基于T球面模糊環境下制造型企業物流數字化平臺建設模式選擇研究

關鍵詞：制造型企業；物流數字化平臺；T球面模糊集；三支決策；多屬性群決策

中圖分類號：F274 文獻標識碼：A 文章編號：2096-7934（2025）01-0043-15

一、引言

《國務院辦公廳關于印發“十四五”現代物流發展規劃的通知》中提到促進物流業與制造業深度融合，支持物流企業與制造企業創新供應鏈協同運營模式，將物流服務深度嵌入制造供應鏈體系，提供供應鏈一體化物流解決方案，增強制造型企業柔性制造、敏捷制造能力。引導制造型企業與物流企業建立互利共贏的長期戰略合作關系，共同投資專用物流設施建設和物流器具研發，提高中長期物流合同比例，制定制造業物流服務標準，提升供應鏈協同效率。在黨的二十大報告中也明確提出，要著力提升產業鏈供應鏈韌性和安全水平。工信部等八部門印發的《“十四五”智能制造發展規劃》的通知中提到，引導龍頭企業建設物流協同平臺，帶動上下游企業同步實施智能制造，打造智慧供應鏈。制造業作為國民經濟的重要支柱，制造型企業物流數字化平臺建設對提升企業運營效率和提高市場響應能力具有重要作用。

然而，如何選擇合適的物流數字化平臺建設模式，對制造型企業而言，是一項復雜且具有戰略性的決策。譬如，通過建設自有物流數字化平臺模式，制造型企業能夠根據特定需求進行平臺設計和開發，確保對物流數據的完全控制和保護，從而維護數據安全和隱私性。這一建設模式有助于企業實現供應鏈各環節的高效協同，還能解除對第三方物流服務提供商的依賴和限制。然而，自行建設物流數字化平臺需要持續的技術支持和維護，這可能會帶來額外的運營成本和管理挑戰。此外，自建平臺還面臨技術故障等風險。通過與物流企業協同搭建物流數字化平臺的模式，雙方能夠實現物流資源的共享，包括倉儲和運輸工具，從而提升資源利用效率。這種合作模式在投資較大或市場不確定的情況下，能夠有效分散風險。同時，合作還能夠促進雙方在物流技術和管理方面的創新。然而，該模式下雙方需要達成利益分配上的一致，并面臨技術整合的挑戰，尤其是在系統集成方面，需要投入時間和資源來協調雙方的業務流程和系統。通過依托第三方物流企業的數字化服務平臺的模式，企業無須自行投資建設物流系統，從而節省大量資本支出和運營成本。這種模式使制造型企業能夠專注于核心業務，將物流管理委托給專業的第三方。然而，企業在物流過程中的控制力可能會減弱，這可能影響對供應鏈的快速響應能力。此外，過度依賴單一第三方服務提供商可能會帶來風險，例如，服務中斷等問題。與第三方物流企業達成的協議也可能會對企業的某些運營自由施加限制。

傳統的二支決策方法要求決策者僅在“優”或“差”，“是”或“否”，“接受”或“拒絕”等截然不同的兩種判斷之間選擇，這可能導致信息的簡化和丟失，無法充分反映復雜問題的多樣性和不確定性。由于只有兩種選擇，二支決策的精度較低，不適用于需要細化分析的復雜問題。然而，在實際企業運營中，決策問題往往具有不確定性、不完備性以及復雜性等特性。二支決策方法難以科學、準確地評估每個備選方案的潛在結果，因為決策所依賴的信息和決策域有限，從而導致決策結果不夠準確。此外，二支決策的風險較高，因為只有兩種結果，容易出現極端情況，缺乏靈活性和適應性。三支決策理論［1］由姚一豫教授首次提出，包含“三元論”“三分法”和“三治式”，是一種符合人類認知的“三分而治”模型。三支決策理論的核心是將一個統一集劃分為三個互不相交的成對區域，并針對每一個區域制定相應的決策策略［2］。相比于二支決策，三支決策通過引入第三種選擇，可以更好地平衡風險，提供緩沖選項，從而降低決策風險。同時，三支決策拓展了決策域與決策策略，使決策模型更符合真實的決策情景，能在面對復雜問題時更加有效地降低決策風險，提高決策準確性。傳統多屬性群決策方法，綜合考慮各個決策者的評價和各個屬性的權重，對備選方案進行綜合評價，找出最佳的備選方案。但在進行各備選方案的評價排序后，并未對備選方案進行科學的分類和策略實施。本文將三支決策理論引入多屬性群決策方法，在對備選方案進行綜合評價后，利用相對接近度表示三支決策條件概率，根據不同狀態與策略下的損失值構建損失函數矩陣，計算概率閾值，再按決策規則對備選方案進行科學分域，并得出對應管理策略。

