基于灰熵的冷链生产现场决策评价方法

杜来红, 房亚东, 李　改

(1.西安财经学院 管理学院，陕西 西安 710100；2.西安工业大学 机电学院，陕西 西安 710021)



基于灰熵的冷链生产现场决策评价方法

杜来红1, 房亚东2, 李改2

(1.西安财经学院 管理学院，陕西 西安 710100；2.西安工业大学 机电学院，陕西 西安 710021)

摘要：为了提高果蔬类冷链企业的管理水平和运作效率，构建了冷链生产现场决策评价体系，并给出了各评价指标的量化标准。在此基础上，运用熵增原理和灰色关联分析方法，建立了冷链生产现场灰熵综合评价模型。结合某冷链配送中心现场评价实例说明了其应用，结果表明使用灰熵理论对冷链配送中心的生产现场进行评价决策，能够获得比较理想的评估效果。

关键词：冷链生产现场；系统决策；灰熵

随着经济的快速发展和生活水平的提高，人们对新鲜果蔬的需求日益增加，果蔬类冷链受到了越来越大的关注。果蔬类冷链即果蔬从生产至加工、运输、销售的每个环节，将生鲜果蔬置于低温环境下，以快速合理的方式加工流通的过程[1-2]。作为果蔬从供应商流通至消费者的重要环节，果蔬冷链中心意义重大。冷链中心是一家将从农业基地等运至的果蔬进行分级储藏、加工保鲜、特殊处理，包装后运至消费者的企业。由于冷链中心的生产现场涉及范围广，作业环节多，需考虑众多因素，加之果蔬具有其特殊性，对其进行评价需依赖不同学科的知识、不同领域的专家，才能得到一个较为科学合理、系统全面的结果。对冷链生产现场评价可以有效地提高企业的管理水平，提高运作效率，降低企业成本，增强竞争力。

1冷链生产现场决策评价指标体系

冷链物流是一个特殊复杂的系统，所以应该结合一般物流的共性和冷链的特性构建评价指标体系，需满足科学性、系统性、客观性、目的性等原则[3-6]。运用管理学、统计学等学科理论，从管理制度、物流及成本、库存环境等方面构建了评价体系，如图1所示。

图1　冷链生产现场评价体系的构建

1)管理制度(A1)。

在整个物流体系的运作中，管理制度发挥着重要作用，对作业人员的作业标准，作业范围及仪表风貌起了规范作用，对设备货品的放置也设定了严格的准线；间接地决定着作业流程的运行效率。人员管理(A11)即对作业人员衣装仪容、纪律及作业效率的管理；定制管理(A12)即对作业设备器具、冷链设施的摆放进行管理，以方便作业和清洁维护。

本文以人员管理(A11)和设备物品的定制管理(A12)作为衡量管理制度的两大关键因素。由于管理制度是定性指标，可通过网络、电话、信件等形式向专家发送相对于评价指标的德尔斐调查表，运用概率统计的方法对其进行划分。如表1和表2 所示。

2) 冷库利用率(A2)。

冷链设施保证了冷链物流的运行质量，冷库等设施反映了冷链配送中心的技术先进性和管理的成熟度。必须在合理计划基础上对冷链设施进行配置，使其得到最大的利用。浪费空间或不能得到合理的配置说明了冷链物流的不成熟。

其计算公式为

冷库利用率=(1-仓库总空间损失)×100%，

A2∈{[0,0.2),[0.2,0.4),[0.4, 0.6),[0.6, 0.8),[0.8, 1.0)}。

表1　人员管理评价标准

表2　定制管理评价标准

3)物流时间效率(A3)。

以果蔬为代表的冷链产品对温度十分敏感，为了确保产品保鲜度和高营养价值，必须确保流通加工时间速度快，流通周期短，能够及时进入消费环节。这就意味着物流时间效率一定要高。物流时间效率分为物流布局合理度(A31)，日平均产量(A32)。在冷链配送中心，物流布局越趋向于合理高效，物流环节也趋于连贯，物流路线越畅通，冷链产品的加工运输时间也将大大地缩短，从而确保了冷链产品的保鲜度和附加值。物流布局合理度通过专家现场打分法确定，如表3所示。日平均产量是衡量企业生产能力的重要指标。A32∈{[0,1 500),[1 500,2 500),[2 500, 3 500),[3 500, 4 000),[4 000, 9 000)},单位为kg。

