物流信息平台业务协同响应控制关键信息研究

邓建新，颜海娟，石先莲

(广西大学 1. 广西制造系统与先进制造技术重点实验室；2.机械工程学院，广西 南宁 530003)

物流业务是物流运营的对象，包括运输、仓储、包装等，其中，运输是最核心的业务。通过物流信息平台和大数据等开展物流业务运营成为未来物流运作的主要趋势之一[1]。近年来，我国相继建立了200多个不同类型的物流信息平台或APP，其风格各异，提供的业务信息的规范、类别等也有差异。物流信息平台实现了物流业务信息的汇聚、共享，提高了物流业务发现效率，但实际的业务运作开始前一般涉及发现、响应、达成交易3个环节，如图1所示，彼此互相影响，结果存在不确定性。因物流时间效应的要求，对发现物流业务的响应及时性决定了物流业务是否能成功执行，进而影响对应业务的运作效益和资源利用情况。例如，特定时间要返程的空载车辆，如果获悉信息的相关货源方不在该车辆返程出发时间前响应，意味着该车辆找不到货源而必须低载甚至空载返程。因此，不控制物流业务的响应会大大削弱物流信息平台对物流业务运作方面的提升效能。物流信息平台的发展，尤其是共享经济活跃后，吸引了众多学者开展相关研究，但对其研究仍集中在物流信息平台构建技术[2]、体系结构[1,3-4]和运用模式[5-6]。虽然近年逐渐兴起了关于其运营方面的研究，如出现了定价[7]和拍卖机制[8]，尤其是基于物流信息平台的业务撮合、发现算法(如匹配)[9-11]，但鲜有人涉及物流业务发现之后响应方面的研究。

图1 基于物流信息平台的物流业务交易过程Figure 1 Dealing course of logistics business on logistics information platforms

由于物流业务都涉及供需方，因此，物流业务发现方法实际上通过物流信息平台组织建立起了物流业务多个交易方之间的耦合关系。这意味着对物流业务的响应实际上需要协同响应，才能保证某个特定业务交易按预定时间达成。理论上该响应过程涉及以下内容：耦合的交易方在物流信息平台相关界面查看发现业务(来源于推荐或者搜索)的具体信息，然后对比自身的需求和分析，甚至进行价格博弈、收益盘算，决定是否响应和交易。由此可见，对物流业务的响应过程本质是一个决策分析过程，物流信息平台(界面)提供的关于特定物流业务的具体信息的种类、表现形式，业务本身的收益、成本等诸多信息影响耦合交易方加工对比和分析，进而影响其是否能抓住时机决策(即决策速度[12])。比如车主在选择运输货物时通常会考虑收益或者运输价格，如果物流信息平台直接提供了对应业务的预测收益，则车主无需再去收集信息，可直接对比和消除顾虑，减少响应决策的信息收集、加工动作和时间。因此，优化物流信息平台的对应设计，以特定方式提供即表达友好的关于特定业务的合理的决策支持信息具有重要意义。但影响每个人决策的信息很多，包括交易者的知识水平、业务的收益等几十种。如果全部都通过界面提供，大幅度增加了物流信息平台对应决策支持模块的设计工作量和难度，同时如果提供过多的支持信息又会造成信息越丰富，信息越显不足的囚徒困境[13]。尤其是当前很多物流信息平台用户都是通过手机端来获取业务信息，即过多的业务支持信息反而会增加交易方决策分析过程，制约响应的及时性。所以，需要确定影响物流业务协同响应的关键信息，以驱动对应的信息模块设计，保证给物流业务响应的交易决策者提供其决策时最需要的支持信息，同时又避免信息过量。同时现有决策支持系统的研究很少涉及决策支持的信息内容及其表达方式(含界面)方面[12]。

鉴于此，结合运输是物流业务的核心业务，本文以其为基础，通过定量计算影响信息的权重，确定了物流业务协同响应控制的关键信息内容，以指导物流信息平台(协同响应控制模块)的优化设计和提供关键支持信息给交易方，推动其快速决策，缩短决策时间。为了便于表述，将物流信息平台中专门进行物流业务协同响应控制的模块称为“协同响应决策支持系统”。

1 关键影响信息的确定方法

基于物流业务协同响应过程是决策过程的本质，首先构建物流业务协同响应的决策系统，确定该系统内影响决策的因素为潜在信息；然后对这些信息，采取定量比较计算权重的方式来反映各信息的重要性并排序。因缺乏这些因素的基础数据，无法通过数学模型等方式评估其重要性，为此，选择主观权重评定方法。但为了避免各方法的主观影响和造成确定的关键信息结果的随机性，影响整个支持系统的设计，综合选用层次分析法(analytic hierarchy process，AHP)、决策试行与评价实验室(decision making trial and evaluation laboratory，DEMATEL)和AHP-DEMATEL法分别计算各项信息因素的权重，并应用序号总和理论进行可靠性检验，确定最优结果。然后基于主成份分析法确定主成份思想，将累计权重贡献率大于等于85%的信息确定为物流业务协同响应的关键影响信息，按此分别计算3种方法的下的关键信息，将其获得的关键信息的交集即取得共识的信息作为关键信息，将关键信息在最优方法中的定量权重作为其最终权重。其流程如图2所示。

