大规模定制环境下基于公理设计的物流系统评价

陈茂禄 ，王增强 ，蒲 云

（1.西南交通大学交通运输与物流学院，四川 成都 610031；2.西华大学四川军民融合协同创新中心，四川 成都610039）

随着经济全球化进程的加快，企业在发展过程中必然面临持续变化的环境，消费者的需求呈现多样化和个性化.以顾客需求为导向的大规模定制（mass customization，MC）模式逐渐受到生产企业的青睐，这种模式实施的前提是响应时间和最终价格不受到较大影响，并为消费者提供定制的产品或服务[1-3].为了适应生产模式的变化，生产企业必须将主要精力和资源集中于核心业务，而外包一些非核心的业务，为了实现快速响应和增值服务，就要求企业在加强多样化产品开发模块研发的同时，强化物流系统的选择，设计更加优化的物流系统有助于降低企业成本、增加利润和促使产品更快响应.MC 的实施对物流系统提出了更高的要求，进一步加大了选择物流系统的复杂性和不确定性，如何在复杂环境下选择可行的方法是本文尝试解决的问题.

MC 环境下物流系统的评价需要考虑多项指标，目前的学者在对关键指标的权重进行分析时，一般选择德尔菲法[4]、层次分析法[5]、模糊层次分析法[6]和熵法[7]等方法，都希望决策者能在评估过程中量化指标.然而，受限于决策者不同的知识水平和工作经历，他们对相同的指标都会给出不同的理解，诸如此类因素都会导致许多指标的量化极为困难，一方面，指标量化不能完全体现MC 环境的不确定性和决策成员思维的主观性；另一方面，指标量化对决策成员提出了更高的要求.通常来说，决策人员往往会直接给出一些定性的语言信息来表征某些指标的重要性，如使用“高、一般、低”等语言短语来评价“MC 环境下物流系统的响应时间”的权重[8-9].此外，目前关于物流系统评价的传统分析方法主要有层次分析法[10]、遗传算法[11]、改进的遗传算法[12]和模糊数学[13-14]等，同时有学者运用组合方法评价[5].然而，参与决策的人员对于所选的物流系统在各项关键指标上的表现都有相应的预期，基于这种情形，部分研究在物流系统的评价过程中考虑到指标的期望，文献[15]将多目标评价体系应用到供应链系统设计过程中；文献[16]基于决策网络计划法，通过多属性的效用函数理论建立均衡模型，旨在解决考虑多目标的物流实施方案优化问题.需要指出的是，这些方法实施的前提都要事先确定效用函数或概率分布函数，而确定这些函数在实际操作上也非常困难，同时，更多有关文献没有考虑决策团队在评价前给出各项指标期望的情况.

基于上述，本文针对MC 环境提出了一种新的物流系统评价方法，首先引入基于语言短语的决策方法以确定指标的权重，将决策者给出的指标权重的语言短语转化为清晰值，然后根据公理设计中的信息公理，依据3 种指标期望的类型得出备选方案的符合程度矩阵和信息量矩阵，最后对备选方案的综合信息量进行比选.本文的研究目的是为生产企业决策者提供一种实施MC 模式的物流系统选择策略.

1 MC 环境下物流系统评价理论

1.1 MC 环境下物流系统的特征

MC 环境下，第三方物流服务方案的设计企业需要依据客户企业、零售商和消费者的需求提供更全面和专业服务，通常物流需求的期望包括如下：系统运输的产品对重量、体积和形状没有限制；在物流过程中对路线没有限制；物流全过程效率得到明显提高；智能化水平和自恢复的优势更加优越[17].具体来说，MC 环境的客户对物流系统的需求表现特征如下：

（1）零售商战略地位提高，中间环节减少

MC 环境下，作为个性化消费的终端代表，零售商战略地位有了很大提高.为了在竞争中占据优势，零售商更希望减少中间环节，甚至直接从厂商取货，加大了对物流系统供货时间的考验.

（2）生产企业降低库存的需求增大

企业订单在MC 环境下是需求拉动的个性化产品定制，更希望物流系统持有库存，生产企业根据订单向物流企业购买零部件进行组装生产.与大规模生产相比，企业所需原材料更具有随机性和不稳定性，企业为了迅速占领市场要求物流系统供应时间最小化.

（3）需要先进信息技术的支持

MC 环境下生产企业在满足规模效应的同时为客户提供差异化的产品，物流企业为了提高客户满意度，需要为客户设计专门的定制服务，这就需要现代信息技术的支持，如无线射频技术、电子数据交换等.

