多级物流配送中心

2024-05-22

多级物流配送中心（精选三篇）

多级物流配送中心篇1

随着市场竞争的加剧以及顾客对产品响应时间要求的提高, 供应链已经成为竞争的主体, 物流成本、响应时间是影响供应链竞争力的主要因素。在这一背景下, 多级供应链物流响应周期以及物流成本的优化问题, 已经成为当前物流领域研究的热点。由于近年来, 物流服务集成商在实现供应链物流集成化运作中发挥着越来越重要的作用, 它不仅可以为客户的物流运作提供综合的解决方案, 而且能够充分发挥出调配资源的灵活性, 具有强大的物流资源整合能力, 因而从服务集成商物流资源整合角度研究供应链物流优化问题, 逐渐成为当前国内外学者关注的焦点。

宁方华等研究了物流服务网络中多项任务分配的决策问题, 物流节点执行时间和资源成本因素是研究中考虑的主要因素[1]。刘琼等针对物流活动之间同时存在衔接时间与成本的情况, 建立了基于时间最短和成本最低的多目标优化调度模型, 并在模型中加入了各物流节点作业时间窗约束[2]。Leung将物流作业进行细分, 提出了物流作业步整合和批量整合两种不同的物流整合概念[3]。基于这些概念, Leung建立了面向航空快运的物流作业, 考虑了这两种整合的物流任务分配优化模型。王勇等研究了带时间约束物流中心任务集成优化分配模型[4]。此后, 王勇等将风险因素考虑进集成优化分配模型中[5], 并研究了物流任务分配与线路优化整合问题[6]。在上述文献中, 研究对象主要以物流任务为主, 通过对服务资源整合以及物流任务的合理分配, 以实现物流服务集成商运作成本和时间的优化。这些研究成果丰富了当前物流资源整合的研究, 然而基于物流任务的服务资源优化调度, 仍然未能从供应链整体优化的角度为物流集成化运作提供有效的解决方法。马士华等将供应链物流过程看成一个多阶段生产供应过程, 从最大化供应链整体和局部利益角度研究了供应链多级生产和物流周期的时间分配, 但是决策中没有考虑物流服务资源整合问题[7]。

为优化多级供应链物流响应周期, 降低物流运作成本, 在综合考虑物流服务集成商运作成本、供应链节点企业服务满意度的前提下, 本文研究多级供应链服务时间窗下物流资源整合优化问题。以最大化供应链节点企业总体满意度和最小化物流服务集成商运作成本为目标, 建立多目标资源整合优化模型, 最后采用基于非支配排序遗传算法 (Non-dominated Sorting Genetic Algorithm-II, NSGA-II) [8]对模型求解。

2 多级服务时间窗口约束下物流资源整合优化模型

产品供应链系统可视为一个多阶段生产供应过程。各生产阶段分别履行产品的加工、装配及其它的价值增值过程, 物流活动将生产过程有效地衔接起来, 实现物的增值和流动。为便于分析, 将供应链上各企业抽象为节点, 整个过程视为一条由多个节点企业构成的直线链, 如图1所示。节点企业的生产周期可以定义为该节点在产品生产中所消耗的时间, 节点之间物流阶段的时间长度可定义为物流周期。

假设供应链各阶段生产周期是已知的, 物流周期是决策变量的函数, 取决于物流服务集成商的资源整合策略以及节点的服务时间窗口约束。按照定义, 服务时间窗口是指产品到达节点企业的时间范围。考虑到节点企业在服务时间窗内, 对产品配送到达时间会有不同的偏好[9], 以及供应链各环节实际运作时间与计划可能存在偏差[10,11], 本文将研究背景放在软时间窗约束下, 即节点企业允许服务集成商产品配送有一定程度的提前或延后。由于这种物流配送方式会对企业的生产活动造成干扰, 因此在服务时间窗的不同取值区间, 节点企业对物流服务满意度会不同。作为补偿, 假设节点企业仅向服务集成商收取延误配送的惩罚费用。