图2 确定协同响应控制关键信息的流程Figure 2 Steps of obtaining the key information of collaborative response control

设第i项信息的权重为wi，在3种方法中的计算方法如下。

1) AHP选取根值法对判断矩阵进行归一化处理来求得权重。

式中，aij表示构建的判断矩阵元素；n为信息的总数量。

2) DEMATEL计算权重的公式为[14]

3) AHP-DEMATEL采取式(3)来计算权重[14]

2 潜在影响信息识别

在基于物流信息平台的物流业务交易环境下，对物流业务的协同响应过程本身是多方的耦合决策过程，但每一个交易方都在从物流信息平台获得业务信息后独立决策，交易决策者在决策过程中获取的关于决策任务的信息影响完成决策的及时性和结果。因此，将该决策相关元素纳入决策系统即物流业务决策系统，从物流业务决策系统组成要素影响因素的角度可得到物流业务协同响应的初始影响信息。基于此，以运输业务为例，构建了物流业务决策系统的逻辑结构，如图3所示。从决策者、决策任务和环境3个方面分析，识别出17个影响物流业务决策速度的潜在因素，见表1。

3 关键信息内容的确定

3.1 单元方法的信息重要性计算

1) AHP计算的重要程度。

基于AHP的原理，根据表1元素的关系，构建物流业务决策影响因素的层次结构，从上到下依序为：目标层(物流业务决策)、准则层(决策者、决策任务和环境)、影响信息层(表1的信息)。基于两两因素比较法咨询广西AI物流公司等单位客户和专家构建判断矩阵，设定式(1)中n=17，运用Matlab软件计算，通过一致性检验后，求解得到各影响信息的权重(限于篇幅，不罗列得到的判断矩阵和求解过程)。

图3 物流业务响应的决策系统Figure 3 The decision system of logistics business response

表1 影响物流业务决策速度的潜在信息Table 1 Potential information impacting speed of making logistics business decisions

由此得到，各影响信息因素的重要程度排列为

2) DEMATEL法计算的重要程度

咨询广西AI物流公司等企业专家，对专家给出的各影响因素间关系结果统计后，按表2方式对统计结果S进行分值计算，并以该分值构建直接影响矩阵X，记作

表2 影响程度标准打分表Table 2 Evaluation standard of influence degree

由X可知，当或者时，有最大值29，以该值对矩阵X经规范化处理后计算出综合影响矩阵，然后分别求出物流业务协同响应各影响信息因素的影响度、被影响度、中心度和原因度。依据式(2)求得它们的权重值如表3所示。

表3 各信息影响度、被影响度、中心度、原因度和权重Table 3 The influential degree/affected degree/ central degree/cause degree of the potential information

由表3得到基于DEMATEL法的物流业务协同响应各影响信息因素的重要度排序为

3) AHP-DEMATEL法计算的重要性0.073,0.119,0.150,0.271,0.013,0.007,0.005,0.054)。则该权重下的重要性排序为

3.2 最优信息序列

因关键信息决定了协同响应决策支持系统设计，而所使用的方法具有一定主观性，为了降低这种主观性影响，保证所确定的关键信息一致正确，不随主观波动太大。应用序号总和理论进行检验。序号总和理论考虑各方法对某研究对象排序差异，把各种不同方法下的排序号相加，得到序号总和，按序号总和排序的结果得到客观排序[15]。将该客观

式中，k为各方法；为第i个因素在第k个方法与总序号排序号之差。，Rk越大与理想状态越接近，当Rk=1时表明该方法排序为最理想的排序。基于以上3种方法的排序，将其转化为序号，并计算得到序号总和排序，结果如表4所示。

分别计算AHP、DEMATEL法和AHP-DEMATEL法相对于序号总和排序的Spearman等级系数为0.892、0.912、0.993。可见，3种方法中AHP与总序号排序差距最大，因为其主观性很强，同时未考虑因素之间的影响，AHP-DEMATEL法Spearman系数最大，是最好的方法，其结果为独立应用方法的最好排序，逼近于总序号排序，只在F2、F4、F163个因素上表现出细小差距，已比较客观。因此，AHPDEMATEL法可以降低主观因素的影响，与其他研究一致[16]。如果为了简单，可直接应用AHP-DEMATEL法来得到排序和关键因素。

表4 几种方法基于的排序结果Table 4 The sorting sequences based on the selected methods

3.3 关键信息内容的确定

理论上，表1中的17个信息内容都应在协同响应控制中呈现，并以合适的形式为交易者提供支持。如根据“决策偏好F6”提供偏好的匹配业务结果，这无疑造成系统设计工作量巨大，也会增加界面的复杂度和用户浏览的工作量，但从前面的计算知其对决策者的影响重要程度有差异，全部提供价值并不大。为此，通过累计权重来精简。

