基于AHP模糊综合评判的公路货运物流供应商能力研究

赵芬霞，李坤燕，宋 爽，王雨嫣

(天津商业大学 理学院，天津 300134)

1 引言

近年来社会经济急速发展，同时带动了物流行业快速发展，而公路货运物流是整个物流行业的核心[1]。公路货运企业建设企业物流信息平台,可实现物流信息全程可追踪、动态可视化管理、实现资源整合与汇聚，优化配置，提升企业竞争力。信息化的货运物流信息平台[2]可展现供应商的各类共享信息，通过物流供应商和客户的对接使客户收集供应商相关数据更加便捷，可进一步对所选择物流供应商的运输能力给予客观评判。

德尔菲法是构建多级评判指标体系[3]的常用方法之一，它可以确立指标的可行性、独立性、层次性和全面性等[4]特征，且避免评判指标权重过小，引起评判失效。AHP(层次分析法)是一种定性与定量相结合的、系统性的、层次化的多目标决策分析方法[5,6]，它体现了人们决策思维的基本特征-分解、判断和综合，指标权重经常由AHP确定[7～10]。模糊综合评判法[11]是较成熟且应用较广泛的评判方法，它以隶属函数为桥梁，利用模糊关系合成原理，将一些模糊因素进行量化，刻画了每个指标录属于评语集的模糊程度[12，13]。它适用于评判因素多、结构层次复杂的指标体系，可很好地解决模糊性和不确定性的问题。因此，本文将结合物通网上物流供应商的实际数据，应用德尔菲法确定物流供应商公路货运物流运输能力的二级评判指标，应用AHP方法确定指标权重，并通过模糊综合评判方法，得到公路货运物流供应商能力的综合评判值。

2 AHP模糊综合评判法

模糊综合评判主要由3个要素集构成，分别是评判因素集、评判评语集、评判权重集。首先，确定被评判对象的评判因素集、评判评语集；其次，用AHP确定各个因素的权重[14]，获得评判权重集；最后，确立各因素的隶属度，获得模糊关系矩阵，将模糊关系矩阵与因素的权重向量进行模糊运算并进行归一化，得到模糊评判综合结果[15]。

2.1 确立评判因素集

评判因素集用来代表被评判对象的n种评判因素，设为C={C1,C2,…,Cn}刻画被评判对象的n种评判因素，其中评判因素可分为多个等级，每一级指标下可设下一级指标。设第一层为目标层，第二层指标层为准则层，第三层指标层为因素层。

2.2 确立评判评语集

根据评判指标因素选取合适的标准建立评判评语集，设为V={V1,V2,…,Vn}刻画各评判因素的m种评判等级。

2.3 AHP确立指标权重集

利用层次分析法确定评判因素的权重向量，其实现步骤如下：

步骤一：建立指标因素判断矩阵。

对同一层次的各因素关于上一层中某一因素的重要性进行两两比较，构造判断矩阵。假设该层次包含个因素，则两两比较构造的判断矩阵为阶方阵。表示两因素重要性的九级标度及意义如表1所示。

表1 标度

步骤二：近似求解矩阵的最大特征值及其对应的特征向量。

将矩阵A按列归一化为矩阵B=(bn)，其中:

(1)

(2)

(3)

则矩阵A的最大特征值为:

(4)

步骤三：一致性检验。

(5)

随机一致性指标由表2可查得。当时，认为判断矩阵一致性是可以接受的；否则应对判断矩阵做适当修正。

(4)确定指标权重。

一致性检验通过后，W=(w1,w1,…,ws)T即为层次单排序的权重向量。

表2 随机一致性指标RI

2.4 模糊综合评判

模糊综合评判是用模糊函数来刻画每个指标录属于评语集的模糊程度，并结合AHP方法确定的因素权重，给出评判对象相对于评语集的录属函数。

(1)构造模糊关系矩阵。

(6)

(2)生成评判结果。

采用加权平均型模糊算子[16]，对权重向量W和模糊关系矩阵R进行合成：

(7)

将向量B归一化，即为AHP模糊综合评判的结果。

以包含两个层次的评判指标为例。假设一级指标包含3个因素，对二级指标的模糊综合评判结果分别为Bi(i=1,2,3)，则对应的AHP模糊综合评判的结果为：

(8)

式(8)中，W*是一级指标的权重向量。根据最大录属度原则，取b*=max(b1,b2,…,bm)，即为包含两个层次的AHP模糊综合评判结果。

3 公路货运物流供应商的能力评判

下面以物通网上的公路货运物流供应商的信息为研究对象，选取了经营“北京到广州”物流的21家公司，分别以命名，应用AHP模糊综合评判方法，对他们的物流能力进行评判。

3.1 因素集评判指标体系的确定

考虑到数据的可获得性和评判的合理性，对信息进行整合分析和数据处理后，将综合运作能力、发展潜力、服务能力作为公路货运物流供应商能力的一级指标，下设二级指标，构建物流供应商能力的评判指标体系如表3所示。