（4）动态调整，分散布局

与传统生产企业相比，MC 环境下的企业还要确保生产可以动态调整以满足MC 的柔性.MC 环境下的物流系统为生产企业提供服务，要设计专门的动态服务模式，并提供细分的物流系统以满足企业快速响应市场的需求.

1.2 MC 环境下物流系统的评价指标

MC 的生产模式目的是要满足顾客定制化的需求，因此，企业要在竞争中取得成功，MC 环境下物流系统关注的不仅仅包括传统的运输和仓储等，还要体现系统整体的高度柔性，能为顾客任意数量和时间的要求提供响应速度更快的物流服务.根据多次实地调研和反复的文献对比分析，结合MC 模式的特征，认为应从以下4 个维度来对物流系统进行全面的评价和分析.

（1）成本评价：生产企业引入MC 模式后，顾客要求最终成本的物流成本增加幅度不能过大，可以从任意数量的运输成本和库存成本等方面对成本进行分析.

（2）时效评价：MC 模式对物流系统的快速响应要求更高，可以从资金周转率、库存总时数、订单响应时间和日处理订单数等方面进行分析.

（3）柔性评价：MC 模式要求物流系统能为顾客随时提供任意数量货物的物流服务，可以从覆盖范围可拓性和任意数量吞吐总量等方面进行分析.

（4）技术评价：MC 模式追求系统的整体性能，可以从工具自动化程度和信息管理水平等方面体现系统的技术性能.

综上，本文确定的指标体系如图1所示.

图1 MC 环境下物流系统评价的指标体系Fig.1 Evaluation indices of logistic systems in the context of mass customisation

2 MC 环境下物流系统的评价问题

在MC 环境下选择物流系统，生产企业不同部门、零售商和消费者对物流系统的需求有不同的期望，战略管理层更为关注系统的总体运营状况，市场部、零售商和消费者更侧重于系统的响应时间，生产部就会对库存情况提出更多要求，这就必须在评价过程中权衡利益相关者的诉求，决策成员的集合记为D={D1,D2,···,DT}，T为决策成员数.决策团队根据客户需求和市场发展趋势以得到系统选择的关键指标，记为G={G1,G2,···,GM}，M为关键指标数量.

从理论上讲，许多因素对物流系统备选方案的性能都有影响，但是在实践中，只有少数几个指标决定了评估过程.不必要的大量输入不仅会降低决策模型的清晰性，还会增加其计算的复杂性.因此，参与决策的人员就有必要从确定的指标体系中找到更为重要的关键指标，并进而通过进一步的处理得到各项关键指标的权重.在权重确定过程中，由于评价决策来自不同的专业领域，鉴于其知识背景、经验和价值观等各方面存在很大差别，对需要评估问题的理解也必然存在差异.因此，各位决策成员在对指标权重判别时更喜欢根据自己的经验和偏好直接给出语言短语.评估人员在对系统评价时需要合适的评估标度，合适的评估标度不仅仅将语言信息定量化，还与决策成员的评价信息一一对应[18].本文采用的标 度 为Y={y1,y2,y3,y4,y5,y6,y7,y8,y9} ，其 中y1= 极低，y2= 很低，y3= 低，y4= 较低，y5= 一般，y6= 较高，y7= 高，y8= 很高，y9= 极高.由于决策团队衡量指标权重时给出的是语言短语，对其核算时就需要转化为数值，语言评估标度中的任意一个元素，都可以通过一个三角模糊数进行表示.

定义1[19]设

式中：xc、xd、xe分别是的下限、中限和上限，0 ＜xc≤xd≤xe，则称为一个三角模糊数，其特征函数可表示为

为了评价的方便，下面给出三角模糊数的运算法则：

（2）φ={φxc,φxd,φxe},φ为任意数,且φ ≥0.

