王丹竹，郎茂祥

（北京交通大學(xué)交通運(yùn)輸學(xué)院，北京市100044）

基于模糊聚類的物流服務(wù)產(chǎn)品模塊化設(shè)計(jì)方法

王丹竹，郎茂祥

（北京交通大學(xué)交通運(yùn)輸學(xué)院，北京市100044）

物流服務(wù)產(chǎn)品概念的提出是“服務(wù)產(chǎn)品化”理念在物流服務(wù)領(lǐng)域的一次成功應(yīng)用，是推動(dòng)企業(yè)物流服務(wù)標(biāo)準(zhǔn)化、科學(xué)化發(fā)展的有效途徑。本文采用模糊聚類方法，將物流服務(wù)產(chǎn)品的作業(yè)環(huán)節(jié)作為聚類對(duì)象，以樣本間的內(nèi)聚度最高、聚類間的耦合度最小、模塊劃分穩(wěn)定性最強(qiáng)為目標(biāo)，建立了基于改進(jìn)模糊C均值聚類的物流服務(wù)產(chǎn)品模塊劃分模型，并設(shè)計(jì)了用于模型求解的免疫算法，最后應(yīng)用Matlab軟件對(duì)模型進(jìn)行仿真求解。仿真結(jié)果說明，模塊化設(shè)計(jì)方法在物流服務(wù)產(chǎn)品設(shè)計(jì)中應(yīng)用簡單，實(shí)用性強(qiáng)，求解結(jié)果科學(xué)合理；同時(shí)，該方法具有較好的通用性，亦可用于其他服務(wù)產(chǎn)品的模塊化設(shè)計(jì)研究。

模糊C均值聚類；物流服務(wù)產(chǎn)品；模塊化；免疫算法

面對(duì)全球能源緊張、人力成本上升、生產(chǎn)技術(shù)革新、市場競爭加劇的宏觀經(jīng)濟(jì)環(huán)境，技術(shù)創(chuàng)新與產(chǎn)品創(chuàng)新是企業(yè)發(fā)展的客觀規(guī)律和必要手段，也是企業(yè)為優(yōu)化資源配置、分散經(jīng)營風(fēng)險(xiǎn)、降低交易成本、尋求可持續(xù)發(fā)展而實(shí)施的戰(zhàn)略。對(duì)于物流企業(yè)來說，其生存發(fā)展也必須遵循這一客觀規(guī)律。要滿足日益多樣化的客戶需求，產(chǎn)品創(chuàng)新是物流企業(yè)提升經(jīng)營效益與服務(wù)質(zhì)量的有效手段，也是提高綜合競爭力的根本途徑。產(chǎn)品設(shè)計(jì)方法是產(chǎn)品創(chuàng)新的關(guān)鍵，建立一套科學(xué)合理、高效易行的產(chǎn)品設(shè)計(jì)方法，是物流服務(wù)產(chǎn)品創(chuàng)新面臨的主要問題之一。

一、物流服務(wù)產(chǎn)品設(shè)計(jì)方法研究現(xiàn)狀

在機(jī)械及電子產(chǎn)品設(shè)計(jì)研究領(lǐng)域，模塊化產(chǎn)品設(shè)計(jì)方法已經(jīng)得到廣泛應(yīng)用，相關(guān)理論與方法的研究也較為成熟。但模塊化設(shè)計(jì)方法在服務(wù)產(chǎn)品設(shè)計(jì)領(lǐng)域內(nèi)的應(yīng)用，特別是在物流服務(wù)產(chǎn)品的開發(fā)與設(shè)計(jì)中還存在巨大的研究空間。

1.物流服務(wù)的“產(chǎn)品化”