制造型企業根據自身運營狀況的不同，在選擇物流數字化平臺建設模式時需要進行戰略型決策。本文提出了基于T球面模糊環境下的多屬性三支決策方法。首先，構建了針對制造型企業物流數字化基礎與企業運營狀況的評價指標集，以對制造型企業物流數字化基礎與企業運營狀況進行判斷。其次，由物流領域專家、制造型企業領域專家和制造型企業物流部門技術專家三類專家，分別對制造型企業的評價屬性進行評價打分，在T球面模糊環境下得到個體決策矩陣，利用多屬性群決策方法求解得到相對接近度ξi，利用各備選方案的相對接近度ξi，表示各備選方案屬于狀態M的條件概率Pr（M|［Vi］），即各備選方案既有良好物流數字化基礎又有良好經營狀況的概率。最后，建立損失函數矩陣L，L分別表示在有良好物流數字化基礎與企業運營狀況的制造企業P（M）狀態下和幾乎沒有物流數字化基礎與企業運用狀況一般的制造型企業N（M）狀態下，采取S1（建設自有物流數字化平臺模式）、S2（與物流企業協同搭建物流數字化平臺的模式）和S3（依托第三方物流企業的數字化服務平臺的模式）三種策略所帶來的損失，通過損失函數矩陣L計算T球面模糊環境下的概率閾值，而后根據所得到的概率閾值與三支決策規則將論域進行劃分，得到三個區域及對應策略，即得到合適不同制造型企業的物流數字化平臺建設策略。本文提出了一種新的多屬性三支決策方法，旨在以最小的決策損失，為制造型企業尋找最適合的物流數字化建設模式。

近年來，制造型企業與物流企業協同發展受到國內外學者的廣泛關注，本文回顧了近年來有關制造型企業與物流企業協同發展研究的相關文獻，一些學者已經認識到多屬性群決策方法對制造型企業與物流企業協同融合發展的重要性。他們利用多屬性群決策和三支決策方法研究第三方物流協同商務發展下制造型企業供應商選擇問題［3］，以幫助制造型企業科學選擇供應商。利用多屬性群決策方法幫助制造型企業對工業機器人進行選擇評估［4］，以進行設備選擇。然而，現有文獻的研究主題大多集中在制造型企業與物流企業協同發展影響研究［5-8］、供應鏈管理［9］、生產調度與物流規劃耦合優化［10］、供應商管理［3］等方面。

本文對模糊多屬性群決策方法進行了梳理［11-16］，通過梳理，可以得出以下結論：①現有的決策方法大多采用二支決策進行判斷，而三支決策方法相比于傳統二支決策方法，增加了一個域的劃分，使決策更符合現實的決策情景，能夠分而治之。拓展決策域對幫助企業做出更準確合理且低風險的判斷具有重要意義。對比傳統多屬性群決策方法，多屬性三支決策方法，能夠對備選方案進行科學的分類并實施對應管理策略。②與其他模糊環境相比，T球面模糊集是在拓展了直覺模糊集、圖片模糊集及Pythagorean模糊集后得到的模糊數集，通過改變T球面模糊數本身靈活的參數使其模糊信息的表達范圍不斷變化，在表達不完備信息時更加敏捷，能夠處理更多的信息，同時T球面模糊集也更加符合人的思維方式。

為進一步推進高質量發展，制造業迫切需要向數字化、智能化轉變。制造型企業物流數字化平臺建設模式選擇作為制造型企業數字化、智能化轉型的關鍵環節，有助于提高企業供應鏈響應速度，保障供應鏈安全。針對不同的制造型企業，需要采取不同的物流數字化平臺建設策略。因此，迫切需要物流數字化平臺建設模式決策工具來幫助制造型企業完成物流數字化平臺建設。基于以上分析，模糊多屬性群決策和三支決策方法，為制造型企業發展研究提供了重要方法和思路。

二、理論與方法

（一）T球面模糊集

（二）三支決策

三支決策理論［1］由姚一豫教授首次提出，三支決策是對二支決策的擴展，更符合實際的決策情景。三支決策TAO模型如圖1所示。

在圖1中第一階段是將論域進行分域，第二階段則是針對不同的分域提出不同的策略，第三階段是對結果進行評價。三支決策是更加符合真實決策情景的決策理論，進一步將域劃分為R1、R2和R3，所對應三種不同的策略，使決策過程更加合理，決策結果更加準確［17］。