4)损失成本率(A4)。

果蔬类冷链物流环节复杂，由于果蔬的易损易耗性，加工流通过程中占一定比例的营养价值因运输、保存不当等因素流失。据统计，近年来我国冷链企业的冷鲜产品在流通中的平均腐损率为20%～30%，实际上，许多运营水平较低的中小企业的腐损率高于该数值。较高的腐损率，使得企业货损成本攀升，竞争力不强。本文以损失成本率衡量流通加工中的货损率。

损失成本率=单位平均进价×日货损量/总的毛利润。

A4∈{[0.6,1),[0.45,0.6),[0.30, 0.45),[0.15, 0.30),[0, 0.15)}。

5)产品质量(A5)。

果蔬冷链物流的首要目标就是确保质量，质量的安全性关乎消费者的身体健康，质量的保鲜度关系着消费者的口感和满意度。本文以产品检测合格率(A51)、产品可追溯率(A52)、顾客满意度(A53)作为衡量产品质量的关键因素。

产品检测合格率(A51)反应了配送中心加工流通产品检测合格的比例。

产品检测合格率=检测合格的产品数量/总物流数量。A51∈{[0,0.5),[0.5,0.6),[0.6, 0.8),[0.8, 0.9),[0.9, 1.0)}。

产品可追溯率显示了冷链产品在整个供应链(从供应商至消费者)的每一个流通环节的详细信息，对产品从源头上严格把关。

产品可追溯率=质量可追溯的数量/总物流数量。

A52∈{[0,0.2),[0.2,0.4),[0.4, 0.6),[0.6, 0.8),[0.8, 1.0)}。

顾客的满意度即客户消费了该配送中心的产品后进行的回馈。顾客满意度=客户满意的订单数量/总订单数量。A53∈{[0,0.5),[0.5,0.6),[0.6, 0.75),[0.75, 0.9),[0.9, 1.0)}。

6)库存环境(A6)。

生鲜果蔬遵循“3T原则”，即产品的最终质量取决于冷链中储藏和流通的时间(Time)、温度(Temperature)和产品的冷藏性(Tolerance)。果蔬的这些特性要求了很高的库存环境，包括对于温度、湿度、卫生条件等。冷库储藏果蔬可以有效地抑制果蔬呼吸作用，防止成熟及色泽的变化引起果蔬衰老，抑制水分蒸发等。所以温度湿度的控制显得十分有必要。该指标属于定性指标，可通过表4来评价结果。

表3　物流布局合理度评价标准

表4　库存环境评价标准

2灰熵综合评价模型

由图1可知，冷链生产现场评价指标体系为递阶控制结构，定性定量指标兼而有之，定性分析是基础，定量分析是目标。在评价指标时，采取两者结合的原则，以保证评价结果客观、合理、准确。各评价指标对冷链生产现场的决策及其相互间的关系尚未明确，呈现灰色特性。熵是系统偏离平衡状态的度量，因此将灰色系统理论的思想和方法与熵理论相融合，通过灰熵理论与方法研究冷链生产现场问题，具有重要的理论价值和现实意义[7]。

2.1相关概念

1)灰熵及其极值。

2)熵增定理及均衡度。

可知灰熵是序列X的分量值均衡程度的测度,灰熵越大序列就越均衡[9-10]。序列的均衡度定义为B=H(X)/Hm(X)，B值越大，其序列越均衡。当H(X)=Hm(X)，B=1时，序列X为常数序列。

3)灰色关联度。

标准参考序列X0=[X01,X02,…,X0n]，有Xi=[Xi1,Xi2,…,Xin]，i=1,2,…,m作为被比较的序列。关联系数矩阵的定义如下。

(1)

(2)

(3)

(4)

2.2灰熵综合评价步骤

4)计算灰色关联度R，以X0为标准参考序列，由式(4)计算各待评方案与理想方案的灰色关联度；

7)由灰熵定义公式，计算灰熵Ej和均衡度Bj，得出各方案对第j个指标的贡献总量；

8)计算第j个指标下各方案贡献度的差异系数gj=1-Ej，并对各差异系数归一化处理，得到各评价指标权重；

9)多层次灰熵综合评价，Li+1=Wi·Li。

3冷链生产现场评价实例分析

3.1确定评价对象集和评语集

评价对象为冷链中心生产现场，并按照图1所示的评价体系进行综合评价。将冷链生产现场评价结果分为5级：很差(v1)，差(v2)，一般(v3)，好(v4)，很好(v5)，则评价的评语集为V={v1,v2,v3,v4,v5}。定性指标可通过问卷调查表得出各评价因素相对于评语集V中各子评语的隶属度C。对于定量指标可通过具体数值判断。