服務(wù)產(chǎn)品是指生產(chǎn)者通過由人力、物力和環(huán)境所組成的結(jié)構(gòu)系統(tǒng)來銷售、生產(chǎn)及交付的能被消費(fèi)者購買和實(shí)際接收及消費(fèi)的“功能和作用”，如旅游產(chǎn)品、運(yùn)輸產(chǎn)品、電信產(chǎn)品、金融產(chǎn)品等，具有無形性、不可存儲(chǔ)性、產(chǎn)消同時(shí)性和質(zhì)量波動(dòng)性等特征。服務(wù)產(chǎn)品的誕生源自于“服務(wù)產(chǎn)品化”（Service Productization）概念的提出。所謂“服務(wù)產(chǎn)品化”是指將服務(wù)商所提供的服務(wù)，通過一系列統(tǒng)一的服務(wù)標(biāo)準(zhǔn)、可衡量的服務(wù)質(zhì)量和系統(tǒng)化的定價(jià)機(jī)制予以實(shí)現(xiàn)，進(jìn)而形成具有特定屬性的服務(wù)產(chǎn)品，將原有的服務(wù)業(yè)務(wù)轉(zhuǎn)化為規(guī)范化的、可控制的服務(wù)產(chǎn)品。[1]其目的是通過優(yōu)化傳統(tǒng)的服務(wù)方式，使客戶獲得的服務(wù)更為標(biāo)準(zhǔn)化、科學(xué)化。物流服務(wù)產(chǎn)品則是物流企業(yè)為滿足物流服務(wù)需求者的各種需要而投入的人力、物力、財(cái)力資源的具體產(chǎn)出形式。用產(chǎn)品的概念來刻畫物流服務(wù)，是“服務(wù)產(chǎn)品化”理念在物流服務(wù)行業(yè)內(nèi)的一次創(chuàng)新性應(yīng)用。

2.服務(wù)產(chǎn)品設(shè)計(jì)方法

服務(wù)產(chǎn)品的開發(fā)與設(shè)計(jì)研究在國外起步較早，如彼得斯和塞?。≒eters&Saidin）[2]從基于結(jié)構(gòu)性分層組合的需要出發(fā)，將服務(wù)產(chǎn)品的服務(wù)內(nèi)容進(jìn)行構(gòu)件層次劃分，其中“原子”是非獨(dú)立的服務(wù)內(nèi)容與服務(wù)要素，“分子”是每個(gè)單項(xiàng)的可提供服務(wù)，“單元”是每組邏輯上獨(dú)立的子服務(wù)集合。菲茨西蒙斯（Fitzsimmons）[3]提出了“服務(wù)包”的概念，即各種有形和無形要素的集合，包括支持性設(shè)施、輔助物品、顯性服務(wù)以及隱性服務(wù)四類要素?？ɡ鞯龋–ankurtaran etal）[4]給出了一種能夠從微觀層面來描述新產(chǎn)品開發(fā)速度和新產(chǎn)品開發(fā)成功率之間關(guān)系的元分析法。在國內(nèi)，劉韓樂、[5]孫瑞萍[6]等學(xué)者，以客戶需求分析為基礎(chǔ)，分別對(duì)運(yùn)輸產(chǎn)品和旅游產(chǎn)品的設(shè)計(jì)方法展開探討，但其研究內(nèi)容均停留在定性分析與理論闡述層面，并未涉及具體的實(shí)施方法與關(guān)鍵技術(shù)。

此外，由于不同類型的服務(wù)產(chǎn)品間存在較大差異，導(dǎo)致一些方法只能應(yīng)用于特定的服務(wù)產(chǎn)品設(shè)計(jì)，如何建立一種具有較強(qiáng)通用性的服務(wù)產(chǎn)品設(shè)計(jì)方法，是一個(gè)亟待解決的問題。