2.1 问题描述

假设服务集成商将每一阶段物流任务分配给多个服务提供商完成。为最大化供应链总体满意度以及自身收益, 服务集成商需要对各阶段服务提供商选择以及任务量分配进行决策。服务提供商在运输时间以及订单处理能力方面存在差异, 任务分配数量决定了每个服务提供商完成物流任务的时间。在每一阶段供应链物流运作中, 服务提供商的物流作业之间存在并行关系, 各服务提供商之间最迟完成任务的时间决定了该阶段物流周期。因此在决策中, 服务集成商需要综合考虑供应链各节点服务时间窗, 服务提供商的成本及任务完成时间, 通过任务分配优化各级供应链的成员满意度。

2.2 符号定义

供应链由i (i=0, …, m) 个节点企业构成, 第i个节点的生产周期为pi, [ETi, LTi]为节点i接受物流服务的外时间窗, [ETdi, LTdi]为内时间窗, ETi<ETdi<LTdi<LTi; ti为服务集成商物流配送实际到达时间, μi (ti) 为节点i在时间ti接受物流服务的满意度函数, 表达式为:

$μ_{i} (t_{i}) = {\begin{matrix} 0, & t_{i} < E Τ_{i} \\ \frac{t_{i} - E Τ_{i}}{E Τ_{i}^{d} - E Τ_{i}}, & E Τ_{i} \leq t_{i} < E Τ_{i}^{d} \\ 1, & E Τ_{i}^{d} \leq t_{i} < L Τ_{i}^{d} \\ \frac{L Τ_{i} - t_{i}}{L Τ_{i} - L Τ_{i}^{d}}, & L Τ_{i}^{d} \leq t_{i} < L Τ_{i} \\ 0, & t_{i} \geq L Τ_{i} \end{matrix}$

当ti大于LTdi时, 服务集成商需支付延迟惩罚费用, 第i阶段单位时间延迟惩罚费用为λi. 服务集成商在为节点i提供物流服务时, 需要在j (j=1, …, ki) 个服务提供商之间进行任务分配。Fij:第i个阶段选择第j个服务提供商的固定成本; vij:第i个阶段服务提供商j的变动成本; aij:第i个阶段服务提供商j的运输时间; bij:第i个阶段服务提供商j的单位时间订单处理能力; Uij:第i个阶段服务提供商j的最大服务能力; Ni:第i个阶段的物流服务需求数量。

决策变量:xij为0-1变量, 在第i个阶段选择服务提供商j时取值为1, 否则取值为0; nij:服务集成商在第i个阶段对服务提供商j的任务分配数量。

2.3 模型建立

由于假设中各阶段生产周期是已知常量, 为简化问题的研究, 在分析各节点的服务时间窗时, 可以不考虑上一节点企业生产周期的影响。简化处理过程 (如图2所示) 不会影响问题研究的最终结果。简化后得到的服务时间窗参数, 与前一节点企业生产周期无关, 仅受物流周期的影响。

以服务集成商总成本、供应链节点企业总体满意度为目标建立模型P1:

目标函数1为服务集成商总成本最小:

$\begin{array}{l} \min Τ C (n_{i j}) \\ = \sum_{i = 1}^{m} \sum_{j = 1}^{k_{i}} (F_{i j} x_{i j} + v_{i j} n_{i j}) + \sum_{i = 1}^{m} λ_{i} (t_{i} - L Τ_{i}^{d})^{+} \end{array}$

目标函数2为供应链节点企业总体满意度最大:

$\max S = \sum_{i = 1}^{m} μ_{i} (t_{i})$

其中, $t_{i} = \sum_{l = 1}^{i} {\max_{j = 1, \dots, k_{l}} (a_{i j} x_{i j} + n_{i j} / b_{i j})}$ 。

约束条件为:①任务分配决策能够满足节点i物流服务需求量 $\sum_{j = 1}^{k_{i}} n_{i j} \geq Ν_{i} ‚ \forall i$ ; ②服务提供商能力约束0≤nij≤Uij, ∀i, j; ③服务集成商在节点i的物流任务完成时间不能超过外时间窗约束ETi≤ti≤LTi, ∀i.