三、制造型企業物流數字化平臺模式決策模型

（一）指標構建

參照國務院關于印發的《中國制造2025》、發展改革委印發的《“十四五”現代物流發展規劃》和《促進數字經濟和實體經濟深度融合》等政策性文件，同時梳理相關學者的研究，構建了四個方面的評價指標，以對制造型企業物流數字化基礎與企業運營情況進行判斷。評價指標分別是物流數據管理與處理能力（M1）、物流集成與自動化水平（M2）、可視化與決策支持水平（M3）、企業運營狀況（M4）。

物流數據管理與處理能力（M1），是指通過先進的技術手段，如物聯網（IoT）、傳感器、RFID等，實現物流數據的自動化采集、實時更新和精準處理，確保數據的高準確性和安全性。物聯網、大數據分析（BDA）和數字制造（DM）被引入作為數據收集、處理和利用的代表性支持技術［18］。企業能夠快速分析和利用這些數據，優化物流路徑、庫存管理和運輸調度，提高整體運營效率和響應速度，最終增強供應鏈的透明度和協同能力。

物流集成與自動化水平（M2），是指通過將企業資源計劃（ERP）、倉庫管理系統（WMS）、運輸管理系統（TMS）等信息系統無縫連接，實現數據和信息的高效流通，利用自動化設備（如自動導引車、自動化立體倉庫）和智能化技術（如AI、數字孿生和機器學習）。制造業與物流技術的進步重新定義了人工智能技術的價值，開啟了工業4.0或智能工廠的新時代［19］。技術進步的同時優化物流流程，顯著提升物流效率，降低運營成本，增強供應鏈的靈活性。

可視化與決策支持水平（M3），是指通過圖形界面直觀展示物流全過程、庫存狀態和運輸路徑，增強了對物流環節的透明度。借助先進的數據分析和預測模型，進行實時監控和動態調整，快速響應市場變化和客戶需求。

企業運營狀況（M4），制造型企業的企業運營狀況反映了企業在市場競爭中的實際表現和管理水平，包括經營理念、財務狀況、生產效率、市場占有率、綠色生產等方面。

（二）方法框架與具體步驟

正如文獻綜述中所述，多屬性三支決策方法更優于傳統二支決策與傳統多屬性群決策方法，T球面模糊環境下可以更加敏捷地處理不確定信息，故提出關于制造型企業物流數字化建設模式選擇決策的T球面模糊環境下的多屬性三支決策方法。本研究結合相關理論，提出了解決此類問題的新方法。與傳統的二支決策模型相比，本研究注意到了實際決策環境，使決策模型更符合真實的決策情景，拓展了決策域與決策策略。在賦權時使用多姆比（Dombi）平均算子和改進的余弦相似度函數對決策者加權，使決策模型更加準確。在決策前，本研究提出的方法首先由物流領域專家、制造型企業領域專家和制造型企業物流部門技術專家三類專家分別對不同制造型企業評價屬性進行評價打分。而后，根據專家評價信息，對語言進行轉換得到評價矩陣，并據此進行后續決策判斷。本研究采用的方法模型步驟如下。

（1）基于T球面模糊集建立個體評價矩陣。專家k對備選方案V進行評價，基于T球面模糊集建立的個體評價矩陣Rk如下：

（2）根據Dombi集合算子和改進的余弦相似度函數計算決策者權重。1982年多姆比（Dombi）［20］提出Dombi三角范數和Dombi三角余數，將其運用到多屬性群決策中，多名學者［21-24］將T球面模糊集與Dombi算子結合，在T球面模糊環境下Dombi可以更加有效地表達不完備信息。T球面模糊環境下，Dombi平均算子如下：

（8）建立綜合損失函數矩陣，確定概率閾值。本文提出的制造型企業物流數字化平臺建設的三種模式，即建設自有物流數字化平臺、與第三方物流公司協同搭建物流數字化平臺和依托第三方物流企業的數字化服務平臺即分別代表三支決策的三種策略S1、S2和S3；aS1代表執行策略S1，aS2代表執行策略S2，aS3代表執行策略S3；P（M）代表有良好物流數字化基礎與企業運營狀況的企業狀態（以下簡稱“P狀態”），N（M）代表幾乎沒有物流數字化基礎且企業運營狀況一般的企業狀態（以下簡稱“N狀態”）；λPS1表示在P狀態下執行策略S1帶來的損失，λPS2表示在P狀態下執行策略S2帶來的損失，λPS3表示在P狀態下執行策略S3帶來的損失，λNS1表示在N狀態下執行策略S1帶來的損失，λNS2表示在N狀態下執行策略S2帶來的損失，λNS3表示在N狀態下執行策略S3帶來的損失。