3.模塊化產(chǎn)品設(shè)計(jì)方法

模塊化設(shè)計(jì)是指，基于對(duì)產(chǎn)品功能的分解，按照一定規(guī)則對(duì)產(chǎn)品的零部件或作業(yè)環(huán)節(jié)進(jìn)行歸類劃分并得到相應(yīng)的功能模塊，各功能模塊具有不同功能，或者具有相同功能但具有不同性能和規(guī)格的產(chǎn)品設(shè)計(jì)方法。通過科學(xué)組合各功能模塊，可以得到不同的產(chǎn)品變型，從而滿足客戶的多樣化需求。杜（Tu）[7]認(rèn)為，當(dāng)企業(yè)的服務(wù)可以單獨(dú)出售或者能夠非常容易地與其他不同的服務(wù)包互相組合，或者不同特點(diǎn)的產(chǎn)品變型都是基于同一類的基礎(chǔ)服務(wù)時(shí)，該企業(yè)的服務(wù)產(chǎn)品就已經(jīng)具有了較高的模塊化程度。雅各布斯（Jacobs）[8]和坎帕尼奧洛等（Campagnolo etal）[9]認(rèn)為，所謂的“模塊化”，是指任何一個(gè)模塊可以借助于擁有明確定義的標(biāo)準(zhǔn)化接口的支撐，在不影響產(chǎn)品整體功能的情況下，被自由地分離或者替代。拉賈洪卡（Rajahonka）[10]則針對(duì)應(yīng)用模塊化設(shè)計(jì)方法優(yōu)化企業(yè)物流服務(wù)的可行性進(jìn)行了細(xì)致、深入的調(diào)研，其研究結(jié)果表明，模塊化產(chǎn)品設(shè)計(jì)方法在物流服務(wù)產(chǎn)品設(shè)計(jì)領(lǐng)域內(nèi)具有很好的應(yīng)用前景，也為本文的研究提供了一定的理論基礎(chǔ)和經(jīng)驗(yàn)借鑒。

二、物流服務(wù)產(chǎn)品模塊化設(shè)計(jì)的基本原理

1.模塊化設(shè)計(jì)方法在物流服務(wù)產(chǎn)品設(shè)計(jì)中的應(yīng)用

采用模塊化設(shè)計(jì)方法進(jìn)行物流服務(wù)產(chǎn)品設(shè)計(jì)，需要將物流服務(wù)的作業(yè)環(huán)節(jié)視為產(chǎn)品的“零部件”，通過綜合分析作業(yè)環(huán)節(jié)的特性，建立作業(yè)環(huán)節(jié)-產(chǎn)品功能關(guān)聯(lián)度矩陣，從而劃分出不同的產(chǎn)品業(yè)務(wù)模塊，最終實(shí)現(xiàn)物流服務(wù)產(chǎn)品的模塊化，其基本原理如圖1所示。

基于模塊化設(shè)計(jì)的物流服務(wù)產(chǎn)品，其實(shí)質(zhì)是一種管理模式的創(chuàng)新，可以通過業(yè)務(wù)模塊間的靈活組合，使物流企業(yè)以大批量生產(chǎn)的成本來滿足客戶個(gè)性化、定制式的物流服務(wù)需求。

2.物流服務(wù)產(chǎn)品作業(yè)環(huán)節(jié)細(xì)分及特征分析

作業(yè)環(huán)節(jié)是物流服務(wù)產(chǎn)品模塊劃分問題的研究對(duì)象?？紤]到物流服務(wù)產(chǎn)品業(yè)務(wù)流程中的作業(yè)環(huán)節(jié)數(shù)量眾多、關(guān)系復(fù)雜，因而在作業(yè)環(huán)節(jié)細(xì)分時(shí)通過精簡、提煉、合并，僅選取部分必要的、關(guān)鍵性的作業(yè)環(huán)節(jié)作為說明模塊化產(chǎn)品設(shè)計(jì)方法應(yīng)用過程的示例，參見表1。