3 模型求解算法

上述物流资源整合优化模型是一个典型的多目标优化问题, 其求解过程实际上是求取Pareto最优解。传统的多目标优化求解方法主要是采用权重法、ε约束法、罚函数方法等, 它们都是将多目标问题转换为单目标后, 再采用单目标优化算法求解。当目标函数量纲不统一, 或者决策者不能确定各目标的分配权重时, 采用这些方法将很难判断优化结果的优劣, 即使有权重系数变化机制, 也不能保证Pareto最优性。

NSGA-II是一种基于Pareto最优概念的多目标遗传算法, 具有很好的运行效率和收敛性, 在求解多目标问题中已经取得了很好的效果。该算法在一次求解中可以提供多个Pareto最优解, 避免了传统求解方法的权值选择问题, 以下将采用NSGA-II算法对物流资源整合优化模型求解。

3.1 多目标遗传算法流程

NSGA-II算法首先随机生成规模为N的父代种群P0, 对此种群进行快速非支配排序, 基于排序结果为个体指定适应值。然后对种群Pn进行2-锦标赛选择、交叉、变异等遗传操作, 生成规模为N的子代种群Qn. 采用精英策略将父代种群与子代种群构造出规模为2N的新种群Rn, 对此种群进行快速非支配排序以及计算个体的拥挤距离, 依据等级的高低逐一选取个体, 当等级相同时选取拥挤距离较大的个体, 直到构造出规模为N的新的种群Pn+1. 最后在此基础上开始新一轮的选择, 交叉、变异和精英保留, 形成新的种群, 直至达到最大迭代次数。

3.2 求解过程

针对物流资源整合优化模型的特点, 对NSGA-II算法的编码方式、交叉算子和精英复制策略做了改进。

(1) 遗传编码

由于求解模型中决策变量xij可以通过决策变量nij求得, 即如果nij=0, 则xij=0;否则, xij=1。所以, 在模型求解中只需要对决策变量nij求解即可。以决策变量为染色体, 采用基于非负整数编码方式, 染色体结构为:

(n1, 1, n1, 2, …, ni, j, …, nn, m)

(2) 选择、交叉和变异

采用锦标赛选择算子, 即随机选择两个个体, 从中选出最优的个体进行交叉操作。采用单点复合交叉算子, 候选解个体在交叉点处执行算术交叉操作并取整, 交叉点左侧基因保持不变, 右侧基因相互交换。该算子不但保持了模拟二进制交叉算子的优势, 而且通过算术交叉算子增大了解的搜索区域, 增强了算法的搜索能力。变异操作在交叉操作之后进行, 对个体进行变异操作, 同时确保变异后的个体在允许的取值范围内。

(3) 精英复制策略

精英复制策略即保留父代中的优良个体直接进入子代, 同时为了保持种群的多样性, 提升算法的搜索能力, 对种群中相同的个体进行变异操作, 该策略的操作过程如下:

①将父代种群Pn和子代种群Qn合并生产具有规模2N的新种群Rn;

②对种群Rn中重复的个体进行变异操作;

③对种群Rn进行快速非支配排序以及计算个体的拥挤距离, 依据等级的高低逐一选取个体, 当等级相同时选取拥挤距离较大的个体, 直到构造出规模为N的新种群Pn+1;

④在此基础上开始新一轮的选择、交叉和变异, 形成新的子代种群Qn+1.

4 算例分析

为验证模型P1的有效性, 下面将结合一个两级供应链物流服务资源整合优化为例给予分析。相关参数取值:节点企业1和2的物流服务能力需求数量分别为690、550;各节点企业服务时间窗参数:ET1=9、ETd1=10.5、LTd1=11.5、LT1=13, ET2=23、ETd2=24、LTd2=25.5、LT2=26, 单位时间延迟惩罚费用分别为λ1=7000, λ2=9000, 物流服务提供商基本参数如表1所示。

NSGA-II算法用Visual C++编程, 程序运行环境为i3CPU, 主频2.16G, 内存为2G. 模型求解的算法运行参数设置:种群为50, 进化代数为300代, 交叉概率为0.91, 变异概率为0.1。计算结果显示模型P1存在一个Pareto最优解, 各服务提供商任务分配量分别为:n11=197, n12=219, n13=161, n15=113, n21=176, n22=164, n23=210。

为进一步说明模型P1物流资源整合的效果, 下面将建立供应链各阶段物流运作独立决策优化模型P2, 计算模型P2的运作成本、供应链总体满意度, 并与模型P1的结果进行比较。

模型P2为一个两阶段决策模型, 第一阶段决策模型记为P21:

目标函数1为服务集成商在第i阶段物流成本最小:

