基于因子分析的卷煙物流業(yè)務(wù)影響因素辨識(shí)研究

董梅?劉洋?蔡步方

摘 要：作為供應(yīng)鏈中的重要一環(huán)，物流業(yè)務(wù)在運(yùn)行過程中可能會(huì)受到各個(gè)環(huán)節(jié)多個(gè)因素的影響。本文擬通過對(duì)A煙草工業(yè)企業(yè)供應(yīng)鏈業(yè)務(wù)流程的梳理，以及對(duì)現(xiàn)存的大量供應(yīng)鏈數(shù)據(jù)進(jìn)行分析，識(shí)別卷煙物流關(guān)鍵業(yè)務(wù)節(jié)點(diǎn)中對(duì)物流管理的影響因素，并基于因子分析模型，對(duì)影響因素進(jìn)行相關(guān)性和權(quán)重分析，探索和建立影響因素分級(jí)體系，為未來物流管理和業(yè)務(wù)能力的提升提供可借鑒的思路。

關(guān)鍵詞：卷煙物流；影響因素；分級(jí)體系

卷煙物流作為供應(yīng)鏈中的重要環(huán)節(jié)，與營銷、研發(fā)、生產(chǎn)及商業(yè)等互聯(lián)互通。物流業(yè)務(wù)鏈條長、管理內(nèi)容多而雜，涉及行業(yè)、公司、工廠級(jí)信息系統(tǒng)多，積累了大量歷史數(shù)據(jù)。而供應(yīng)鏈中業(yè)務(wù)節(jié)點(diǎn)與各信息系統(tǒng)數(shù)據(jù)關(guān)聯(lián)性不清晰、協(xié)同交互關(guān)系尚不明確等問題依然存在。本文擬通過研究影響因素識(shí)別以及影響因素分級(jí)體系的搭建，幫助企業(yè)明確影響卷煙物流管理的關(guān)鍵因素，可有所側(cè)重，重點(diǎn)突破，提高作業(yè)效率，有效提升物流管理水平。

一、卷煙物流關(guān)鍵業(yè)務(wù)環(huán)節(jié)辨識(shí)

明確關(guān)鍵業(yè)務(wù)環(huán)節(jié)是影響因素識(shí)別的基礎(chǔ)。本文從卷煙物流核心業(yè)務(wù)流程入手，梳理各核心業(yè)務(wù)流程業(yè)務(wù)協(xié)同復(fù)雜或時(shí)間制約的環(huán)節(jié)，將這些環(huán)節(jié)定義為關(guān)鍵業(yè)務(wù)環(huán)節(jié)。

1.識(shí)別關(guān)鍵業(yè)務(wù)流程

通過卷煙物流各業(yè)務(wù)流程（銷售發(fā)貨業(yè)務(wù)、生產(chǎn)入庫業(yè)務(wù)、廠際移庫業(yè)務(wù)、廠內(nèi)移庫業(yè)務(wù)等）業(yè)務(wù)量、業(yè)務(wù)頻率統(tǒng)計(jì)分析以及調(diào)研訪談，識(shí)別卷煙物流核心業(yè)務(wù)流程。

首先，采集卷煙物流各業(yè)務(wù)流程2021年1-12月歷史數(shù)據(jù)，采用業(yè)務(wù)量、業(yè)務(wù)頻率分析以及調(diào)研訪談的形式，識(shí)別業(yè)務(wù)活動(dòng)中的關(guān)鍵業(yè)務(wù)流程。基于行業(yè)數(shù)據(jù)的保密性要求，這里不對(duì)具體數(shù)據(jù)進(jìn)行展示。通過對(duì)卷煙物流各業(yè)務(wù)量和業(yè)務(wù)頻率的統(tǒng)計(jì)，可以看出：卷煙銷售發(fā)貨和生產(chǎn)入庫業(yè)務(wù)量和業(yè)務(wù)頻率均比較高，其他業(yè)務(wù)的業(yè)務(wù)量和業(yè)務(wù)頻率均較低。

