第四方共享物流解决方案综合评价分析方法

程瑞

摘要：传统共享物流服务模式主要关注供应链局部环节物流设施设备的共用共享，所得出的往往是相对于供应链端到端视角的局部最优解。从全局优化角度寻找能够满足终端客户时效、经济、质量目标要求的共享物流解决方案，对实现供应链服务各参与方利益最大化具有重要价值。为避免先验知识与主观因素影响，确保共享物流解决方案选择的客观性，有效指导货主、收货人和物流服务提供商实现多赢，可从第四方物流视角出发，构建共享物流端到端多因素评价指标体系，进而基于变精度粗糙集、香农熵和遗传算法进行端到端共享物流解决方案综合评价分析。案例研究结果显示，在一级指标中，仓储运输资源整合共享能力、服务可靠性及一致性、国际化及智慧化水平的相对重要性程度更高;在二级指标中，跨主体物流系统集成能力、为客户提供增值服务的能力、可使用的仓储资源等相对重要性程度更高。为制定适合企业需要的共享物流解决方案，相关货主企业可利用上述综合评价模型和算法编制大数据分析软件，并结合不同物流服务提供商的时间序列数据和截面数据，对各潜在物流服务提供商综合能力进行评价，对有效决策规则进行筛选和挖掘。

关键词：共享物流;第四方物流;变精度粗糙集;香农熵;遗传算法

中图分类号：F252.24文献标识码：A文章编号：1007-8266（2020）03-0082-11

一、引言

共享经济在我国的发展受到国家战略和市场需求的双重支持，正处于快速发展阶段。根据国家信息中心发布的《中国共享经济发展年度报告（2019）》，2018年我国共享物流收入约490亿元，较上年增长40%，增速居共享经济五大细分领域第二位，2015—2018年复合增长率达69.8%（图1），说明我国共享物流行业及相关产业已经进入快速发展时期[ 1 ]。

传统共享物流服务模式主要关注供应链局部设施设备的共享，其原因在于，我国物流基础设施整体利用率偏低，当前物流业很多重要资源，如仓储、托盘、集装箱等局限于企业内部流通使用，存在不同程度的闲置。我国物流设施设备使用方面的行业痛点如下：一是仓储资源空置率较高，整体使用不充分;二是托盘资源大量闲置，整体利用效率偏低;三是不同企业集装箱规格不一，导致共享困难;四是甩挂运输模式推广不足，导致车辆资源无法充分使用;五是公路运输空载率较高，运力尚未得到充分利用。

一般而言，按照物流典型配送环节的关键要素，可将共享物流模式分为七类，具体参见表1。

目前，已有诸多研究对共享物流和端到端供应链服务模式及其评价指标进行了深入探讨，大致可分为三类。一是共享物流商业模式研究。赵广华[ 2 ]研究了农村电商中共享物流的四种常见模式，并对不同模式进行了对比分析;葛慧敏等[ 3 ]对供应链上下游数据共享的模式进行了探索，发现跨环节数据共享可以增加供应链弹性。二是信息技术在共享物流中的应用研究。钱慧敏等[ 4 ]发现，我国共享物流和智慧物流协同效应较弱，仍然具有较大潜力;李富昌[ 5 ]对库存与物流联合优化中存在的若干问题进行了研究，并提出了信息共享、定价激励等措施;刘伟荣等[ 6 ]对区块链技术在提高集装箱共享效率、降低运输成本方面的应用进行了研究;安霓[ 7 ]对互联网+物流中有关信息共享的若干问题进行了探讨，并提出了优化方法。三是使用数据挖掘算法对物流绩效进行评价。徐广姝[ 8 ]将粗糙集评价方法用于生鲜电商物流服务质量评价，证明了粗糙集方法在物流绩效评价方面的客观性和有效性;王珍珍[ 9 ]应用超效率CCR-DEA模型对我国制造业与物流业联动发展效率进行了评价;孙文清[ 10 ]通过使用综合赋权法及探索性因子分析法实证研究第三方物流（3PL）服务商评价，并在此基础上建立了物流服务提供商（LSP）综合评价指标。