$\min Τ C (n_{i j}) = \sum_{j = 1}^{k_{i}} (F_{i j} x_{i j} + v_{i j} n_{i j}) + λ_{i} (t_{i} - L Τ_{i}^{d})^{+}$

目标函数2为节点企业i满意度最大:

$\max S = μ_{i} (t_{i}) ‚ 其中 t_{i} = \max_{j = 1, \dots, k_{i}} (a_{i j} x_{i j} + n_{i j} / b_{i j})$

约束条件①、②、③。

第二阶段决策模型记为P22:

目标函数1为服务集成商在第i+1阶段物流成本最小:

$\begin{array}{l} \min Τ C (n_{i + 1, j}) \\ = \sum_{j = 1}^{k_{i + 1}} (F_{i + 1, j} x_{i + 1, j} + v_{i + 1, j} n_{i + 1, j}) + λ_{i + 1} (t_{i + 1} - L Τ_{i + 1}^{d})^{+} \end{array}$

目标函数2为节点企业i+1满意度最大:

$\max S = μ_{i + 1} (t_{i + 1})$

其中, $t_{i + 1} = \max_{j = 1, \dots, k_{i + 1}} (a_{i + 1, j} x_{i + 1, j} + n_{i + 1, j} / b_{i j} + t_{i})$ 。

约束条件①、②、③。

应用NSGA-II算法, 种群为30, 进化代数为200代, 模型P21交叉概率为0.9, 变异概率为0.3;模型P22交叉概率为0.8, 变异概率为0.5。计算得到各服务提供商任务分配数量:n11=220, n12=235, n13=180, n14=55, n21=167, n22=163, n23=220。模型P1和P2相关计算结果如表2所示。

根据表3, 当采用模型P1时, 各节点企业满意度都为1, 物流配送可以满足节点企业服务时间窗要求。在供应链各阶段物流独立运作时, 模型P2中的物流服务满意度降低, 主要原因是物流配送在节点2的服务时间窗出现延迟, 并且此时服务集成商运作成本要高于模型P1中的结果。通过对模型P1和P2运作成本、物流服务满意度的比较, 说明模型P1中服务集成商物流资源协同优化效果更好。

5 结论

多级供应链物流响应周期的优化, 对提高供应链的竞争力有着重要的意义。物流服务集成商在实现物流资源整合、提供供应链物流集成解决方案方面具有明显的优势。供应链物流周期优化结果通过节点企业的满意度函数进行评价。由于服务集成商在供应链各阶段可采用的物流资源运作效率以及数量存在差异, 如何有效整合物流资源, 是服务集成商在提高供应链节点企业物流服务时间总体满意度、降低物流成本过程中所要面临的重要决策问题。结合各级供应链软服务时间窗, 服务提供商的相关物流服务能力参数, 本文建立了多级供应链物流服务资源整合模型, 并通过NSGA-II算法对模型求解。最后通过算例分析验证了该模型的有效性。结果表明, 与各级供应链物流运作独立决策模型相比, 该模型能够实现各级供应链物流运作的高效协同, 可以降低供应链物流成本, 提高物流的快速响应性, 为服务集成商在供应链物流集成化运作提供了有效的服务资源整合方法。

参考文献

[1]宁方华等.协同物流网络的任务协调决策模型及其求解算法[J].控制与决策, 2007, 22 (1) :109~112.

[2]刘琼, 李婷婷, 张超勇.第三方物流联盟中物流任务的优化调度[J].工业工程与管理, 2009, 14 (3) :13~19.

[3]Leung L C, Cheung W, Yer V H.A framework fora logistics e-commerce community network:TheHong Kong air cargo industry[J].IEEE Transac-tions on SMC, 2000, 30 (4) :446~455.

[4]王勇, 梁志坚, 许溢宏.带时间要求的物流作业集成优化分配方法[J].系统工程学报, 2004, 19 (2) :154~160.

[5]王勇, 赵骅, 李勇.用禁忌算法求解第四方物流作业整合优化模型[J].系统工程学报, 2006, 21 (2) :143~149.

[6]王勇, 吴志勇, 陈修素, 吴金奇.面向第4方物流的多代理人作业整合优化算法[J].管理科学学报, 2009, 12 (2) :105~116.