科學(xué)分析各個(gè)作業(yè)環(huán)節(jié)的基本特征，是建立模塊劃分模型的前提條件。綜合考察作業(yè)環(huán)節(jié)的管理特性和物理特性，并結(jié)合多位專家的意見與建議，本文從功能屬性、需求屬性、物理屬性、經(jīng)濟(jì)屬性和管理屬性5個(gè)維度來評(píng)價(jià)作業(yè)環(huán)節(jié)的基本特征，建立包含5個(gè)一級(jí)指標(biāo)、18個(gè)二級(jí)指標(biāo)的兩級(jí)特征指標(biāo)體系，如圖2所示。

圖1 物流服務(wù)產(chǎn)品模塊化的基本原理

表1 物流服務(wù)產(chǎn)品主要作業(yè)環(huán)節(jié)細(xì)分統(tǒng)計(jì)

圖2中，“功能屬性”是指作業(yè)環(huán)節(jié)對(duì)于產(chǎn)品總體功能的貢獻(xiàn)程度或相關(guān)程度；“需求屬性”是從客戶需求出發(fā)，通過市場調(diào)查和客戶需求細(xì)分而確定的客戶對(duì)于某項(xiàng)作業(yè)功能的需求程度；“物理屬性”主要考察作業(yè)環(huán)節(jié)屬于核心產(chǎn)品、形式產(chǎn)品還是附加產(chǎn)品；“經(jīng)濟(jì)屬性”則是指作業(yè)環(huán)節(jié)在運(yùn)行過程中需要的能源、水源、土地、物料、人力、環(huán)境等各種資源的支撐程度；“管理屬性”是對(duì)作業(yè)環(huán)節(jié)運(yùn)營管理歸屬的考察和度量。本文選取一級(jí)指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)，通過咨詢相關(guān)專家獲得各作業(yè)環(huán)節(jié)的特征指標(biāo)評(píng)價(jià)值，構(gòu)建起物流服務(wù)產(chǎn)品作業(yè)環(huán)節(jié)與產(chǎn)品功能關(guān)聯(lián)度矩陣，進(jìn)而建立產(chǎn)品模塊劃分模型。矩陣如下：

三、基于模糊聚類的物流服務(wù)產(chǎn)品模塊劃分模型

1.物流服務(wù)產(chǎn)品模塊劃分模型建立

采用模糊聚類算法劃分物流服務(wù)產(chǎn)品模塊的過程，其實(shí)質(zhì)是將物流服務(wù)產(chǎn)品業(yè)務(wù)流程中的各個(gè)作業(yè)環(huán)節(jié)作為待分類的聚類樣本，依據(jù)各項(xiàng)特征指標(biāo)將不同的作業(yè)環(huán)節(jié)歸屬于不同的聚類劃分中，從而形成多個(gè)服務(wù)功能和管理特性相對(duì)獨(dú)立的產(chǎn)品模塊，為產(chǎn)品變型設(shè)計(jì)和產(chǎn)品族設(shè)計(jì)提供一定基礎(chǔ)。

傳統(tǒng)的模糊C均值算法只考慮了各聚類樣本間的內(nèi)聚度最高，即聚類后每一類樣本與聚類中心距離的和最小，其目標(biāo)函數(shù)為：

圖2 物流服務(wù)產(chǎn)品作業(yè)環(huán)節(jié)特征指標(biāo)

其中，Xj為聚類樣本j（j=1，2，…，n）的特征向量，n為聚類樣本總數(shù)，每個(gè)聚類樣本有p項(xiàng)聚類特征，即Xj=（xj1，xj2，...，xjk，...，xjp)1≤k≤p；Vi為第i（i=1，2，...，c）類的聚類中心，c為樣本聚類后獲得的類的個(gè)數(shù)，即Vi=（vi1，vi2，...，vik，...，vip)，1≤k≤p；U=[uij]c×n為聚類樣本的隸屬度矩陣，uij為聚類樣本Xj（j=1，2，…，n）對(duì)于分類i（i=1，2，…，c）的隸屬度，即uij∈U，1≤i≤c，1≤j≤n；m∈[1，∞）為隸屬度加權(quán)指數(shù)。