综上所述，目前市场上主流的共享物流模式主要是整个物流过程中局部环节物流设施设备和信息的共享共用，缺乏基于整个供应链视角的端到端物流资源和信息优化理论与评价方法。

二、基于粗糙集与第四方视角的多因素共享物流综合决策方法

（一）第四方物流与第三方物流的区别

一般而言，可将第三方物流定义为由供方（1PL）和需方（2PL）以外的物流企业提供物流服务的业务模式[ 11 ]。第三方物流的特征，一是通过合约的形式确定物流经营者与物流消费者之间的关系;二是第三方物流往往具有差异化属性，即满足消费者千人千面的不同需求。第三方物流与客户企业之间是战略联盟关系，尽管可以降本增效，但两者间存在目标不一致等问题。这主要是因为，第三方物流自身存在缺陷，不能承揽全部物流与供应链服务，无法获得令各方均满意的最佳方案。为解决上述问题，1996年埃森哲咨询公司首次提出了第四方物流（The Fourth Party Logistics，4PL）的概念，即一個供应链整合商，通过组合与管理自己的资源、能力和技术，同那些互补的服务提供商一起提供一套全面的供应链解决方案。由上述定义可以发现第四方物流的重要特征，即定位为供应链整合商，其核心能力是通过高效集成自身与供应链利益相关方优势资源产生最佳实践，具体参见图2。

如前所述，传统共享物流模式主要基于第三方物流视角，局限性明显。比如，仅关注供应链中某一个或某几个环节的物流设备与信息共享，而不是从供应链整体角度加以优化考虑;对潜在利润的挖掘能力局限于自身所触及的局部物流共享环节，无法获得因端到端供应链优化而产生的潜在利润;仅关注局部环节的客户需求，忽视了供应链最终客户——货主、消费者等的物流需求。

如圖3所示，从第四方物流视角开展共享物流的供应链优化主要聚焦于两个方面：一是供应链的纵向优化，即供应链越来越呈现出短链特征，通过第四方物流实现供应链端到端的信息共享联通与流程优化，实现对冗余环节的压缩;二是供应链的横向整合，即通过第四方物流实现消费者端（个人）及商家端（企业）零散数据的汇集，实现供应链同一环节资源的聚合，比如，汇聚打通零售和制造领域诸多企业端的仓储需求与托盘需求，实现基础设施需求的归集，进而集约建设物流基础设施，实现同一地区物流基础设施共用共享，在提高设施利用效率的同时，降低重复建设成本。

为此，本研究尝试基于第四方物流视角探讨共享物流多因素综合决策问题，从端到端整体供应链视角分析各共享物流模式典型因素对整个供应链效率的影响，进而挑选出能够使得供应链最终客户需求得到充分满足的最佳方案，并通过数据挖掘算法得出能够显著提高供应链端到端效率的共享物流优化方案。

（二）粗糙集理论

粗糙集理论（Rough Set Theory，RST）最初于1982年由波兰科学家帕拉克（Pawlak Z）[ 12 ]提出，在不完备、不确定信息系统分析方面具有天然优势，且无需任何先验知识就可以得出相对客观的结论。

定义1：知识表达系统[13-14]

多因素综合评价指标中的条件属性一般包括方案决策者在考察不同第四方物流解决方案时需要重点考虑的相关因素。

黄雪明等[ 15 ]经过深度调研提出了物流服务提供商的六大关键价值驱动因素，分别是策略能力与客户协同、规划能力与经验、资源供应整合能力、运作效率与成本、信息整合能力及服务可靠性。为此，本研究在评价指标体系条件属性设置中会考虑上述物流服务提供商关键价值驱动因素。

如图4所示，基于第四方物流视角的共享物流多因素评价指标体系包括六个一级指标，分别是信息整合协同共享能力（纵向整合能力）、与客户策略协同能力、仓储运输资源整合共享能力（横向整合能力）、规划能力与经验、服务可靠性及一致性、国际化与智慧化水平等。其中，每个一级指标下面还包含多个二级指标，共18个二级指标。通过上述多层次、多因素综合评价指标体系，可多维度、全方位反映影响端到端共享物流解决方案质量的因素。