[7]马士华, 杨文胜, 李莉.基于二层规划的供应链多阶响应周期决策模型[J].管理科学学报, 2005, 8 (6) :51~59.

[8]Deb K, et al.A fast and elitist multiobjectivegenetic algorithm:NSGA-II[J].IEEETransactions on Evolutionary Computation, 2002, 6 (2) :182~197.

[9]Calvete HI, et al.A goal programming approach tovehicle routing problems with soft time windows[J].European Journal of Operational Research, 2007, 177 (13) :1720~1733.

[10]Guiffrida A L, et al.Managerial and economicimpacts of reducing delivery variance in the supplychain[J].Applied Mathematical Modelling, 2008, 32 (10) :2149~2160.

超市物流配送中心模式篇2

武商量贩是由武商集团股份有限公司下属的武汉武商量贩连锁有限公司经营的连锁超市品牌，创始于2000年8月。

武商量贩秉承“便民、利民、为民”的服务宗旨，奉行“提供日日必需，享受天天低价”的经营理念，坚持采取直营方式从事连锁超市经营。

武商量贩坚持区域领先发展战略，目标市场以武汉市及湖北省为主，立足于在武汉做强的同时，在湖北做大，武汉市内以开发1万平方米左右的大卖场为重点，市外做强鄂西北、鄂东、荆州、宜昌“四大区域中心”，计划到2011年门店达到100家，销售达到100亿。连锁超市之所以成为一种比较流行的商业业态，是因为它实现了统一进货，统一配送和分散销售，因而能发挥规模经济效益，具有价格、质量、管理、品牌效应等方面的优势。而统购分销这一系列活动正是通过配送中心这一环节来实现的，配送中心的工作效率和运行状况直接决定和影响连锁超市的生存和发展。所以说配送中心是连锁超市实现规模化经营的基础。

一、连锁超市配送中心的作用

配送中心的根本作用在于通过高度集中的采购与配送，使连锁超市实现理想的经济效益。具体来说，连锁超市配送中心的作用主要体现在以下几个方面：

统购分销，形成经济规模，降低流通费用

连锁超市实行统一进货，由配送中心将厂家或自己加工的产品配送给各个分店，保证了各分店商品的规格、品种和质量，减少了交易次数，可以降低外部交易的信息管理费用；统一送货，协调分配运输设施，选择经济合理的运输方式和运输路线，降低商品的损耗；统一检验，对商品编号入库，减少了分店的采购、检验、库存等费用，从而减少物流成本。随着进货量的增加，物流的规模效益将更加突出。

减少分店的库存，提高商品流通效率

在传统的购货方式中，零售商不可能从一个供应商那里得到所有的商品，而供应商的商品也不可能都是零售商所需要的，这样由于信息交流的不畅，影响了商品流通速度，而连锁超市的配送中心，可以及时地为分店提供其所需要的一切商品，因此可以使分店库存量很小，提高了商品流通的效率。

密切了连锁超市与供应商的关系

连锁超市庞大的销售网络对供应商具有强大的吸引力，因此，其大批量进货可以得到优惠的价格折扣，两者容易结成利益共同体，保持长期、稳定的合作关系。更为重要的是，连锁超市通过其商品销售信息对供应商的反馈，取得对产品生产的影响力。

可以促进连锁超市业务的发展和扩散

配送中心承担了一切采购和输送任务，使得各分店不用分散精力与供应商打交道，从而可以专心于分店销售业务的发展和利润的成长，不断开发外部市场，拓展业务。

二、武商量贩配送中心建设中存在的问题

配送中心强大的作用背后是一个复杂的需要多方支持的系统，所以在建设过程中不免会有很多的问题。我国连锁超市配送中心建设中主要存在以下几个问题：

1、配送效率低下

连锁超市建立配送中心的目的就是要通过提高配送水平来降低整个系统的物流总成本，实现销售利润的最大化，因而它不是传统的仓库和运输方式所能实现的。不能实现统一配送就意味着没有统一进货，不能统一进货就没有了超市连锁经营的根基。