然而，在目標(biāo)函數(shù)（1）中并未考慮聚類間的獨(dú)立性，即各聚類之間的耦合度最小。為了確保各聚類之間的獨(dú)立性，本文引入獨(dú)立性控制參數(shù)：

其中，Vi和Vt分別是第i類和第t類的聚類中心向量，i≥1，t≤c，i≠t。dViVt越大，說明各聚類之間的獨(dú)立性越強(qiáng)，耦合度越小。將傳統(tǒng)模糊C均值聚類的目標(biāo)函數(shù)改進(jìn)為：

考慮到客戶需求對(duì)于產(chǎn)品模塊劃分也存在著重要影響，本文增加了依賴于客戶需求變化的模塊劃分穩(wěn)定性控制目標(biāo)函數(shù)。采用質(zhì)量功能展開法（Quality Function Deployment，QFD）將客戶需求對(duì)物流服務(wù)產(chǎn)品功能變化的影響，映射為客戶需求變化對(duì)業(yè)務(wù)流程中各作業(yè)環(huán)節(jié)的影響程度。模塊劃分穩(wěn)定性控制目標(biāo)函數(shù)可定義為：

其中，n（i）為第i個(gè)模塊中所包含聚類樣本的個(gè)數(shù)；R表示客戶需求總數(shù)；Firj表示第r項(xiàng)客戶需求發(fā)生變化時(shí)對(duì)第i個(gè)模塊中第j個(gè)聚類樣本的影響程度，和分別表示當(dāng)?shù)趓項(xiàng)客戶需求發(fā)生變化時(shí)，第i個(gè)模塊中受到影響最大和最小的聚類樣本的影響程度數(shù)值。在某些模塊中可能會(huì)出現(xiàn)的情況，此時(shí)，式（4）無意義。遇到此類情況時(shí)，人工設(shè)定，繼續(xù)執(zhí)行后續(xù)計(jì)算過程。

以傳統(tǒng)模糊C均值聚類的目標(biāo)函數(shù)為基礎(chǔ)，綜合考慮各模塊的內(nèi)聚度最高、模塊間的耦合度最小，以及各模塊對(duì)于客戶需求變化的穩(wěn)定性最高三項(xiàng)影響因素，通過線性加權(quán)法即可建立用于物流服務(wù)產(chǎn)品模塊劃分的多目標(biāo)優(yōu)化函數(shù)Em：

為保證目標(biāo)函數(shù)Dm可以首先得到滿足，設(shè)置一個(gè)較大正數(shù)W來控制目標(biāo)函數(shù)Dm在總目標(biāo)函數(shù)中的權(quán)重，總目標(biāo)函數(shù)Em越小，說明物流服務(wù)產(chǎn)品的模塊劃分結(jié)果越理想，各模塊的內(nèi)聚度越高、耦合度越小、穩(wěn)定性越強(qiáng)。

2.模型求解算法設(shè)計(jì)

物流服務(wù)產(chǎn)品模塊劃分模型求解需要依賴具有高度尋優(yōu)能力的啟發(fā)式算法來實(shí)現(xiàn)，在此選取免疫算法（Immune Algorithm，IA）來進(jìn)行求解算法的設(shè)計(jì)。免疫算法是一種借鑒生物免疫系統(tǒng)基本原理的優(yōu)化迭代搜索算法，其通過模仿生物免疫機(jī)理和基因進(jìn)化機(jī)理來實(shí)現(xiàn)復(fù)雜問題求解。免疫系統(tǒng)在受到外界病菌的感染后，會(huì)通過在系統(tǒng)內(nèi)的諸多抗體中選擇與目標(biāo)抗原相匹配的抗體來消滅或排除抗原，從而實(shí)現(xiàn)系統(tǒng)免疫的目的。免疫算法的具體求解過程如圖3所示。