2.数据离散化处理

由于利用粗糙集方法处理的数据必须是离散化数据，因此对连续属性进行离散化是使用粗糙集方法进行分析的基础。有监督的离散化方法包括基于天真算法（Na？ve Scaler）的离散化方法、基于布尔逻辑和粗糙集理论的离散化方法、卡方分箱算法等[ 16 ];无监督的离散化方法包括等频率离散化方法、等宽离散化方法、基于核密度评估的离散化方法等[ 17 ]。

三、实例分析

为验证本研究提出的基于粗糙集与第四方物流视角的多因素共享物流决策方法的有效性，考虑如下案例：A公司为一家大型零售企业，其之前采取与传统第三方物流服务提供商合作的方式。近年来，A公司发现，其物流成本显著高于同行业的头部企业，同时第三方物流合作企业为其定制化建设的仓储设施及托盘等物流设备无法始终保持稳定高效利用。为改善这种状况，降低物流总成本，增加盈利，A公司在咨询公司的建议下决定与第四方物流服务提供商合作，希望能够实现端到端物流成本的降低和效率的提升，能够通过共享物流的方式优化仓储、托盘等物流设施设备利用效率，能够通过跨环节信息共享降低货物库存，提高资金使用效率。经过广泛的市场调研以及对12家潜在第四方物流服务提供商以往案例的评估，得到离散后的决策表。具体参见表2。

（一）条件属性一级与二级指标相对重要性权重计算

根据前述公式和算法分别计算基于第四方物流视角的共享物流多因素评价指标体系下各一级指标与二级指标相对于决策属性的相对重要性权重。计算结果具体参见表3。

由计算结果可以看出，在一级指标中，仓储运输资源整合共享能力、服务可靠性及一致性、国际化与智慧化水平的相对重要性权重更高，其次是信息整合协同共享能力、规划能力与经验，最后是与客户策略协同能力。

在二级指标中，通过计算各指标带来的信息熵的增加，判断各具体指标相对于决策属性的相对重要性。计算结果发现，端到端的可视化水平（C12）、与第三方物流历史合作紧密度（C52）对增加评价指标体系的解释度基本无影响，说明其在所研究的目标集合中可以忽略。跨主体物流系统集成能力（C11）、为客户提供增值服务能力（C42）、可使用的仓储资源（C33）等二级指标相对重要性权重更高，说明其对终端客户关注的第四方物流服务质量指标（4PL LSQI）而言相对更加重要。

以一级指标仓储运输资源整合共享能力C3及其包含的三个二级指标为例，其相对重要性权重计算过程如下：

值得注意的是，上述各級指标权重均基于粗糙集和香农熵理论并完全由数据驱动计算得出，无须其他先验知识，不受主观因素影响，因此相对于传统权重确定方法更加客观。

（二）第四方物流服务提供商多因素综合能力排序及分析

根据前面计算得到的指标权重和式（5），可计算得出各第四方物流服务提供商综合得分，并对其端到端综合服务能力进行排序。值得注意的是，此得分与排序是综合考虑了18项条件属性二级指标、6项条件属性一级指标的相对权重与表现后得出的。同时，各级指标相对权重完全由给定的决策表计算得出，可以更加客观地体现各第四方物流服务提供商的综合服务能力。各第四方物流服务提供商综合能力总得分及各项细分能力得分具体参见表4。

12家第四方物流服务提供商综合能力排序具体如下：

其中，>表示级别优于关系，括号内数字为各第四方物流服务提供商综合能力总得分TQ，即总得分越高，第四方物流服务提供商综合能力越强，排名越靠前，建议货主优先选择。

由此可见，综合考虑条件属性一级二级指标与决策属性指标，第四方物流服务提供商L7综合能力最强，L5综合能力最弱。

（三）基于变精度粗糙集和遗传算法的关联规则挖掘和提取

在得到各物流服务提供商综合得分与相对排序后，还需要从已有案例和决策表中进行规则提取，以有效指导终端客户对物流服务提供商的选择，并帮助各物流服务提供商探寻改善自身端到端服务质量的决策规则和有效途径。