2、没有价格优势

由配送中心应属于连锁超市中技术含量最高的部门，建立前期投入较大，运行成本较高，配送中心有一个达到盈亏平衡点的配送规模，只有当配送的店铺数和经营规模超过盈亏平衡点

时，才能够盈利。

3、功能不齐全，现代化程度低

我国连锁超市的配送中心由于很多是在原有仓库的基础上改造的，所以功能很不齐全，仅限于原有的存储、保管等功能，有的连基本的分拣设备都没有，管理和配送效率极低。

4、资金缺乏，形成恶性循环

目前的连锁超市资金短缺问题一时又难以解决，于是造成了连锁超市的配送中心设施落后，功能不全，实际是名不副实。因此，制约了连锁超市获得规模效应。结果就形成了连锁超市

没有规模效益，无力投资建设配送中心的恶性循环。

5、专业人员缺乏，员工素质低

连锁超市的配送中心是与现代化相联系的一个概念，专业人员不多，在制定物流方案、实施

管理、开拓物流市场以及经营管理等方面都十分欠缺专业人才，就业人员素质普遍较低。

三、武商量贩配送中心建设的建议

武商的单店规模普遍较小、连锁店数不多、管理能力有限、经营的商品品种较少和范围

较窄、融资难度较大等发展环境与现状，武商配送中心的建设比较适合走共同配送的道路。

对于武商量贩来说，实行共同配送可以得到以下的好处：达到配送作业的经济规模，提高物流作业的效率，降低连锁超市的运营成本；不需投入大量的资金、设备、土地、人力

等，可以节省连锁超市的资源；连锁超市可以扩大市场范围，消除原有封闭性的销售网络，共建共存共荣的环境。

从全社会的角度来说，可以减少社会车流总量，减少闹市区卸货妨碍交通的现象，改善

交通运输状况；通过集中化处理，有效提高车辆的装载率，节省物流处理空间和人力资源，实现社会资源的共享和有效利用，从而改善整体的社会生活品质。

武商应该根据自身的规模，可以建立适合自己发展的共同配送中心模式。

四、连锁超市配送中心发展的总体趋势

当连锁超市进入成熟发展时期，经过了很长时间的市场的自主选择，市场上连锁超市的数目将减少但同时他们的自身实力都已经增强，为了谋求更大的发展，连锁超市必须建立自

多级物流配送中心篇3

1物流系统综合评价的多级次项目方案及各级次权重的建立

针对大型的物流企业的经营状况,评估时需分成三级指标及相应的权重函数。

第一级指标主要说明物流企业生产、服务的质量属性,包括订单量及订单处理质量A,成本控制质量B,财务指标质量C,配送服务质量D,库存管理质量E,客户服务质量G及企业发展潜力H等7项;相应的第一级指标权重数Fi是这7项属性的重要度的标志,且undefined。第二级指标和二级权重数Fij为第一级属性的子项目及其相对重要度,undefined;A和B中第二级指标中又有第三级指标及权重Fijk,且undefined。这三级的权重数均为评估专家讨论决定。物流企业综合评估体系和权重数见表1。

从表1可得以第三级权重向量矩阵有:

Fundefined=[F111F112F113]=[0.40 0.40 0.20];同理有:

Fundefined=[0.50 0.20 0.30]; Fundefined=[0.50 0.30 0.20]

Fundefined=[0.20 0.30 0.50]; Fundefined=[0.45 0.40 0.15]

Fundefined=[0.50 0.50 0.00]; Fundefined=[0.45 0.20 0.35]

第二级权重向量矩阵有:

Fundefined=[0.30 0.30 0.30 0.10];

Fundefined=[0.40 0.40 0.20 0.00]

Fundefined=[0.40 0.30 0.30 0.00];

Fundefined=[0.35 0.35 0.30 0.00]

Fundefined=[0.40 0.30 0.30 0.00];

Fundefined=[0.20 0.35 0.45 0.00]

Fundefined=[0.35 0.25 0.40 0.00]

第一级权重向量矩阵有:

F[1]=[0.30 0.25 0.15 0.10 0.10 0.05 0.05]

2某物流企业多级评估项目说明及专家评分

从表1可知,评价某物流企业指标体系共有7个第一级次,22个第二级次,20个第三级次,共计35个评估项,各项指标都在各类周、月、季、年报表及成本-收益等财务报表中有详细数据可供专家查阅。专家把该企业评估项目数据与市场中各物流企业平均数据相比较,得出评分值,分成很差(0,2),差(2,4),较差(4,6),及格(6,7),良(7,8),优(8,9),优异(9,10)等7个评分类别。