文献[20]给出了将语言变量转化为三角模糊数的方法；为了得到各个指标的具体权重，指标的模糊值需要继续处理，文献[21]提出了将模糊数转化为明确值的方法.本文将文献[20]和[21]提出的方法集成将指标的语言权重经过两次转化得到指标权重向量，并在此基础上进一步做了规范处理得到最终的权重向量，令规范化的指标权重向量为

式中：girj为第j个关键属性的规范权重，j=1,2,···,M.在对物流系统进行改进前，决策团队根据所收集到的信息对经济发展趋势和同行企业情况做出分析，通过多次反复探讨，确定各项关键指标的期望.MC 环境下物流系统评价是一个典型的不确定信息问题，决策团队在给出指标期望时，可能呈现不同的形式，在信息收集比较完整，决策团队理解更为透彻的情况下，期望值是一个精确的数值Ej；鉴于经济发展形势和同行竞争对手信息难以收集，需要提前做出预判，期望值以区间的形式来呈现，Ej=在本文的实例中，（1）决策团队认为物流货物吞吐总量须在150 万台以上；（2）决策团队认为物流系统的库存总时数的合理期望值为2～6 d；（3）决策团队认为物流系统的订单响应时间不能超过8 d.关键指标（1）和（3）的期望值为一个精确数，关键指标（2）的期望值位于一个区间内.关键指标集G={G1,G2,···,GM} 的期望集记为E={E1,E2,···,EM}.文献[22]在研究中定义了公理设计，公理设计包括独立公理和信息公理，独立公理要求各个备选方案都须满足不同关键指标的最低要求，无须考虑其他指标；信息公理是依据决策团队给出的评估值和期望值，使用信息公理的计算公式计算得到各备选方案的最终评价指数，进而选择更合理的方案.根据公理设计的要求，在MC 环境下选择合理的物流系统，就需要将决策团队给出的备选方案在关键指标上的评估值或区间转化为符合指标期望的程度.

第三方物流服务方案的设计企业需要对客户企业的竞争环境全面分析，结合企业现状、优劣势和发展情况，充分发挥自身特色和技术优势，初步设计适应MC 环境的物流系统备选方案，备选方案集记为S={S1,S2,···,SN}，N为备选方案数量.结合企业所收集的信息，各位决策成员对不同备选方案在各项评估指标上的表现进行评估，评估值记为rij(i=1,2,···,N)，据此组建各备选方案的评估矩阵（表1）.依据如上描述，本文旨在解决的问题就是基于决策团队所确定的关键指标集G、指标期望集E、规范化的关键指标权重Gir以及各备选方案的评估矩阵R，从第三方物流的设计企业所提供的备选方案集S中确定更适合企业实施MC 模式的物流系统.

表1 备选方案的评估矩阵Tab.1 Evaluation matrix of alternatives

3 MC 环境下物流系统的评价方法

MC 环境下选择物流系统，为确保结果的合理性，必须邀请客户企业、零售商和消费者的代表作为决策成员，企业在MC 的实施过程中面临的客观环境具有较强的模糊性，决策成员在给出关键指标权重信息时很难给出精确的数值，而更倾向于使用语言短语来表征各项关键指标的重要性.本文提出了集成方法对此进行核算，将决策成员给出的权重信息转化为三角模糊数，通过处理得到明确值，再进行规范化处理确定各项关键指标的最终权重.

如上所述，本文提出的评价方法考虑到了决策成员事先确定的指标期望，一般来说，备选方案Si在关键指标Gj上的评估值rij通常会出现3 种情景：不超过确定的指标期望Ej；位于确定的指标期望区间内；必须超过或达到所确定的期望值Ej.考虑到公理设计的原理，为了得到明确的评价结果，就必须对不同备选方案的评估值进行处理，将决策成员给出的备选方案在各项关键指标上的评估值与期望值进行比较，在现有研究的基础上改进3 种分布类型的计算公式，将决策成员给出的备选方案在关键指标上的评估值或区间转化为符合指标期望的程度，得到不同备选方案的最终评价指数，进而确定更为合理的物流服务方案.

本文所提出的物流系统评价方法的步骤详情如图2所示.

步骤1根据企业实施MC 模式的实际情况，从企业战略管理层、市场部、生产部和零售商选择参与物流系统评估的决策成员，组成决策团队D，通过实地调查和深度访谈等不同形式获取详实的市场信息，在此基础上分析影响物流系统选择和MC 模式实施的关键指标G，决策团队根据整理分析的市场信息，经过多次研讨分析，确定了各项关键指标的期望值E.

图2 MC 环境下基于公理设计的物流系统评价方法Fig.2 Evaluation method of logistic systems in mass customisation based on axiomatic design

步骤2邀请各位决策成员给出M个关键指标的语言短语，使用式（1）将语言短语转化为模糊语言标度：

式中：zc,zd,ze分 别是z的下限、中限和上限；q=1,2,···,9.