由于粗糙集的属性约简本质上是一个组合优化问题，本研究使用遗传算法进行属性约简及决策规则挖掘。具体流程参见图5。

如前所述，齐亚科（Ziarko）通过引入参数β（0≤β<0.5），将经典粗糙集模型的严格集合包含关系扩展到一定的概率范围内。关于β的取值，已有诸多研究进行了探索。贝农（Beynon M）[ 20 ]分析了不同β值对分类质量和最终约简结果的影响;程（Cheng Y S）等[ 21 ]提出了一种计算β值的方法，并通过试验分析了β值选取对决策表确定性度量和约简结果的影响;谢刚等[ 22 ]认为，当系统完备且数据分布均匀时，β应取较大值，否则应取较小值。由于本研究决策表比较完备，且数据分布比较均匀，因此取β值为0.15。

使用遗传算法和变精度粗糙集模型进行属性约简，最终得到154个属性约简，1 490条决策规则，为确保规则的有效性，对挖掘出的规则进行筛选和过滤（右侧支持数RHS Support> 2，右侧准确度RHS Ac？ curacy>0.75，右侧覆盖度RHS Coverage>0.5），最终得到对实践确实具有指导意义的50条规则。具体参见表5。

比如，决策规则“C13（2）+C42（2）？4PL LSQI（2）”意味着，当端到端信息安全保障能力较强，且为客户提供增值服务能力较强时，则该物流服务提供商的4PL LSQI指数一般也比较高;决策规则“C31（2）+C42（2）+C63（2）？4PL LSQI（2）”意味着，当可使用的航班数量较多，为客户提供增值服务能力较强，且大数据分析与处理能力较强时，该物流服务提供商的4PL LSQI指数一般也比较高。相关规则既可以帮助终端客户有的放矢地选择物流服务提供商，也可以指导4PL LSQI指数不高的物流服务提供商有针对性地提高自身细分能力，进而提升自身综合表现水平。

四、结论

本研究基于第四方物流视角，构建了一个包含6项一级指标、18项二级指标的共享物流多因素评价指标体系，并提出了一种基于粗糙集、香农熵和遗传算法的端到端共享物流服务提供商多因素决策方法。与传统方法相比，本研究的方法完全由数据驱动，无须额外先验知识和主观因素，可以更加有效地保证权重计算、相对排序与决策规则挖掘的客观性，能够有效指导货主、收货人、物流服务提供商实现多赢。

基于案例的研究结果显示，在一级指标中，仓储运输资源整合共享能力、服务可靠性及一致性、国际化与智慧化水平的相对重要性权重更高;在二级指标中，跨主体物流系统集成能力、为客户提供增值服务能力、可使用的仓储资源等相对重要性权重更高。根据计算得到的各级指标权重，给出各物流服务提供商综合能力指数的计算结果与各项能力分解。之后，使用遗传算法和变精度粗糙集模型进行属性约简与有效规则提取，并筛选出较为有效的50条规则供供应链利益相关方作为决策参考。

相关货主企业可参考本研究提出的综合评价模型和算法编制大数据分析软件，结合不同物流服务提供商的时间序列数据和截面数据，对各潜在物流服务提供商进行综合能力评价与决策规则在线挖掘。

参考文献：

[1]国家信息中心分享经济研究中心.中国共享经济发展年度报告（2019）[EB/OL].（2019-03-01）[2019-12-10].http：//www.sic.gov.cn/archiver/SIC/UpFile/Fi les/Default/20190301115908284438.pdf.

[2]赵广华.基于共享物流的农村电子商务共同配送运作模式[J].中国流通经济，2018（7）：36-44.

[3]葛慧敏，陈龙.基于按需物流机制的供应链信息共享模式研究[J].中国流通经济，2010（8）：32-34.

[4]钱慧敏，何江，关娇.“智慧+共享”物流耦合效应评价[J].中国流通经济，2019（11）：3-16.

[5]李富昌.库存与运输联合优化中的信息共享研究[J].中国流通经济，2012（4）：34-38.

[6]刘伟荣，真虹.基于区块链的集装箱共享模式研究[J].中国流通经济，2018（5）：32-42.

[7]安霓.“互联网+”背景下物流信息共享机制研究[J].价值工程，2018（19）：103-104.