3物流企业综合评分的模糊数学计算

根据向量矩阵运算原理,从表2可得第三级评分向量矩阵有:

Mundefined=[3.0 4.0 8.0], Mundefined=[7.5 3.0 4.0]

Mundefined=[9.5 9.5 6.0], Mundefined=[9.0 7.5 9.0]

Mundefined=[3.5 4.5 6.0], Mundefined=[9.0 9.0 0.0]

Mundefined=[6.5 4.5 4.5]

根据模糊数学中的向量矩阵运算法则,A、B两项中第二级评分向量矩阵的计算为:

Mundefined=[FundefinedMundefined,FundefinedMundefined,FundefinedMundefined,FundefinedMundefined]

=[4.40 5.55 8.80 8.55]

Mundefined=[FundefinedMundefined,FundefinedMundefined,FundefinedMundefined]

=[4.58 9.00 5.40 0.00]

其中Fundefined为Fundefined的转置向量矩阵,其他表示都相同。从表2可知可知,其他第二级评分向量矩阵有:

Mundefined=[4.2 4.5 2.0 0.0],Mundefined=[9.5 9.2 7.0 0.0]

Mundefined=[9.0 9.0 81.0 0.0],Mundefined=[8.5 8.7 9.0 0.0]

Mundefined=[5.2 5.4 6.0 0.0]

同样计算法则,可计算第一级评分向量矩阵的计算式及结论为:

M[1]=[F[2]TAMundefined,F[2]TBMundefined,F[2]TCMundefined,F[2]TDMundefined,F[2]EMundefined,F[2]GMundefined,F[2]HMundefined]

=[6.465 6.520 3.630 8.645 8.730 8.795 5.570]

亦同样计算法则,该物流企业的总评分M:

M=F[1]T·M[1]=6.57

4该物流企业评估结论:

①从总评分M=6.57,有结论:该企业为合格等级企业。

②从第一级评分向量矩阵M[1]=[6.465 6.520 3.630 8.645 8.730 8.795 5.570],有结论,该企业在客户服务质量,库存管理质量与配送服务质量三个方面是属于优秀等级,订单量及订单处理质量和成本控制质量方面处于合格等级,其财务指标质量属于较差等级,企业发展潜力方面获得5.59分,可归于在合格等级。

③该评估的某物流公司是为长沙城市公共交通系统内的关联物流企业。M[1]中的指标数据反映了该企业的特色:重视仓储、配送和客服质量;有稳定的定单量及良好地处理定单质量;成本控制、收益能力一般;随着城市公交事业的发展,企业发展潜力亦不小。但该企业因从国营企业改制而来,其财务指标质量低下是今后必须重视和改进之处。

5多级次指标和权重的综合评估方法有如下创新之处

①物流企业综合评估多级次体系的建立的创新。最基级次评估项目都有真实数据作为评分的依据。从第三级指标评分计算出第二级项目的评分,再计算出第一级项目评分;最后才能得出准确的评估分值及评估结论。

②物流企业评估的多级次权重数的应用的创新。不同级次评估项在该级次评估中有不同的重要度,即各级评估项目都有相应级次的权重数,形成各级次的多级次权重向量矩。

③低级次权重转置向量与相应级次评分向量的乘积,获得较高一级次评分向量矩阵的一个元素值,再逐级上推计算,这方法是模糊数学中的向量运算法在评估中的新尝试。

摘要：对物流企业评估需建立一个由多级次评估项目和相应级次的权重数组成的综合评估系统。最基级次项目都应有真实数据作为评分标准。通过各级次评分向量和相应级次权重转置向量之积为上级次的向量矩阵中的一个元素的模糊数学计算,得出准确评估分。某大型物流企业的评估实例证实这套评估体系和计算方法都是准确、可行的。

关键词：综合评估体系,权重向量矩阵,评分向量矩阵,模糊数学运算

参考文献

[1]陈岱莲.基于Fuzzy-AHP的物流系统综合评价[J].物流科技,2010,(5):1-3.

[2]王瑛,孙林岩,陈宏.基于两阶段物流系统综合评价DEA/AHP[J].长安大学学报,2003,(5):79-84

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【多级物流配送中心】相关文章：

多级物流网络优化设计论文04-26