由于AHP-DEMATEL法的排序为最优排序，优先选取AHP-DEMATEL法的结果计算累计权重，如表5所示。以累计权重0.85作为边界，则确定的关键信息为“边际收益/成本(F13)、业务匹配度(F7)、业务再现概率(F12)、业务价格(F11)、业务消耗时间(F10)、市 场 竞 争 性 (F17)”6个 ， 记 为K1={F13、F7、F12、F11、F10、F17}。

再分别计算AHP和DEMATEL方法的的累计权重，如表6、表7所示。以累计权重0.85作为边界，得到的AHP下关键信息有9个，包括业务匹配度(F7)等，记为K2={F7、F13、F12、F11、F10、F3、F6、F17、F5}；DEMATEL法的关键信息有10个，记为K3={F13、F12、F7、F11、F10、F17、F9、F14、F15、F8}。

由此得到3种方法下的关键因素的交集是KJ={F13、F7、F12、F11、F10、F17}=K1。这也表明，直接应用AHP-DEMATEL法可得到的本文的关键信息因素。

表5 AHP-DEMATEL法的各信息累积权重Table 5 Information cumulative weight under AHP-DEMATEL

表6 AHP法的各信息累积权重Table 6 Information cumulative weight under AHP

表7 DEMATEL法的各信息累积权重Table 7 Information cumulative weight under DEMATEL

对比3种方法确定的关键信息数量可知，AHPDEMATEL得到的关键信息个数最少，更具有关键的内涵，这也表明该方法具有明显的突出关键效果的作用。3种方法下各因素的权重反映了这种作用，如图4所示。AHP下的最大权重为0.19，最大、最小权重比为14.6；而DEMATEL下只有0.13，最大、最小权重比为26；但在AHP-DEMATEL下，最大权重达到了0.27，几乎是DEMATEL的2倍，最大、最小权重比达到271，拉大了重要程度的差距，使得前面6个信息的累计权重值已经超过0.9。这反映了该方法对因素的重要性更具有汇聚作用。

图4 3种方法下各因素的权重趋势Figure 4 Weights curve of the information under the three methods

可见，基于AHP、DEMATEL和AHP-DEMATEL法的物流业务响应支持信息重要性排序存在一定差异但整体结果大致相近。综合得到的物流业务协同响应控制的关键信息为边际收益/成本、业务匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性, 表5为其重要性权重。

4 基于关键信息的应用

协同响应决策支持系统以物流信息平台的匹配结果为输入，呈现该结果及其关系给业务的交易方，并提供响应控制的接口和耦合控制的算法。关键信息的确定为该决策支持系统设计提供了基础，大幅度简化了决策支持系统的设计和开发工作量，尤其是信息数据的来源方式设计和信息表达方式(含界面)设计减少约2/3。因为这些主要信息一般都需要综合多种信息才能获得，如业务的匹配度，在车货匹配中要综合考虑车、货的起始地、时间、流向、重量等多种信息，而且其匹配度有不同的计算方法。

基于以上信息，建立了它们的计算方式和其表达方式(含界面)，以减少交易方获取信息和决策判断的时间。如式(6)为建立了业务消耗时间的计算方法。

式中，tij表示第i个车运输第j个货物需要的预测时间，右式第1部分表示装载时间；第2部分表示运输时间。

图5为设计的业务消耗时间表达示例，整个表达框架分为两部分。左边为前面确定的关键信息导航栏，可切换浏览几种信息，其初始顺序以表5的权重为基础来排序，权重越大的信息位于最上面，可结合其使用频率进行顺序调整提供个性化界面；右边则为具体的每一类信息的表达内容和方式。相关交易方可从该信息中直接快速得到当前物流信息平台匹配的最少业务时间消耗的车源，无需过多信息加工，提高响应效率。

图5 物流业务协同控制关键控制信息的表达示例Figure 5 Expression case of the key information to logistics business collaborative control

5 结束语

物流业务协同响应过程本质是一个耦合决策过程。响应决策及时性决定了决策效益，进而影响了物流业务的开展和资源的优化利用。获取影响交易方响应决策的关键信息对实现决策效益和优化物流信息平台对应支持系统设计有重要作用。本文提出了定量分析确定物流业务协同响应关键信息的方法。

从决策角度可知，影响交易方进行及时响应决策的信息，或者交易方希望获取的信息有17类，综合专家意见和计算结果确定的关键信息是“边际收益/成本、业务匹配度、业务再现概率、业务价格、业务消耗时间、市场竞争性”6类，分别占的权重为“0.271、0.234、0.150、0.119、0.073、0.054”。它们是物流业务协同响应控制决策系统设计的基础，大幅度减少了物流业务控制/决策系统的设计工作量。通过设计提供这几类信息，既为物流业务响应的交易决策者提供了其决策时必要的支持信息，又避免信息过量，为加速决策提供保证，大幅度减少了对应支持系统的设计工作量。该研究可为其他决策支持系统设计提供参考，尤其是决策速度对效益影响方面的研究提供参考。