[8]徐广姝.基于粗糙集的电商物流服务质量评价应用研究——以生鲜电商为例[J].中国流通经济，2019（7）：35-44.

[9]王珍珍.我国制造业与物流业联动发展效率评价——基于超效率CCR-DEA模型[J].中国流通经济，2017（2）：20-30.

[10]孙文清.第三方物流供应商评价的实证研究——基于探索性因子分析与综合赋权法[J].中国流通经济，2014（3）：91-95.

[11]全国物流标准化技术委员会.GB/T 18354—2006中华人民共和国国家标准物流术语[S/OL].（2015-08-14）[2019-12-10].http：//zizhan.mot.gov.cn/zhuantizhuanlan/go nglujiaotong / shoufeigongluzmk / zhengcefagui / 201508/t2 0150814_1863913.html.

[12]PAWLAK Z.Rough sets[J].International journal of comput？ er and information sciences，1982，11（5）：341-356.

[13]蒋朝哲.粗糙集理论在多属性决策中的应用研究[D].成都：西南交通大学，2006.

[14]张文修，吴伟志，梁吉业，等.粗糙集理论与方法[M].北京：科学出版社，2006：1-22.

[15]黄雪明，温智杰，全琳，等.第四方物流——物流供应商中的“超级经理人”[EB/OL].[2019-12-10].http：//www. doc88.com/p-6791353352650.html.

[16]SU C，HSU J.An extended chi2 algorithm for discretization of real value attributes[J].IEEE transactions on knowledge and data engineering，2005，17（3）：437-441.

[17]BIBA M，ESPOSITO F，FERILLI S，et al.Unsupervised dis？ cretization using kernel density estimation[C].The 20thinter？ national joint conference on artificial intelligence，2007.

[18]HOLLAND J H.Adaptation in natural and artificial systems[M].Massachusetts：The MIT Press，1975：20-31，90-111.

[19]ZIARKO W.Variable precision rough set model[J].Journal of computer and system sciences，1993，46（1）：39-59.

[20]BEYNON M.Reducts within the variable precision rough sets model：a further investigation[J].European journal of operational research，2001，134（3）：592-605.

[21]CHENG Y S，ZHANG Y S，HU X G.The relationships be？ tween variable precision value and knowledge reduction based on variable precision rough set model[C].Internation？ al conference on rough sets and knowledge technology，2006.

[22]謝刚，张金隆.基于VPRS的软件项目投标风险规避决策研究[J].中国管理科学，2006，14（2）：71-76.

Research on the Comprehensive Evaluation Method of the Fourth Party Sharing Logistics Solutions

——based on Shannon Entropy and Variable Precision Rough Set

CHENG Rui1，2

（1.Beijing Philosophy and Social Science Logistics Research Center，Beijing100048，China;2.Scientific Innovation and Development Research Institute，China Merchants Group，Beijing100029，China）

Abstract：Traditional sharing logistics service mode usually focuses on logistics facilities sharing in one or several supply chain parts，which often produces local optimal solution from the end to end supply chain perspective. Finding the global optimization solution to satisfy the customerstiming，economic and quality goals is very important to all logistics services participants. To avoid the impact of prior knowledge and subjective factors，ensurethat the choice of sharing logistics solutions is objective，and effectively guide cargo owners，receivers，and logistic service providers to achieve the win-win situation，a novel appraisal framework from the Fourth Party Logisticsperspective based on Variable Precision Rough Set Theory，Shannon Entropy and Genetic Algorithm is proposed in this paper. The results show that：among the firstlevel indicators，the relative importance of the ability to integrate and share storage and transportation resources，service reliability and consistency，internationalization and intelligence level is higher;and among the second level indicators，the integration ability of cross-body logistics system，the ability to provide value-added services to customers，and the available storage resources have higher relative importance.To formulate the suitable sharing logistics solutions for the enterprises，related cargo owner enterprises should take advantage of the previous comprehensive evaluation model and algorithm to compile the Big Data analysis software，evaluate the comprehensive capability of different potential logistic service providers，and do a better job in effective decision-making rules screening and mining.

Key words：sharing logistics;the forth party logistics;variable precision rough set theory;Shannon entropy;genetic algorithm