2.識(shí)別關(guān)鍵業(yè)務(wù)環(huán)節(jié)

卷煙物流關(guān)鍵業(yè)務(wù)環(huán)節(jié)的確定主要是通過現(xiàn)場(chǎng)調(diào)研和關(guān)鍵工序法，找出影響某個(gè)業(yè)務(wù)流程的瓶頸環(huán)節(jié)，即關(guān)鍵業(yè)務(wù)節(jié)點(diǎn)。采用關(guān)鍵工序法，通過對(duì)卷煙銷售發(fā)貨作業(yè)流程上所有業(yè)務(wù)活動(dòng)所占用時(shí)間及能力的測(cè)算，找出該業(yè)務(wù)流程的瓶頸環(huán)節(jié)，即關(guān)鍵業(yè)務(wù)環(huán)節(jié)。表1為卷煙物流銷售業(yè)務(wù)作業(yè)工序及時(shí)間測(cè)算結(jié)果。

經(jīng)分析，配車、掃碼、裝車與其他作業(yè)工序比，作業(yè)時(shí)間長。因此，卷煙銷售發(fā)貨業(yè)務(wù)關(guān)鍵工序?yàn)榕滠嚒叽a、裝車，對(duì)應(yīng)的作業(yè)環(huán)節(jié)為卷煙物流調(diào)度環(huán)節(jié)、發(fā)貨環(huán)節(jié)。通過對(duì)卷煙物流業(yè)務(wù)核心業(yè)務(wù)流程和關(guān)鍵業(yè)務(wù)環(huán)節(jié)的辨識(shí)，卷煙物流業(yè)務(wù)共兩個(gè)核心業(yè)務(wù)環(huán)節(jié)，分別為卷煙物流調(diào)度環(huán)節(jié)、卷煙發(fā)貨環(huán)節(jié)。

二、卷煙物流影響因素辨識(shí)

根據(jù)專家訪談和影響因素的產(chǎn)生機(jī)理，本階段將與卷煙物流供應(yīng)鏈相關(guān)的影響因素分為“外生風(fēng)險(xiǎn)”與“內(nèi)生風(fēng)險(xiǎn)”兩類。其中，將疫情、限行、修路等外界不可抗力因素以及車輛故障、設(shè)備故障等不可控因素歸納為“外生因素”。這類因素之間的關(guān)聯(lián)性不強(qiáng)，針對(duì)這些因素對(duì)業(yè)務(wù)的影響，應(yīng)加強(qiáng)制度管理和制定相應(yīng)的應(yīng)急保障措施。需要說明的是，“外生因素”不在本文研究范疇。同時(shí)，將承運(yùn)商、倉庫作業(yè)能力等與業(yè)務(wù)具有強(qiáng)關(guān)聯(lián)性的因素定義為“內(nèi)生因素”。這類因素之間的業(yè)務(wù)關(guān)聯(lián)性很強(qiáng)，而在管理上又無法覆蓋。“內(nèi)生因素”為本文重點(diǎn)分析的因素。通過量化這些業(yè)務(wù)因素，挖掘各業(yè)務(wù)因素之間的隱性關(guān)系，以及各業(yè)務(wù)因素對(duì)目標(biāo)值及績(jī)效考核的影響。最終，建立相應(yīng)的管理措施，提升物流整體運(yùn)營效率和管理水平。

三、卷煙物流影響因素分析

采集物流供應(yīng)鏈關(guān)鍵環(huán)節(jié)數(shù)據(jù)，通過對(duì)數(shù)據(jù)的處理、分析，采用圖表或相關(guān)性分析方法，判定各因子對(duì)關(guān)鍵業(yè)務(wù)環(huán)節(jié)的物流管理產(chǎn)生影響的強(qiáng)弱，即相關(guān)性分析。通過相關(guān)性分析，篩選出與關(guān)鍵業(yè)務(wù)環(huán)節(jié)物流運(yùn)行相關(guān)性較強(qiáng)的因子，將其定義為影響因素。

