“互联网+”环境下基于T-PIGNTOPSIS的电子商务物流供应商评价

[福州大学 福州 350108]

引言

随着我国商业贸易的不断发展，特别是电子商务和网络经济的兴起，区域间的贸易往来越来越频繁。人们在享受足不出户便捷交易的同时，也对与之相对应的物流服务水平提出了更高的要求。在电子商务活动中，一旦物流供应商选择不当，将造成物流费用高、服务态度差、送货时间长等问题，最终导致顾客大量流失[1]。2016年7月，李克强总理在国务院常务会议中指出，推进“互联网+物流”，既是发展新经济，又能提升传统经济。在大数据、云计算的运用中，物流这个传统行业正在经历一场全新的变革。许多电商物流企业正在加快探索新技术的运用，而企业如何根据自身需求选取一个合适的物流供应商，涉及衡量企业运作模式优劣的多种因素，评价方法的科学性直接影响物流供应商选择效果。因此，在“互联网+”环境下对电子商务物流供应商的评价进行研究具有较大的现实意义。

关于物流供应商的评价与选择问题，国内外均有学者做出大量的研究。在评价方法的选取上，主要有层次分析法（AHP）[2]，网络层次分析法（ANP）[3]、逼近理想点法（TOPSIS）[4]、数据包络分析（DEA）[5]、线性规划（LP）[6]等。针对电子商务物流这一特定背景下的物流领域的研究，学者们主要关注的对象为电子商务物流配送的作用、模式、供应链系统及配送系统。如伍星华等构建了B2C电子商务企业物流模式决策的指标体系，根据各指标的特点及其关联性，将网络分析法（ANP）和理想点法（TOPSIS）相结合，并运用于B2C电子商务企业的物流模式决策[7]；李启庚和张华从顾客价值的角度建立电子商务物流能力的评价体系，并以此为基础构建模型，分析电子商务物流能力对顾客价值的影响关系[8]；卫振林和孙剑青针对性地提出基于中小电商物流一体化方案的共同配送模式和运作流程，实现其从实体枢纽向信息枢纽的转变，推动零散电子商务物流配送资源的整合，为中小电商提供共同仓储和共同配送的一体化综合服务解决方案[9]；周珍等分析了电子商务第三方物流供应商的特点，提出电子商务第三方物流选择评估指标系统，引入直觉模糊集刻画已有信息关于相应决策指标的状态，建立基于直觉模糊集的综合评估方法[10]。

综上所述，已有不少学者对传统物流供应商的评价与选择进行探讨，而对电子商务物流供应商的研究则大多以此为基础，尚缺乏有针对性的评价指标体系与评价方法。电子商务物流供应商选择具有灰色系统特征，由于评估专家组对供应商的了解及认识具有一定的主观性和不确定性，仅用一个实数来表示对相关指标的打分或评价，显得不太合适。为了克服指标无法定量的问题，一些学者在研究决策问题时引入了三参数区间灰数（T-PIGN）来对评价指标进行度量[11～13]。关于三参数区间灰数在决策问题上的难点主要在于方案的排序与比较，而目前三参数区灰间的比较运算尚未形成一个被研究者们普遍接受的解决方法。

基于以上不足，本文在现有物流供应商评价指标研究的基础上，针对电子商务企业，提出了“互联网+”环境下的物流配送供应商评价指标体系。使用基于T-PIGN-TOPSIS的评价方法对备选物流供应商进行评价，根据灰色系统理论中“信息被充分利用”的理念，提出了一种新的三参数区间灰数可能度计算方法和距离测度计算方法，克服了指标无法定量的问题，使得评价结果更为科学有效。

一、“互联网+”环境下电子商务物流供应商评价指标体系的建立

在物流供应商评价指标体系的建立上，国内外学者均进行了深入而有意义的探讨。通过相关文献的查阅，可以将现有的指标体系归纳为质量、信息技术、服务、成本、企业素质、合作程度这六个方面[14～17]。随着物流业乃至中国经济的转型升级，“互联网+物流”已成为我国未来物流业发展的大趋势。“互联网+物流”本质是将互联网理念、技术全面植入传统物流产业后的在线化、数据化，通过技术、设备、商业模式等诸多方面创新促使传统物流业运作方式的改变和效率提升。较之传统物流产业，“互联网+”环境下电子商务物流的发展趋势主要有以下两点：（1）智慧化，主要指智能产业进级，快递、仓储、运输、末端等范畴不断智能化以提升效率；（2）绿色化，指在物流过程中抑制物流对环境造成危害的同时，实现对物流环境的净化，使物流资源得到最充分利用。