建立損失函數矩陣L，表示為如下：

（三）制造型企業物流數字化建設模式劃分與對應策略

基于上述多屬性三支決策方法對評價對象進行分域后，得到了區域Q1、Q2和Q3三個區域，分別對應S1建設自有物流數字化平臺、S2與第三方物流企業協同搭建物流數字化平臺和S3依托第三方物流企業的數字化服務平臺三種策略，每種策略都有其優缺點，上述多屬性三支決策方法旨在尋找不同制造型企業所適合的物流數字化建設模式使其決策損失最小。

四、案例分析

（一）案例描述

案例選取了C公司、R公司、G公司、L公司和B公司五家公司進行分析，以下是對五家公司的簡介。C公司，是一家專業從事文具產品研發、生產和銷售的制造型企業。R公司，是一家綜合性高科技制造型企業，業務涵蓋新能源汽車、電池、新能源發電設備和信息技術等領域。G公司，是一家致力于為消費者提供高品質、智能化的家電產品的制造企業。L公司，是國內知名電腦和智能設備制造商，以及綜合技術解決方案提供商。B公司，是一家大型綜合性煙草制造型企業，專注于優質卷煙的生產和銷售，擁有多個卷煙知名品牌。

C公司、R公司、G公司、L公司和B公司分別對應V1、V2、V3、V4、V5五個備選評價對象。

（二）案例計算

步驟1：根據T球面模糊集，建立專家評價語言變量集，如表1所示。

表1 專家評價語言變量集

步驟2：專家分別進行打分，得到初始個體評價矩陣，如表2所示。

表2 初始個體評價矩陣

步驟3：根據專家評價語言變量集得到五位專家初始個體決策矩陣，如表3所示。

表3 初始個體決策矩陣

步驟4：使用改進的T球面模糊數余弦相似度函數計算得到決策者權重，如表4所示。

表4 決策者權重

步驟5：使用T球面模糊集中多姆比（Dombi）加權平均算子和所求得決策者權重對評價指標賦權，得到加權矩陣，如表5所示。

表5 決策者加權矩陣

步驟6：根據T球面模糊集公式（7）和公式（8）得到得分函數與精確數，如表6所示。

表6 得分函數與精確數

步驟7：根據得分函數極差法，對評價指標賦權，得到指標權重，如表7所示。

表7 指標權重

步驟8：根據T球面模糊數計算規則，得到綜合評價矩陣及得分函數，如表8所示。

表8 綜合評價矩陣及得分函數

步驟9：根據T球面模糊數的一般歐式距離，求得各個備選方案與正、負理想解的距離，如表9所示。

表9 正、負理想解距離

步驟10：計算各備選方案的相對接近度，利用各備選方案的相對接近度ξi，表示各備選方案屬于狀態M的條件概率，如表10所示。

表10 相對接近度

步驟11：給定T球面模糊數得到綜合損失函數矩陣（如表11所示），并計算概率閾值。

表11 綜合損失函數矩陣

假設決策者的風險系數為θ=0.5（即中立決策者），計算概率閾值。

因為αgt;β，進行三支決策。

步驟12：使用各備選方案的相對接近度ξi，表示各備選方案屬于狀態M的條件概率，根據公式（18）～（20），對評價對象進行分域，給定所對應的建設策略。

分域結果與對應策略如表12所示。

表12 分域結果與對應策略

R公司和B公司采取策略S1（建設自有物流數字化平臺模式）、G公司和L公司采取策略S2（與第三方物流企業協同搭建物流數字化平臺模式）、C公司采取策略S3（依托第三方物流企業的數字化服務平臺模式）。

五、研究結論

在數字經濟與智能制造政策的大力推動下，制造型企業物流數字化平臺的搭建能夠顯著提高運營效率、降低成本、提升客戶滿意度，同時增強企業競爭力，促進供應鏈協同發展，為企業在快速變化的市場環境中提供強有力的支持和持續發展的動能。本文系統研究了制造型企業如何在物流數字化平臺建設中，選擇與自身匹配的模式，或采用建設自有物流數字化平臺，或與第三方物流公司協同搭建物流數字化平臺或依托第三方物流企業的數字化服務平臺三種模式。在具體研究過程中，本文結合T球面模糊集和多屬性三支決策理論，通過對案例進行分析研究，說明所提方法的準確性及合理性。

參考文獻：

［1］YAOY.Three-waydecision：aninterpretationofrulesinroughsettheory［J］.Roughsetsandknowledgetechnology，2009：642-649.

