它們，擇優(yōu)選擇。解決該問題所采取是TOPSIS法。為所有評價目標打分，結果以矩陣形式來呈現(xiàn)，也就是所謂的特征矩陣。規(guī)范化特征矩陣，從而獲得規(guī)范化矩陣：

由遞階層次：A—B1B2B3B4， B1—a1a2a3， B2—a4a5， B3—a6a7a8， B4—a9a10，可以得到判斷矩陣：

接著規(guī)范化特征矩陣，獲得規(guī)范化向量：

由幾個指標的權重向量：

① (0.374,0.196,0.355,0.076)

② (0.540,0.298,0.163)

③ (0.5,0.5)

④ (0.5,0.25,0.25)

⑤ (0.5,0.5)

可獲得所有評價指標的綜合權重：a1—0.22 a2—0.19 a3—0.08 a4—0.14 a5—0.15

a6—0.21 a7—0.10 a8—0.11 a9—0.06 a10—0.06

然后建立加權規(guī)范陣：

接著是理想解與負理想解的確定：

x*=(0.104，0.090，0.025，0.055，0.056，0.055，0.054，0.056，0.024，0.025)

x0=(0.102，0.087，0.045，0.051，0.060，0.124，0.054，0.046，0.024，0.021)

最終獲得所有備選方案的歐式距離與綜合評價指數(shù)。

通過以上步驟可知，綜合評價指數(shù)最高的是第三方物流4，故其是該汽車公司的最佳選擇。

3 結語

目前，大大小小的汽車公司第三方物流企業(yè)非常之多，競爭十分激烈，深入分析某汽車公司的物流外包現(xiàn)狀，是為了能夠找到一個較為理想的物流外包方案。對汽車公司而言，由第三方物流公司負責自己的物流業(yè)務是十分明智的決定，因為這能有效地整合汽車公司的業(yè)務及其價值的實現(xiàn)，換句話說，物流業(yè)務外包使汽車公司的結構、運營模式得到了改進，可以說是一個很大的突破。

References)

[1] 李著成.新形勢下高校物流實驗室的建設實踐[J].實驗室研究與探索,2014,33(12):273-276.

[2] 李強,萬勝利.高職物流管理專業(yè)第四代物流實驗室建設[J].物流工程與管理,2014(1):214-216.

[3] 李著成.物流實驗室的建設與開放探索[J].實驗技術與管理,2013，30(11):237-240.

[4] 胡艷.基于Web3D技術的虛擬物流實驗室設計[J].電腦編程技巧與維護,2016(10):80-81,98.

[5] 王成林,韓云霞,王又軍，等.基于系統(tǒng)化思想的物流實驗室構建研究[J].物流技術,2013,32(9):464-466.

[6] 許敏.基于物流實驗室的《運輸管理》課程教改模式研究：以福建商業(yè)高等專科學校為例[J].福建商業(yè)高等專科學校學報,2014(1):63-67.

[7] 王成林,張旭鳳,李廣龍，等.未來物流實驗室功能擴展研究[J].物流技術,2013(10):277-279.

[8] 劉貴容,孫璽.應用科技型物流實驗室建設模式分析[J].實驗技術與管理,2014,31(4):224-227.

[9] 吳晟,朱力.基于FMS/ERP系統(tǒng)的物流實驗室建設研究[J].物流技術,2013,32(6):1-3.

[10] 徐斌.面向本科教學的物流實驗室建設探討[J].安徽工業(yè)大學學報(社會科學版),2015,32(3):129-130.

[11] 張錦,曾倩,陳義友，等.基于變權的物流資源公平分配方法[J].西南交通大學學報,2016,51(3):563-570.

[12] 方醒.關于校企合作共建物流實驗室的探討[J].赤峰學院學報(自然科學版),2016,32(8):210-212.

[13] 李源,賈孝魁.高職物流專業(yè)實驗室建設的思考：以河南機電高等專科學校為例[J].河南機電高等專科學校學報,2015,23(4):42-44.

[14] 李金夫,庹先國,劉勇，等.關于整車物流運輸車輛路徑優(yōu)化設計的研究[J].計算機仿真,2016,33(4):184-188.

[15] 王想,肖新清,朱志強，等.鮮食葡萄冷鏈物流氣體傳感器響應特征試驗研究[J].農(nóng)業(yè)機械學報,2016,47(1):240-246.

[16] 陳偉,楊柏.國際化導向下外語院校物流管理專業(yè)實驗室建設研究[J].物流工程與管理,2014(9):230-232.

Research on innovative model based on logistics computer laboratory

Liu Song，Yan Qiong

(Experimental Teaching Center, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China)

By using TOPSIS method (Quality Solution Distance Method), a new model for the laboratory logistics speciality is designed and a theoretical model is established by adopting the entropy weight method to determine the weight of attributes. For the needs of the laboratory expansion, it is applied to an automobile company, and the results show that the designed logistics model can determine the best location. This research has certain significance for the innovative development of logistics operation and logistics laboratory.

logistics laboratory; TOPSIS method; weight determination

10.16791/j.cnki.sjg.2017.06.016

2016-11-18

2014年度廣東省高等教育教學改革項目(GDJG20141159)

劉松(1980—)，男，湖北武漢，碩士，工程師，主要從事網(wǎng)絡技術與網(wǎng)絡安全研究.

F252

A

1002-4956(2017)06-0065-04