表3 物流供应商能力AHP模糊综合评判模型指标体系

3.2 确立评判评语集

结合上述评判指标因素的评判标准，建立四级评判评语集，分别表示“不好”“一般”“较好”“很好”，并设置评判等级分值分布如表4所示。

表4 评判等级分值

3.3 AHP方法计算指标权重

以A1物流公司为例，首先应用AHP方法求解指标权重。以一级指标为例，对3个指标进行两两比较，得到一级指标因素的判断矩阵如表5所示。

将上述结果代入公式(1)～(5)，可得到标准化的特征向量为W=(0.4931,0.2394,0.2675)，最大特征值λmax=3.0506，一致性指标CI=0.0253，一致性比率CR=0.0839<0.1，通过了一致性检验，因此，一级指标的权重向量为W=(0.4931,0.2394,0.2675)。

类似对二级指标进行权重计算，对其一致性检验全部通过，最后得到由层次分析法确定指标权重的汇总表如表6所示。

表5 一级指标因素判断矩阵

3.4 物流供应商物流能力的AHP模糊综合评判

3.4.1 生成模糊关系矩阵

二级指标数据为定量与定性相结合。对定性数据，依据评价标准由平台上公司的相关信息进行打分后取均值。例如，对物流供应商有：“物流设施持有状况”=6；“网站信息化建设”=5;“风险水平”=6。其余定量数据可在信息平台上直接获取。A1公司原始指标数据为：C1=(2380，3，6，320，120)，C2=(124，5，500，5)，C3=(0.75，3，6)。

选择梯形函数作为评判集的录属度。以“运输路线数目”为例，根据21家公司的总体数据值，确定评语“不好”的梯度隶属函数区间为：1000以下100%属于“不好”，从而隶属度为1；区间[1000,2000]上的隶属度值由1线性递减到0，认为是部分属于“不好”；在更远的区间，认为完全不属于“不好”，从而隶属度为0。同理，得到隶属于评语集“一般”“较好”“很好”的梯度隶属度函数区间。各个评语的隶属度函数如图1所示。

表6 评判指标权重汇总

将依次代入上述4个录属函数，计算得出A1公司的指标在评判集上的隶属程度向量，归一化后为(0，0.3100，0.5000，0.1900)，即隶属于“不好”的概率为0，隶属于“一般、较好、很好”的概率分别为:0.3100，0.5000，0.1900。同理确定其它因素集的梯形隶属函数区间，计算得出A1公司的指标C12～C15在评判集上的隶属程度。物流供应商物流能力的模糊关系矩阵如表7所示。

图1 评语集的隶属函数图形

表7 A1物流供应商的模糊关系矩阵

3.4.2 AHP模糊综合评判

应用公式(6)，得到A1物流供应商在指标C1上基于评判集的评判结果向量为：

B1=W1×R1=(0.1217 0.1816 0.1535 0.0959)。

=(0.1368 0.1776 0.5974 0.1204)

将其归一化得:

B1*=(0.1027 0.3585 0.4484 0.0904)

对C2,C3同理可得如下评判结果：

B2*=(0.0441 0.3807 0.4332 0.1419)

B3*=(0 0 0.5949 0.4051)

据式(7)，对一级指标的AHP模糊综合评判结果为：

进行归一化处理后得:

B*=(0.0612 0.2679 0.4840 0.1869)

模糊综合评判结果表明,A1供应商的物流能力隶属于“不好”的程度为0.1688,隶属于“一般、较好、很好”的程度分别为0.4079，0.3001，0.1232。根据最大隶属度原则[17],A1物流供应商的公路货物运输能力为一般。按表4中的分值分布对A1供应商做公路货运物流能力综合评判得：

S1=VBT=(30 60 75 90)(0.1688,0.4079,0.3001,0.1232)T=71.0311

3.4.3 评判结果分析

同理，对其余的20家物流公司进行AHP模糊综合评判，得到所有公司的综合评判及排名如表 8所示。可以看出，公路货运物流路线运输能力最佳的物流供应商为A7。

表8 物流供应商综合评判结果及排名

4 结语

本文基于对公路货运供应商物流能力评判的模糊性考虑，采用AHP模糊综合评判法对供应商的物流能力进行了评判：首先建立了二级评判指标体系及评判评语集；其次，利用层次分析法确定各评判指标的权重集；最后，利用模糊综合评判法，应用加权平均型模糊算子进行合成，得到了各物流供应商的客观评判结果，为客户更加科学地选择物流供应商提供了理论支持。此方法系统化地将定性指标定量化，很好地解决了指标的模糊性问题。但是在指标选择以及数据收集的过程中，由于平台信息有限和部分数据缺失，导致指标体系不够完整。进一步完善指标体系，以期得到更精准的评判结果是本文未来的研究方向。