1.相關(guān)性分析模型構(gòu)建

當(dāng)有兩個(gè)或者兩個(gè)以上的因素對(duì)因變量產(chǎn)生影響時(shí)，可以用多因素方差分析的方法來進(jìn)行分析。多因素方差分析也稱為“多向方差分析”，使用場(chǎng)景為：在有兩個(gè)或兩個(gè)以上因素對(duì)因變量產(chǎn)生影響時(shí)，其與單因素方差分析原理基本一致，即運(yùn)用方差比較的方法，通過假設(shè)檢驗(yàn)方法來判斷業(yè)務(wù)環(huán)節(jié)中的多個(gè)因素是否對(duì)因變量產(chǎn)生顯著影響。在進(jìn)行多因素方差分析時(shí)，因?yàn)橛绊懸蜃兞康囊蜃佑卸鄠€(gè)，某些因子除自身對(duì)因變量產(chǎn)生影響外，由于各因子本身也存在關(guān)聯(lián)，因子之間也可能共同對(duì)因變量產(chǎn)生影響。在多因素方差分析中，把因子單獨(dú)對(duì)因變量產(chǎn)生的影響稱為“主效應(yīng)”，把因子之間共同對(duì)因變量產(chǎn)生的影響，或者因素某些水平同時(shí)出現(xiàn)時(shí)，除主效應(yīng)之外的額外影響，稱為“交互效應(yīng)”。多因素方差分析不但要考慮單個(gè)因子的主效應(yīng)，通常還需考慮因子間的交互效應(yīng)。因此，方差分析的模型建立如下：因變量=因素1主效應(yīng)+因素2主效應(yīng)+…+因素n主效應(yīng)+因素交互效應(yīng)1+因素交互效應(yīng)2+…+因素交互效應(yīng)m+隨機(jī)誤差。

2.相關(guān)性分析結(jié)果

數(shù)據(jù)采集區(qū)間為2021年1月1日至2021年12月31日，數(shù)據(jù)來源包括物流系統(tǒng)、營銷系統(tǒng)、在途系統(tǒng)、一號(hào)工程系統(tǒng)等，共計(jì)200440條原始數(shù)據(jù)。采用多因素方差分析模型對(duì)卷煙物流調(diào)度與發(fā)貨環(huán)節(jié)的因素進(jìn)行分析，經(jīng)對(duì)卷煙物流調(diào)度環(huán)節(jié)11個(gè)變量綜合分析，結(jié)合方差分析原理，將p值小于0.05的因素定義為影響因素。因協(xié)議客戶與發(fā)貨地相似，這里將兩個(gè)因子合并為發(fā)貨地。因此，與卷煙調(diào)度相關(guān)的因子為承運(yùn)商、發(fā)貨地、到達(dá)地、營銷開票時(shí)間、要求到貨時(shí)間、合同數(shù)量、合同牌號(hào)，經(jīng)對(duì)卷煙發(fā)貨環(huán)節(jié)5個(gè)變量綜合分析，結(jié)合方差分析原理，將p值小于0.05的因素定義為影響因素。因此，與發(fā)貨相關(guān)的因子為發(fā)貨倉庫、合同牌號(hào)、營銷計(jì)劃。

四、卷煙物流影響因素分級(jí)體系構(gòu)建

1.權(quán)重分析模型構(gòu)建

決策樹法適用于在數(shù)據(jù)信息可靠的情況下，計(jì)算各影響因子的權(quán)重。本文所涉及的權(quán)重分析模型基于決策樹搭建，歸其原因?yàn)樗鳛楦鞣N復(fù)雜組合算法的基礎(chǔ)，作為非技術(shù)人員也非常容易理解其結(jié)構(gòu)。