在参考相关研究[14～17]基础上，考虑到电子商务物流企业的经营特征与“互联网+物流”的发展趋势[18～19]，构建电子商务物流服务供应商的评价指标体系，如表1 所示。

二、基于T-PIGN-TOPSIS的电子商务物流供应商评价方法

（一）基于三参数区间灰数的电子商务物流供应商评价指标度量

1.三参数区间灰数的基本概念

定义1：既有下界又有上界的灰数称为区间灰数(PIGN)，记为

在实际的评价过程中，如果只以区间灰数的上界和下界来表示往往会使决策者的评价结果脱离实际。以决策者对电子商务物流供应商的行业口碑评价为例，若决策者认为该供应商的行业口碑一般（4分）的可能性为10%，良好（7分）的可能性为70%，优秀（9分）的可能性为20%，如果以来表示决策者的评价结果，显然没有充分利用到决策者的判断信息。而在实际评价过程中，我们难以准确收集到概率信息，如果让决策者给出最可能的评价值和评价区间的话，相对来说比较容易操作。因此如果用三参数区间灰数来表示该决策者的评价结果的话，就能够使得评价信息得到更为充分的利用。

定义2设为三参数区间灰数（T-PIGN），其中分别为区间灰数的下界和上界，a*为在此区间中取值可能性最大的数，称为区间灰数的重心。

在上面的例子中，该决策者对电子商务物流供应商行业口碑的判断信息可以用三参数区间灰数来表示。

2.三参数区间灰数的排序方法

为了比较区间灰数的大小，我们需要对区间灰数进行排序。现有的区间灰数排序方法主要有两种，一种是确定性排序方法，即在区间中找出一个最可能代表该区间取值的数，并比较大小。另外一种是非确定性排序方法。在非确定性排序方法的研究上许多学者引入了可能度的概念。目前使用最广泛的区间数计算方法主要考虑到的区间灰数的中点及区间长度。为了利用到三参数区间灰数的重心这一重要信息，本文在传统区间灰数可能度计算方法上兼顾了所能收集到的所有信息，即同时考虑到了上下界，区间长度，以及重心点。

定义3设有两个三参数区间灰数分别为两个区间灰数的区间长度，则称

表1 电子商务物流供应商的评价指标体系

定义4如果则称三参数区间灰数大于三参数区间灰数记为如果则称三参数区间灰数拟大于三参数区间数记为如果则称三参数区间灰数拟相等，记为

本文构造的三参数区间灰数的可能度计算方法具有以下性质：

性质1（规范性）

性质2（直观性） 若则若则

性质3（互补性）

性质4（自反性）若且则

性质5（传递性）则当且仅当时

3.三参数区间灰数的距离测度

在网络计划技术中，我们通常可以用三值估算法来确定非肯定型工时定额，其计算公式为其中a表示最乐观时间，b表示最悲观时间，m表示最可能时间。由该公式可以看出，在只考虑乐观时间，悲观时间与最可能时间的情况下，m出现的概率为2/3，a或b出现的概率均为1/6。受到该原理的启发，我们可以假设在三参数区间灰数距离测度计算中，重心点的重要性占2/3，下限与上限占的重要性为1/3：

定义5设有两个三参数区间灰数为与间的距离，则有：

本文构造的三参数区间灰数的距离测度计算方法具有以下性质：

性质6

性质7是的充要条件。

性质8

（二）基于T-PIGN-TOPSIS的电子商务物流供应商评价方法步骤

TOPSIS法的基本原理是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好； 否则不为最优。其中最优解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标的最差值。基于对三参数区间灰数可能度的比较与距离计算，本文提出的基于T-PIGN-TOPSIS的电子商务物流供应商评价过程如下：

