基于AHP模糊綜合評判的公路貨運物流供應商能力研究

趙芬霞，李坤燕，宋 爽，王雨嫣

(天津商業大學 理學院，天津 300134)

1 引言

近年來社會經濟急速發展，同時帶動了物流行業快速發展，而公路貨運物流是整個物流行業的核心[1]。公路貨運企業建設企業物流信息平臺,可實現物流信息全程可追蹤、動態可視化管理、實現資源整合與匯聚，優化配置，提升企業競爭力。信息化的貨運物流信息平臺[2]可展現供應商的各類共享信息，通過物流供應商和客戶的對接使客戶收集供應商相關數據更加便捷，可進一步對所選擇物流供應商的運輸能力給予客觀評判。

德爾菲法是構建多級評判指標體系[3]的常用方法之一，它可以確立指標的可行性、獨立性、層次性和全面性等[4]特征，且避免評判指標權重過小，引起評判失效。AHP(層次分析法)是一種定性與定量相結合的、系統性的、層次化的多目標決策分析方法[5,6]，它體現了人們決策思維的基本特征-分解、判斷和綜合，指標權重經常由AHP確定[7～10]。模糊綜合評判法[11]是較成熟且應用較廣泛的評判方法，它以隸屬函數為橋梁，利用模糊關系合成原理，將一些模糊因素進行量化，刻畫了每個指標錄屬于評語集的模糊程度[12，13]。它適用于評判因素多、結構層次復雜的指標體系，可很好地解決模糊性和不確定性的問題。因此，本文將結合物通網上物流供應商的實際數據，應用德爾菲法確定物流供應商公路貨運物流運輸能力的二級評判指標，應用AHP方法確定指標權重，并通過模糊綜合評判方法，得到公路貨運物流供應商能力的綜合評判值。

2 AHP模糊綜合評判法

模糊綜合評判主要由3個要素集構成，分別是評判因素集、評判評語集、評判權重集。首先，確定被評判對象的評判因素集、評判評語集；其次，用AHP確定各個因素的權重[14]，獲得評判權重集；最后，確立各因素的隸屬度，獲得模糊關系矩陣，將模糊關系矩陣與因素的權重向量進行模糊運算并進行歸一化，得到模糊評判綜合結果[15]。

2.1 確立評判因素集

評判因素集用來代表被評判對象的n種評判因素，設為C={C1,C2,…,Cn}刻畫被評判對象的n種評判因素，其中評判因素可分為多個等級，每一級指標下可設下一級指標。設第一層為目標層，第二層指標層為準則層，第三層指標層為因素層。

2.2 確立評判評語集

根據評判指標因素選取合適的標準建立評判評語集，設為V={V1,V2,…,Vn}刻畫各評判因素的m種評判等級。

2.3 AHP確立指標權重集

利用層次分析法確定評判因素的權重向量，其實現步驟如下：

步驟一：建立指標因素判斷矩陣。

對同一層次的各因素關于上一層中某一因素的重要性進行兩兩比較，構造判斷矩陣。假設該層次包含個因素，則兩兩比較構造的判斷矩陣為階方陣。表示兩因素重要性的九級標度及意義如表1所示。

表1 標度

步驟二：近似求解矩陣的最大特征值及其對應的特征向量。

將矩陣A按列歸一化為矩陣B=(bn)，其中:

(1)

(2)

(3)

則矩陣A的最大特征值為:

(4)

步驟三：一致性檢驗。

(5)

隨機一致性指標由表2可查得。當時，認為判斷矩陣一致性是可以接受的；否則應對判斷矩陣做適當修正。

(4)確定指標權重。

一致性檢驗通過后，W=(w1,w1,…,ws)T即為層次單排序的權重向量。

表2 隨機一致性指標RI

2.4 模糊綜合評判

模糊綜合評判是用模糊函數來刻畫每個指標錄屬于評語集的模糊程度，并結合AHP方法確定的因素權重，給出評判對象相對于評語集的錄屬函數。

(1)構造模糊關系矩陣。

(6)

(2)生成評判結果。

采用加權平均型模糊算子[16]，對權重向量W和模糊關系矩陣R進行合成：

(7)

將向量B歸一化，即為AHP模糊綜合評判的結果。

以包含兩個層次的評判指標為例。假設一級指標包含3個因素，對二級指標的模糊綜合評判結果分別為Bi(i=1,2,3)，則對應的AHP模糊綜合評判的結果為：

(8)

式(8)中，W*是一級指標的權重向量。根據最大錄屬度原則，取b*=max(b1,b2,…,bm)，即為包含兩個層次的AHP模糊綜合評判結果。

3 公路貨運物流供應商的能力評判

下面以物通網上的公路貨運物流供應商的信息為研究對象，選取了經營“北京到廣州”物流的21家公司，分別以命名，應用AHP模糊綜合評判方法，對他們的物流能力進行評判。

3.1 因素集評判指標體系的確定

考慮到數據的可獲得性和評判的合理性，對信息進行整合分析和數據處理后，將綜合運作能力、發展潛力、服務能力作為公路貨運物流供應商能力的一級指標，下設二級指標，構建物流供應商能力的評判指標體系如表3所示。