本文中涉及的多數(shù)目標(biāo)變量為連續(xù)變量，因此這里簡(jiǎn)單介紹回歸樹模型。假設(shè)X、Y分別是輸入變量、輸出變量，且Y是連續(xù)型數(shù)據(jù)，給定訓(xùn)練數(shù)據(jù)集。一個(gè)回歸樹對(duì)應(yīng)特征空間的一個(gè)劃分以及在劃分單元上的輸出值。這里假設(shè)已經(jīng)把輸入空間劃分為M個(gè)單元R1，R2，…，RM，且在每個(gè)單元Rm上都有一個(gè)固定輸出值cm，因此回歸樹模型可表達(dá)為

在輸入空間劃分確定的情況下，可以用平方誤差表示回歸樹對(duì)于訓(xùn)練數(shù)據(jù)的預(yù)測(cè)誤差，并用平方誤差最小的原則來求解每個(gè)單元上的最佳輸出值。可以得到，單元Rm上的cm的最優(yōu)值是Rm上所有輸入實(shí)例xi對(duì)應(yīng)的輸出yi的均值，即

=ave（yi|xi∈Rm）

所以，怎樣對(duì)輸入空間進(jìn)行合理劃分，可以運(yùn)用啟發(fā)式算法，其步驟如下所示：

（1） 選擇第j個(gè)變量x（j）和其值s，作為分割變量、分割點(diǎn)，并且定義兩個(gè)區(qū)域：

和

其次找尋最優(yōu)分割變量j與最優(yōu)分割點(diǎn)s。具體地求解為：

對(duì)于固定輸入變量j，可以找到其最優(yōu)分割點(diǎn)s：

=ave（yi|xi∈R1（j， s） ）和 =ave（yi|xi∈R2（j， s） ）

輪詢所有的輸入變量，直到找到最優(yōu)分割變量j，并構(gòu)成一個(gè)對(duì)（j， s）。

（2） 采用選定的對(duì)（j， s）劃分區(qū)域并且決定相應(yīng)的輸出值：

和 ，

，

（3） 繼續(xù)對(duì)兩個(gè)子區(qū)域調(diào)用步驟（1） 、（2） ，直至滿足條件。

（4） 將輸入空間劃分為M個(gè)區(qū)域R1，R2，…，RM，并生成回歸樹：

這樣的回歸樹通常被稱為最小二乘回歸樹[4]（least squares regression tree）。

2.權(quán)重分析結(jié)論

基于上述對(duì)影響因素的辨識(shí)以及決策樹模型分析，卷煙物流調(diào)度環(huán)節(jié)和發(fā)貨環(huán)節(jié)影響因素權(quán)重分析結(jié)果如下表2所示。

3.影響因素分級(jí)體系構(gòu)建

基于上述影響因素的權(quán)重分析結(jié)果，采用帕累托法則，并結(jié)合帕累托圖對(duì)影響因素劃分等級(jí)。帕累托法則的應(yīng)用原理為：通常情況下，數(shù)據(jù)的絕大多數(shù)存在于很少的類別中，極少剩余數(shù)據(jù)存在于大部分類別中。帕累托圖在業(yè)務(wù)應(yīng)用中主要用來找出產(chǎn)生大多數(shù)問題的關(guān)鍵原因，運(yùn)用較少的資源來解決大多數(shù)問題。

在本文中，依據(jù)帕累托法則，上述影響因素的分類原則為：（1） 累計(jì)權(quán)重占比在0%-80%區(qū)間，稱主要因素，記A類；（2） 累計(jì)權(quán)重占比在80%-90%區(qū)間，稱次要因素，記B類；（3） 累計(jì)權(quán)重占比在90%-100%區(qū)間，稱一般因素，記C類。