［2］劉盾，賈修一，李華雄，等.三支決策與大數據分析［M］.北京：科學出版社，2020.

［3］WANGW，ZHANJ，MIJ.Athree-waydecisionapproachwithprobabilisticdominancerelationsunderintuitionisticfuzzyinformation［J］.Informationsciences，2022，582：114-145.

［4］GARGCP，GRNF，KUNDUP，etal.AnintegratedfuzzyMCDMapproachbasedonBonferronifunctionsforselectionandevaluationofindustrialrobotsfortheautomobilemanufacturingindustry［J］.Expertsystemswithapplications，2023，213：118863.

［5］王能民，徐菁，王夢丹.制造商與零售平臺物流協同共建策略：基于不同權力結構的研究［J］.系統工程理論與實踐，2023，43（4）：1156-1182.

［6］張季平，陶君成，尤美虹.大數據驅動制造企業與物流企業協同發展的實證研究［J］.中國流通經濟，2020，34（2）：3-14.

［7］LIUY，LIANGH，XIAOY，etal.Logistics-involvedservicecompositioninadynamiccloudmanufacturingenvironment：aDDPG-basedapproach［J］.Roboticsandcomputer-integratedmanufacturing，2022，76：102323.

［8］LIUY，ZHANGJZ，JASIMUDDINS，etal.Exploringservitizationanddigitaltransformationofmanufacturingenterprises：evidencefromanindustrialinternetplatforminChina［J］.Internationaljournalofproductionresearch，2024，62（8）：2812-2831.

［9］SHAOX-F，LIUW，LIY，etal.Multistageimplementationframeworkforsmartsupplychainmanagementunderindustry4.0［J］.Technologicalforecastingandsocialchange，2021，162：120354.

［10］ZHAOC，WANGS，YANGB，etal.Acouplingoptimizationmethodofproductionschedulingandlogisticsplanningforproductprocessing-assemblyworkshopswithmulti-leveljobpriorityconstraints［J］.Computersamp;industrialengineering，2024：110014.

［11］MAHMOODT，ULLAHK，KHANQ，etal.Anapproachtowarddecision-makingandmedicaldiagnosisproblemsusingtheconceptofsphericalfuzzysets［J］.Neuralcomputingandapplications，2019，31：7041-7053.

［12］NINGB，WEIG，LINR，etal.AnovelMADMtechniquebasedonextendedpowergeneralizedMaclaurinsymmetricmeanoperatorsunderprobabilisticdualhesitantfuzzysettinganditsapplicationtosustainablesuppliersselection［J］.Expertsystemswithapplications，2022，204：117419.

［13］CHENTY.AnevolvedVIKORmethodformultiple-criteriacompromiserankingmodelingunderT-sphericalfuzzyuncertainty［J］.Advancedengineeringinformatics，2022，54：101802.

［14］QIJ，HUJ，HUANGH，etal.Newcustomer-orienteddesignconceptevaluationbyusingimprovedZ-number-basedmulti-criteriadecision-makingmethod［J］.Advancedengineeringinformatics，2022，53.

［15］PANGJ，GUANX，LIANGJ，etal.Multi-attributegroupdecision-makingmethodbasedonmulti-granulationweightsandthree-waydecisions［J］.Internationaljournalofapproximatereasoning，2020，117：122-147.

［16］MONDALA，ROYSK，PAMUCARD.Regret-basedthree-waydecisionmakingwithpossibilitydominanceandSPAtheoryinincompleteinformationsystem［J］.Expertsystemswithapplications，2023，211：118688.

［17］YAOY.Three-waydecisionswithprobabilisticroughsets［J］.Informationsciences，2010，180（3）：341-353.

［18］BIZ，JINY，MAROPOULOSP，etal.Internetofthings（IoT）andbigdataanalytics（BDA）fordigitalmanufacturing（DM）［J］.Internationaljournalofproductionresearch，2023，61（12）：4004-4021.