表5　冷链生产现场评价指标原始数据

A2冷库利用率=1-仓库总空间损失=61%,

A32日平均产量=3 425(kg),

A4货损成本率=27%,

A51产品检测合格率=检测合格的产品数量/总物流数量=78%～91%,

A52产品可追溯率=质量可追溯的数量/总物流数量=63%～82%,

A53顾客满意度=客户满意的订单数量/总订单数量=65%～80%。

在定量指标评估中，日平均产量、产品检测合格率、产品可追溯率、顾客满意度按照范围内波动的频率取值。对配送中心的定量指标的评估如表6所示。

表6　定量指标评价结果

冷链物流中心的作业员工分为老员工和流动员工两类，老员工的技术能力和个人素养基本上符合公司要求，其担任的岗位技术性较强；流动员工由于在职在岗时间不长，综合素质相对较差。人员管理的评价是基于老员工和流动员工的综合表现打分的。冷链中心的特殊性同时要求对制冷设备设施、器具的摆放严格遵守规章制度，在该配送中心的运作中，出现了多处的制冷物质残留，器具使用后未及时放回规定区域，定制管理的评价基于此进行打分。该配送中心的实际运作中，冷库的库存环境温湿度控制范围波动性略大，卫生状况较好。对该冷链中心现场的管理和库存环境指标评估如表7所示。

表7　定性指标评价结果

3.2多层次灰熵综合评价

1) 最优指标集的确定。

由表3和表4的评价结果，最优指标集为

X*={x11,x12,x2,x31,x32,x4,x6,x51,x52,x53}={0.4,0.39,1,0.72,0.65,1,0.6,0.6,0.3}。

2) 差值矩阵的计算。

3) 熵值法计算权重。

P1={0.68，0.65}, g1={0.32,0.35}, W1={0.49, 0.51},

P2={0}, g2={1}, W2={1},

P3={0.53,0.56}, g3={0.47, 0.44}, W3={0.52,0.48},

P5={0.53,0.53,0.42}, g5={0.47,0.47,0.58}, W5={0.31,0.31,0.38},

P4={0}, g4={1}, W4={1},

P6={0,68}, g6={0.32}, W6={1},

I1=[I1·W1]={0.015 3,0.040 8,0.345 9,0.389 8,0.208 2},

I2={0,0,1,0,0},

I3={0.052,0.093 6,0.662 4,0.144,0.048},

I4={0,0,0,1,0},

I5={0,0,0.276,0.615 5,0.108 5},

I6={0,0,0.1,0.6,0.3},

P={0.784 1,0,0.670 2,0,0.558 9,0.478 9},

g={0.215 9,1,0.328 8,1,0.441 1,0.521 1},

W={0.0616 6,0.285 6,0.093 9,0.285 6,

0.126 0,0.148 8}。

4) 一阶灰色关联度的计算

由式(4)计算一阶灰色关联系数矩阵。

5) 多阶灰色关联度的计算。

L1= R1·[W1]T={0.183 6,0.198 9,0.838 3,0.974 5,0.547 6},

L2=R2·[W2]T={ 0.33,0.33,0.33,0.33, 1},

L3= R3·[W3]T={0.374 8,0.390 4,1,

0.435 6,0.373 2},

L4= R4·[W4]T={0.33,0.33,0.33,1,0.33},

L5= R5·[W5]T={0.343 8,0.343 8,0.655 9,0.855 6,0.393 4},

L6=R6·[ W6]T={0.33,0.33,0.38,1,0.50},

L= W ·[L1, L2, L3, L4, L5, L6]T={0.169 1,0.532 7,0.236 7,0.662 6,0.326 6}。

6) 结果分析。

根据最大隶属度准则，L=max(Li(5))=0.662 6，可以判定冷链生产现场综合评价结果为“较好”能够满足新鲜果蔬的加工流通，且冷链的库存环境，物流流通率以及管理库存的整体情况较好。该配送中心的生产现场可以保障较高的客户满意度，竞争优势和良好的发展前景。

4结束语

果蔬冷链生产现场的评价决策是一个复杂的问题，需要考虑众多因素，这些因素既有定量因素又有定性因素，既存在着模糊性又存在着灰性。应用灰熵理论对冷链配送中心的生产现场进行评价，是一种全新的评价方法。该评价方法利用均衡接近度作为评价准则，避免了低层次多因素权重的确定，能够得出较为客观的综合评价结果。

参考文献：

[1]房亚东,李改,杜来红. 基于灰熵的城际轨道交通系统决策评价方法研究[J]. 系统工程, 2015，33(2): 152-158.