在卷煙物流調(diào)度環(huán)節(jié)，要求到貨時(shí)間、合同數(shù)量、到達(dá)地、合同牌號(hào)累計(jì)權(quán)重系數(shù)為71.09%，在0-80%區(qū)間，定義為主要因素，記A類；合同牌號(hào)累計(jì)權(quán)重系數(shù)在80%-90%區(qū)間，定義為次要因素，記B類；承運(yùn)商、營銷開票時(shí)間、發(fā)貨點(diǎn)累計(jì)權(quán)重系數(shù)在90%-100%區(qū)間，定義一般因素，記C類。在卷煙物流發(fā)貨環(huán)節(jié)中，發(fā)貨倉庫權(quán)重系數(shù)為44.48%，在0-80%區(qū)間，定義為主要因素，記A類；營銷計(jì)劃權(quán)重系數(shù)為38.51%，累計(jì)權(quán)重系數(shù)為82.98%，接近于80%，且單一因素權(quán)重系數(shù)較大，定義為主要因素，記A類；卷煙牌號(hào)累計(jì)權(quán)重系數(shù)主要分布在80%-100%區(qū)間，定義為次要因素，記B類。

五、結(jié)語

本文以“關(guān)鍵業(yè)務(wù)環(huán)節(jié)辨識(shí)-影響因素辨識(shí)-影響因素分析-影響因素分級(jí)體系構(gòu)建”為研究思路，結(jié)合調(diào)研訪談、關(guān)鍵工序法、帕累托法則及數(shù)據(jù)分析模型等，辨識(shí)影響卷煙物流業(yè)務(wù)的核心影響因素。

通過本文的研究，一方面可以明確影響卷煙物流管理的所有影響因素，為未來公司物流中心和各卷煙廠的進(jìn)一步研究和物流管理改革升級(jí)提供思路和理論支撐；另一方面，通過影響因素分級(jí)體系的建立，通過對(duì)關(guān)鍵因素的辨識(shí)，有助于指導(dǎo)物流中心在特殊時(shí)期為保證物流能力的提升進(jìn)行主要精力和資源的調(diào)配，并提前制定應(yīng)對(duì)措施。

參考文獻(xiàn)：

[1]陳潔.基于因子分析的港口服務(wù)供應(yīng)鏈關(guān)鍵風(fēng)險(xiǎn)因素識(shí)別[J].中國儲(chǔ)運(yùn)，2021（9）：98-99.

[2]張芳.基于DEMATEL的物流服務(wù)供應(yīng)鏈發(fā)展關(guān)鍵因素識(shí)別方法研究[D].昆明：昆明理工大學(xué)，2013.34-35.

[3]周思益.基于多類別權(quán)重標(biāo)簽?zāi)：龥Q策樹的核素識(shí)別方法研究[D].昆明：西南科技大學(xué)，2022：28-30.

[4]張瑞敏，楊曉英.基于SEM-CM的裝備制造業(yè)供應(yīng)鏈物流協(xié)同評(píng)價(jià)方法[J].計(jì)算機(jī)應(yīng)用與軟件.2022，39（6）： 61-69.

[5]趙國利，肖涵方.基于因子分析法的四川省農(nóng)產(chǎn)品冷鏈物流發(fā)展水平研究[J].現(xiàn)代農(nóng)業(yè).2022，（5）：68-72.

作者簡(jiǎn)介：董梅（1972.03— ），女，漢，山東省德州市人，本科，物流中心一級(jí)助理/助理工程師，河南中煙工業(yè)有限責(zé)任公司，研究方向：物流信息化；劉洋（1983.01— ），男，漢族，河南省葉縣人，研究生，信息中心二級(jí)助理/工程師，河南中煙工業(yè)有限責(zé)任公司，研究方向：物流信息化；蔡步方（1979.01— ），男，漢族，河南省鄭州市人，本科，物流中心一級(jí)助理/經(jīng)濟(jì)師，河南中煙工業(yè)有限責(zé)任公司，研究方向：物流管理。