［19］CHIENCF，DAUZREPS，HUHWT，etal.Artificialintelligenceinmanufacturingandlogisticssystems：algorithms，applications，andcasestudies［J］.Internationaljournalofproductionresearch，2020，9：2730-2741.

［20］DOMBIJ.Ageneralclassoffuzzyoperators，theDeMorganclassoffuzzyoperatorsandfuzzinessmeasuresinducedbyfuzzyoperators［J］.Fuzzysetsandsystems，1982，8（2）：149-163.

［21］MAHMOODT，WARRAICHMS，ALIZ，etal.GeneralizedmultimooramethodandDombiprioritizedweightedaggregationoperatorsbasedonT-sphericalfuzzysetsandtheirapplications［J］.Internationaljournalofintelligentsystems，2021，36（9）：4659-4692.

［22］GURMANISH，CHENH，BAIY.DombioperationsforlinguisticT-sphericalfuzzynumber：anapproachforselectionofthebestvarietyofmaize［J］.Softcomputing，2022，26（18）：9083-9100.

［23］KARAASLANF，DAWOODMAD.ComplexT-sphericalfuzzyDombiaggregationoperatorsandtheirapplicationsinmultiple-criteriadecision-making［J］.Complexamp;intelligentsystems，2021，7：2711-2734.

［24］陳廷友.基于T球面模糊數的多屬性群決策方法研究［D］.太原：山西大學，2022.

基金項目：2023年國家自然科學基金面上基金項目“云服務驅動的供應鏈平臺治理機制形成及價值創造機理研究”（72372143）；教育部人文社會科學研究項目西部項目“碳交易背景下多式聯運數字化平臺資源配置優化研究”（24XJA630002）；紅云紅河煙草（集團）有限責任公司科技項目“基于北斗可信數據的卷煙物流運力數字化管控技術研究與應用”（HYHH2023XX01）；云南省哲學社會科學規劃項目一般項目“低碳視角下云南多式聯運數字化平臺發展策略研究（YB202407）

ResearchonConstructionModeSelectionofLogisticsDigital

PlatformforManufacturingEnterprisesBasedon

T-sphericalFuzzyEnvironment

LIULing1，JIANGRong-rong1，DAILi-juan2，SHIXue-jiang3，WURui-dong1

（1.YunnanUniversityofFinanceandEconomics，Kunming，Yunnan650221;

2.ChinaTobaccoYunnanIndustrialCo.，Ltd.，Kunming，Yunnan650000;

3.HongyunHongheTobacco（Group）Co.，Ltd.，Kunming，Yunnan650031）

Abstract：Nowadays，manufacturingenterprisesfacethechallengesofglobalizedcompetition，diversifiedconsumerdemandsandrapidtechnologicaladvances，andurgentlyneedtooptimizetheirsupplychainandlogisticsmanagementsystem，anddeeplyembedlogisticsservicesintothemanufacturingsupplychainsystem.Scientificandreasonabledecision-makingtoolsplayanimportantroleinhelpingenterprisesimprovetheircompetitiveness.Thispaperproposesanewtypeofdecision-makingmodelbasedonT-sphericalfuzzysetsandthree-waymulti-criteriagroupdecision-makingtheory，aimingtosolvetheproblemoftheconstructionmodeselectionoflogisticsdigitalplatformformanufacturingenterprises，andformulatesthreemodesofconstructionstrategiesfordifferentmanufacturingenterprises，includingbuildingtheirownlogisticsdigitalplatform，collaboratingwithathird-partylogisticscompanytobuildalogisticsdigitalplatform，andrelyingonthethird-partylogisticsenterprise'sdigitalserviceplatform.Inthispaper，firstly，theevaluationattributesetisestablishedaccordingtothelogisticsdigitalizationfoundationofmanufacturingenterprisesandenterpriseoperation，andthecomprehensiveevaluationmatrixisobtainedbyusingthemulti-criteriagroupdecision-makingmethod.Andthen，itestablishesthelossfunctionmatrixundertheT-sphericalfuzzyenvironment，calculatestheconditionalprobabilityaccordingtotherelativeproximityfunction，andutilizesthelossfunctionmatrixinthethree-waydecision-makingtheorytocalculatetheprobabilitythresholdafterthesub-domain，andobtainsthecorrespondingselectionstrategy.Finally，thepracticalityandrationalityoftheproposedmethodisillustratedthroughacasestudy.

Keywords：manufacturingenterprises;logisticsdigitalplatform;T-sphericalfuzzysets;three-waydecision-making;multi-criteriagroupdecision-making