表3 物流供應商能力AHP模糊綜合評判模型指標體系

3.2 確立評判評語集

結合上述評判指標因素的評判標準，建立四級評判評語集，分別表示“不好”“一般”“較好”“很好”，并設置評判等級分值分布如表4所示。

表4 評判等級分值

3.3 AHP方法計算指標權重

以A1物流公司為例，首先應用AHP方法求解指標權重。以一級指標為例，對3個指標進行兩兩比較，得到一級指標因素的判斷矩陣如表5所示。

將上述結果代入公式(1)～(5)，可得到標準化的特征向量為W=(0.4931,0.2394,0.2675)，最大特征值λmax=3.0506，一致性指標CI=0.0253，一致性比率CR=0.0839<0.1，通過了一致性檢驗，因此，一級指標的權重向量為W=(0.4931,0.2394,0.2675)。

類似對二級指標進行權重計算，對其一致性檢驗全部通過，最后得到由層次分析法確定指標權重的匯總表如表6所示。

表5 一級指標因素判斷矩陣

3.4 物流供應商物流能力的AHP模糊綜合評判

3.4.1 生成模糊關系矩陣

二級指標數據為定量與定性相結合。對定性數據，依據評價標準由平臺上公司的相關信息進行打分后取均值。例如，對物流供應商有：“物流設施持有狀況”=6；“網站信息化建設”=5;“風險水平”=6。其余定量數據可在信息平臺上直接獲取。A1公司原始指標數據為：C1=(2380，3，6，320，120)，C2=(124，5，500，5)，C3=(0.75，3，6)。

選擇梯形函數作為評判集的錄屬度。以“運輸路線數目”為例，根據21家公司的總體數據值，確定評語“不好”的梯度隸屬函數區間為：1000以下100%屬于“不好”，從而隸屬度為1；區間[1000,2000]上的隸屬度值由1線性遞減到0，認為是部分屬于“不好”；在更遠的區間，認為完全不屬于“不好”，從而隸屬度為0。同理，得到隸屬于評語集“一般”“較好”“很好”的梯度隸屬度函數區間。各個評語的隸屬度函數如圖1所示。

表6 評判指標權重匯總

將依次代入上述4個錄屬函數，計算得出A1公司的指標在評判集上的隸屬程度向量，歸一化后為(0，0.3100，0.5000，0.1900)，即隸屬于“不好”的概率為0，隸屬于“一般、較好、很好”的概率分別為:0.3100，0.5000，0.1900。同理確定其它因素集的梯形隸屬函數區間，計算得出A1公司的指標C12～C15在評判集上的隸屬程度。物流供應商物流能力的模糊關系矩陣如表7所示。

圖1 評語集的隸屬函數圖形

表7 A1物流供應商的模糊關系矩陣

3.4.2 AHP模糊綜合評判

應用公式(6)，得到A1物流供應商在指標C1上基于評判集的評判結果向量為：

B1=W1×R1=(0.1217 0.1816 0.1535 0.0959)。

=(0.1368 0.1776 0.5974 0.1204)

將其歸一化得:

B1*=(0.1027 0.3585 0.4484 0.0904)

對C2,C3同理可得如下評判結果：

B2*=(0.0441 0.3807 0.4332 0.1419)

B3*=(0 0 0.5949 0.4051)

據式(7)，對一級指標的AHP模糊綜合評判結果為：

進行歸一化處理后得:

B*=(0.0612 0.2679 0.4840 0.1869)

模糊綜合評判結果表明,A1供應商的物流能力隸屬于“不好”的程度為0.1688,隸屬于“一般、較好、很好”的程度分別為0.4079，0.3001，0.1232。根據最大隸屬度原則[17],A1物流供應商的公路貨物運輸能力為一般。按表4中的分值分布對A1供應商做公路貨運物流能力綜合評判得：

S1=VBT=(30 60 75 90)(0.1688,0.4079,0.3001,0.1232)T=71.0311

3.4.3 評判結果分析

同理，對其余的20家物流公司進行AHP模糊綜合評判，得到所有公司的綜合評判及排名如表 8所示。可以看出，公路貨運物流路線運輸能力最佳的物流供應商為A7。

表8 物流供應商綜合評判結果及排名

4 結語

本文基于對公路貨運供應商物流能力評判的模糊性考慮，采用AHP模糊綜合評判法對供應商的物流能力進行了評判：首先建立了二級評判指標體系及評判評語集；其次，利用層次分析法確定各評判指標的權重集；最后，利用模糊綜合評判法，應用加權平均型模糊算子進行合成，得到了各物流供應商的客觀評判結果，為客戶更加科學地選擇物流供應商提供了理論支持。此方法系統化地將定性指標定量化，很好地解決了指標的模糊性問題。但是在指標選擇以及數據收集的過程中，由于平臺信息有限和部分數據缺失，導致指標體系不夠完整。進一步完善指標體系，以期得到更精準的評判結果是本文未來的研究方向。