依据式（2）将给出的语言短语进行综合：

将语言短语转化得到指标权重的明确值：

式中：ωcj、 ωdj、 ωej分别为的下限、中限和上限；L=min{ωc1,ωc2,···,ωc6}，H=max{ωe1,ωe2,···,ωe6}，Δ=H-L.

依据式（4）对 ωdef=(ωdef1,ωdef2,···,ωdefM) 进行规范处理，得到规范化的指标权重向量Gir=(gir1,gir2,···,girM).

步骤3第三方物流的设计企业通过组织全面调研，筛选确定供选择的方案，各位决策成员根据所收集整理的信息确定备选方案在各项关键指标上的评估值，据此构建评估矩阵R.

步骤4在考虑指标期望的前提下评价MC 环境下的物流系统，就需要将决策团队给出的评估信息转化为符合指标期望的程度，进而构建矩阵A=其中aij为第三方物流的设计企业提供的备选方案Si在关键指标Gj上的评估值符合指标期望Ej的程度.由于评估值通常有3 种类型分布情景，这就要求依据信息公理的原理，结合现有研究分别给出不同类型分布的转换计算式.

如果决策团队认为评估值rij不能超过指标期望值Ej，则转换计算式为

假设ri j=ruij=rvij，有

假设ruij≺rvij，有

如果决策团队认为评估值rij应位于指标期望区间内，则转换计算式为

假设rij=ruij=rvij，有

假设ruij≺rvij，有

如果决策团队认为评估值rij应超过或达到指标期望值Ej，则转换计算式为

假设rij=ruij=rvij，有

假设rui j≺rvij，有

一般来说，ai j∈[0,1].按照公理设计的原理，aij的值越趋近0，评估值与期望值的差距就越大；aij的值越趋近1，评估值与期望值的差距就越小；特别地，ai j= 1 表示评估值与期望值没有差距，aij= 0 表示评估值与期望值差距最大.

步骤5根据上述转换公式所确定的指标期望符合程度矩阵A，可以构建各项备选方案的信息量矩阵其中bi j表示设计企业提供的备选方案Si在关键指标Gj上的信息量，其计算式为

一般来说，bi j∈[0,+∞).按照公理设计的原理，bi j的值越趋近0，评估值与期望值的差距就越小；bij的值越趋近 + ∞，评估值与期望值的差距就越大；特别地，若有bi j= 0 表示评估值与期望值没有差距，若有bi j趋近于 + ∞ 时评估值与期望值差距最大.

根据决策团队使用语言短语所确定的各项关键指标规范化的权重信息，集结各项备选方案的信息量矩阵，可以得到各个备选方案的最终评价指数Bi，其计算式为

步骤6依据信息公理的基本原理，如果第三方物流的设计企业所提供的备选方案Si的最终评价指数Bi越小，则该方案就越符合期望值.据此可以对各备选方案的最终评价指数进行排序，从而获取更合理的物流系统.

根据如上描述，考虑到MC 环境下物流系统选择的复杂性和不确定性，本文提出了基于语言信息和公理设计的评价方法.该方法集成了语言决策理论和公理设计的信息公理原理.首先，将决策成员以语言短语给出的指标权重转化为三角模糊数，经过进一步处理转化为明确值，得到各项关键指标规范化的权重信息，使用语言短语降低了决策成员选择的要求，充分体现了评估环境的不确定性.其次，由决策团队确定各项关键指标的期望值，然后得到各备选方案在关键指标上的评估值，进而通过计算得到符合期望值的程度矩阵和信息量矩阵，在此基础上剔除不合格方案，最终通过对备选方案的最终评价指数排序来得到最佳方案.

4 应用实例

国内某知名电脑P 公司主营业务是笔记本电脑，为了应对经济全球化带来的挑战和消费者需求的持续变化，公司决定探索实施MC 模式，力争使得MC 的全面实施成为占据竞争优势的重要方式.企业决策层对于物流系统的改进非常重视，希望通过物流系统的选择达成如下目标：（1）信息处理能力进一步提高；（2）到达最终客户的时间更短；（3）物流成本不增加；（4）服务范围进一步拓展.

步骤1项目负责人邀请6 位决策组成评估团队参与指标选择决议和系统评价，其中4 位分别来自战略管理部、生产部、销售部和零售商，2 位来自于外部咨询决策组.6 位决策成员根据所收集的市场和企业信息，从图1的指标体系中选择了MC 环境对物流系统影响较大的关键指标：G1——改进系统的任意数量货物吞吐量；G2——改进系统的资金周转率；G3— —改进系统的库存总时数；G4——改进系统的订单响应时间；G5——改进系统的日处理订单数；G6——改进系统的任意数量运输成本.决策团队通过详细的市场调研，并且走访了企业的市场开发、生产、技术和最终顾客，经过多次反复讨论，最终得到各项关键指标的期望值（表2）.