FANG Yadong D,LI Gai, DU Laihong. Intercity rail transit system decision-making method based on grey entropy[J].System Engineering, 2015,33(2): 152-158.

[2]王李春,姚洁,刘彬彬. 基于熵权的灰色关联分析方法在在电力设备评标中的应用[J]. 沈阳工程学院学报, 2010，6(1): 32-34.

WANG Lichun, YAO Jie,Liu Binbin. Application of gray relative analysis method based on entropy weight in bid evaluation of power equipment[J]. Journal of Shenyang Institute of Engineering, 2010，6(1): 32-34.

[3]谢莹.冷链物流管理成熟度评价指标体系的构建[J]. s经济论坛, 2009，468(2): 134-135.

XIE Ying.Construction of evaluation index system of cold chain logistics management maturity[J]. Economic Forum, 2009，468(2): 134-135.

[4]曹影.基于AHP的食品冷链物流评价体系研究[J].物流工程与管理, 2011，33(205):5-8.

CAO Ying.Study on food cold chain logistics evaluation system based on AHP[J]. Logisics Engineering and Management, 2011，33(205):5-8.

[5]易兵.果蔬冷链物流研究[J].物流工程与管理, 2013，234(12):84-85

YI Bing. Study on cold chain logistics of fruit and vegetable[J]. Logistics Emgineering and Mamagement, 2013，234(12):84-85

[6]童国尧,高孟立.基于农校对接的鲜活农产品冷链物流体系构建研究[J].价值工程,2013，32(09):16-17.

TONG Guoyao，GAO Mengli. Study on the construction of the system of fresh agricultural products cold chain logistics based on farming school docking[J]. Value Engineering, 2013，32(09):16-17.

[7]邓延伟,邬文兵，许金立，等.水产品冷链物流绩效评价指标体系研究[J].管理现代化,2013(5): 85-87.

DENG Yanwei, WU Wenbing, XU Jinli,et al.Research on performance evaluation index system of cold chain logistics for aquatic products[J]. Management Modernization, 2013(5): 85-87.

[8]TSENG M L,CHIU A S F. Grey-entropy analytical network process for green innovation practices[J]. Procedia-Social and Behavioral Sciences, 2012, 57(9): 10-21.

[9]MANNING L，BAINES R N，CHADD S A.Quality assurance models in the food supply chain[J].British Food Journal, 2006,108(2):91-104.

[10]CHEN T Y, LI C H. Determining objective weights with intuitionist fuzzy entropy measures: A comparative analysis[J]. Information Sciences, 2010, 180(21): 4207-4222.

Method of Cold Chain Production Site Decision-making Based on Grey Entropy

DU Laihong1， FANG Yadong2， LI Gai2

(1. School of Management, Xi′an University of Finance and Economics, Xi′an 710100, China;2. The Institute of Mechanical and Electrical Engineer, Xi′an Technological University, Xi′an 710021, China)

Abstract：To improve the management level and operational efficiency of the fruit and vegetable cold chain enterprises, the decision evaluation infrastructure of the cold chain production site is established, and the quantitative criteria for each evaluation index is given. The grey entropy comprehensive evaluation model of cold chain production is established on this basis by using the principle of entropy and grey correlation analysis method. The application of a cold chain distribution center site evaluation is illustrated as an example, and the results shows that evaluation and decision making of cold chain distribution center production site is able to obtain an approving evaluation results.

Key words：cold chain production site; system decision-making; grey entropy

收稿日期：2015- 08- 03

基金项目：陕西省教育厅科研计划项目资助(12JK1005)；西安财经学院科研项目资助(14XCK05)；陕西省重点学科建设专项资金资助(1201)

作者简介：杜来红(1976-)，女，甘肃省人，讲师，主要研究方向为信息管理与知识管理、网络环境下的信息管理系统.

doi:10.3969/j.issn.1007- 7375.2016.03.016

中图分类号：C931

文献标志码：A

文章编号：1007-7375(2016)03- 0096- 06