步骤1利用层次分析法求出电子商务物流供应商的评价指标体系（表1）中各一级指标的权重向量以及各一级指标所对应的二级指标的权重向量

步骤2以指标C1为例，利用公式（1） 确定C1下二级指标的正理想解：

负理想解：

步骤3利用权重向量与距离公式（2）求出指标C1下各方案与正理想解的综合距离和与负理想解的综合距离：

步骤4计算指标C1下方案与正负理想解之间的贴近度

步骤5重复以上步骤，算出指标C2，C3，…，C5下各方案与正负理想方案之间的贴近度c1i，c2i，…c5i。则各方案的总贴近度

步骤6根据总贴近度ci的大小对各方案进行排序。

三、实例研究

某电商品牌创立于2012年，其产品全面覆盖天猫、京东、苏宁易购等各类渠道。为了扩大物流运输规模，秉承“顾客至上，体验为王”服务理念，合理控制物流成本，决定选择物流服务供应商帮助其处理配送业务。通过实地考察和调研，最终确定四个备选物流供应商。现使用本文建立T-PINGTOPSIS评价方法来对备选物流供应商进行选择。请多位专家使用表1的评价指标体系对这四个物流供应商进行评价。除了成本以外，其他指标都难以用实数进行准确量化，因此用三参数区间灰数进行表示。以指标C1（基础维度）为例，最后得到的规范化评价矩阵如下：

步骤1使用层次分析法得到各一级指标的权重向量以及指标C1下各二级指标的权重向量：

步骤2算出正理想解为：

负理想解为：

步骤3计算各方案与正理想解的综合距离：

与负理想解的综合距离：

步骤4求得在指标C1下各方案的相对贴近度

步骤5求得所有指标下各方案的相对贴近度

步骤6由可得供应商3为最佳方案。

如表2所示，将本文的方法与文献[11]～[12]进行比较，可以看到本文的排序结果与各文献得出的结果基本一致。基于对计算过程进行的分析我们可以看到，本文的方法使各方案的区分度得到了改善。以指标C1为例，使用文献[12]的TOPSIS模型计算出的贴近度分别为c11=0.5602，c12=0.2983，c13=0.5340，c14=0.4508，使用文献[13]的TOPSIS模型计算出的贴近度分别为c11=0.6024，c12=0.4458，c13=0.6018，c14=0.5549，而使用本文的模型计算出的贴近度分别为c11=0.7313，c12=0.4444，c13=0.6055，c14=0.5167。通过各方案间贴近度大小的比较，可以看出本文中各方案间的差异得到了更显著的区分，如方案1与方案3之间的贴近度差异在文献[12]与文献[13]中分别为0.0262与0.0006，而本文的方法将其差距放大至0.1129，这在很多情况下有利于提高方案排序结果的说服力。

在实际情况中，供应商3是国内最早一批涉足电子商务物流领域的服务商，拥有30年仓储管理运营经验，独立运营十余载。充分利用已有的物流配送网络和多年积累的城市配送服务经验，在理赔响应时间、订单响应速度、存储与配送决策能力、资源回收能力等方面相对于其他物流供应商，表现得较为突出，因此该电商公司选择了供应商3作为其物流配送合作伙伴。

通过上述分析可知，T-PIGN-TOPSIS评价方法所得结果与该电商公司的供应商选择实际情况相符，证明了该方法可以对电商企业的各物流服务供应商进行有效的区分与排序。

四、结论

本文在现有物流供应商评价指标研究的基础上，针对电子商务企业，提出“互联网+”环境下的物流配送供应商评价指标体系。在评价指标的度量上引入三参数区间灰数，考虑到三参数区间灰数上下限与重心点的影响，提出了一种新的三参数区间灰数可能度计算方法，并重新定义了距离测度计算公式，该公式可以根据决策者的风险偏好进行调整。与现有文献相比，本文构造的可能度计算公式具有直观性、规范性、互补性、自反性、传递性等良好的性质，并且基于此的排序方法与已有方法相比改善了各方案的区分度，步骤简便，易于推广。在此基础上提出了基于T-PIGN-TOPSIS的电子商务物流供应商评价方法并进行实例研究，结果直观地反映了各备选方案的排序情况，且与实际情况相符，为电子商务物流供应商的评价与选择提供决策参考。