表2 各项关键指标的期望值Tab.2 Expected values of key indices

步骤2决策团队使用给定的语言评估标度，对各项关键指标的权重进行判断，具体详情如表3.

表3 决策成员给出的评估信息Tab.3 Evaluation information presented by decision makers

依据式（1）和（2），得出以三角模糊数表征的关键指标G1的权重信息，={0.50, 0.60, 0.70}，={0.53, 0.63, 0.73}，={0.62, 0.72, 0.82}，={0.73,0.83, 0.93}，={0.53, 0.63, 0.73} ，={0.48, 0.58,0.68}.

根据式（3），确定指标G1的明确权重信息，

ωdef1=0.15, ωdef2=0.19, ωdef3=0.29, ωdef4=0.42,ωdef5=0.19, ωdef6=0.13.

使用式（4）对得到各项关键指标的权重向量Gir=(0.11,0.14,0.21,0.31,0.14,0.09).

步骤3第三方物流服务方案的设计企业对需求企业的环境进行全面分析，结合企业的产品和物流现状及未来发展趋势，充分发挥自身在物流领域的特色和优势，经过反复推演确定了物流系统的7 个备选方案，鉴于客观环境的复杂性和决策成员思维的主观性，在各备选方案评估值的判定过程中呈现形式有所差异，决策成员以区间数的形式来表征关键指标G1、G3和G4的评估值，以精确数的形式来表征G2、G5和G6的评估值（表4）.

表4 备选方案的评估值Tab.4 Evaluation values of alternatives

步骤4从表2中可以看出各项关键指标的分布情景，具体为：期望值至少要超过或达到某一数值的关键指标为G1、G2和G5，期望值在一个区间范围内的关键指标为G3，期望值不能超过某一数值的关键指标为G4和G6.分别使用式（6）、（8）、（9）和式（10）得到不同备选方案在各项关键指标上符合期望值的程度（表5）.

表5 备选方案指标期望符合程度评估值Tab.5 Evaluation value for expectation-outcome consistency of alternative indexes

步骤5依据式（11），得到不同备选方案在各项关键指标上的信息量（表6）.需要指出的是，备选方案S5在关键指标G1上的信息量趋近于 ∞，备选方案S5和S6在关键指标G2上的信息量也趋近于∞，表明备选方案S5和S6完全不符合指标的期望值，应予以剔除.

表6 备选方案信息量Tab.6 Information content of alternatives

基于式（12），就可以确定剩余备选方案S1、S2、S3、S4和S7的最终评价指数为有B1=0.141 4.

同理B2=0.054 6，B3=0.171 8，B4=0.090 5，B7=0.056 7.

步骤6依次对各备选方案的最终评价指数进行排序，则有B3≻B1≻B4≻B7≻B2，根据公理设计原理，最终评价指数最小的备选方案S2为依据该方法选定的最优方案，将该结果汇报至公司管理人员，得到了决策层的支持.

为了在实际运营中验证所提方法，该公司将备选方案应用于物流系统的设计过程，通过市场、生产和财务等相关部门的反馈，结果表明，备选方案能够有效地体现公司实施MC 模式后物流系统的特征，MC 模式的实施使得企业更加关注顾客需求的响应时间，从客观上提高了顾客的体验效果.

5 结 论

依据市场宏观分析、历史数据和发展趋势，决策团队选定满足客户个性化定制需求的物流系统指标，因而指标的选择具有较好的现实价值，首先确定评估指标的期望，同时给出评估指标的语言权重信息；然后利用模糊标度处理，并通过科学的方法转化为明确值，得到最终的指标权重向量，该方法为指标权重的确定给出一种新的思路.

在3 种指标期望类型情况下，首先由规划方提出的备选方案的设计值构建评估矩阵，然后转化为符合指标期望程度的矩阵，并且依据公理设计中的信息公理建立备选方案的信息量矩阵，最终计算各方案的最终评价指数，从而得出最佳方案.

实例分析说明，本文所提的MC 环境下基于语言信息和公理设计的物流系统评价方法应用于实际的物流系统评价是有效可行的.