圖3 免疫算法求解的基本步驟

在免疫算法的求解過程中，將需要求解的問題作為系統(tǒng)的抗原，將問題的解作為抗體。首先對(duì)待解決的問題（抗原）進(jìn)行詳細(xì)分析，由先驗(yàn)知識(shí)得到對(duì)于最佳抗體基因的估計(jì)（疫苗）；之后，根據(jù)疫苗來對(duì)某個(gè)抗體的基因做出修正，進(jìn)而得到新抗體（抗體）；最后，根據(jù)目標(biāo)函數(shù)來選擇最佳的抗體，當(dāng)滿足終止條件時(shí)，輸出計(jì)算結(jié)果，否則程序繼續(xù)迭代。

四、案例分析

依據(jù)各作業(yè)環(huán)節(jié)與特征指標(biāo)之間關(guān)聯(lián)關(guān)系值的分布情況，將作業(yè)環(huán)節(jié)與特征指標(biāo)間的關(guān)聯(lián)關(guān)系用“0-3-6-9”這一數(shù)值序列予以表示，分別代表不相關(guān)、弱相關(guān)、一般相關(guān)和強(qiáng)相關(guān)四個(gè)關(guān)聯(lián)強(qiáng)度。應(yīng)用德爾菲（Delphi）法來進(jìn)行各作業(yè)環(huán)節(jié)的特征指標(biāo)對(duì)于物流服務(wù)產(chǎn)品模塊劃分過程的影響值采集，得到物流服務(wù)產(chǎn)品作業(yè)環(huán)節(jié)與特征指標(biāo)的關(guān)聯(lián)度矩陣，以及需求敏感度評(píng)價(jià)值，參見表2。

使用Matlab 7.0商用數(shù)學(xué)軟件，依據(jù)表2中數(shù)據(jù)求解模型，即可得到物流服務(wù)產(chǎn)品的模塊劃分結(jié)果。程序參數(shù)設(shè)置如下：目標(biāo)函數(shù)中較大正數(shù)W=110，最大迭代次數(shù)MaxGen=200，群體規(guī)模為100，交叉概率為0.9，變異概率為0.08，疫苗接種概率為0.3，疫苗更新概率為0.5。分別對(duì)c=7到c=10的四種模塊劃分模式進(jìn)行仿真，每種模塊劃分模式的求解算法均獨(dú)立運(yùn)行15次，取最優(yōu)計(jì)算結(jié)果，分別為：c=7時(shí)，Em=4.4152；c=8時(shí)，Em=3.4283；c=9時(shí)，Em=3.4012；c=10時(shí)，Em=4.4394。

表2 物流服務(wù)產(chǎn)品作業(yè)環(huán)節(jié)與特征指標(biāo)關(guān)聯(lián)度矩陣及需求敏感度

由仿真結(jié)果可知，當(dāng)模塊數(shù)量c=9時(shí)，模塊聚類目標(biāo)函數(shù)值達(dá)到最小Em=3.4012，因此將此時(shí)的模塊劃分方案作為最優(yōu)結(jié)果。從各模塊的屬性特征判斷，可以將9個(gè)業(yè)務(wù)模塊歸類為（以作業(yè)環(huán)節(jié)編號(hào)表示）：用戶接口模塊（1，2，3，4，9，10，11，13，14，15）、信息服務(wù)模塊（5，6，44，45，46，47）、配送服務(wù)模塊（7，8，36，37，38，39，40）、裝卸搬運(yùn)模塊（16，17，18，19）、運(yùn)輸服務(wù)模塊（20，21，22）、包裝加工模塊（23，25，26，41，42，43）、倉儲(chǔ)服務(wù)模塊（12，24，27，28，29，30，31，32，33，34，35）、售后服務(wù)模塊（48，49，50，51，52，53）和特色服務(wù)模塊（54，55，56，57，58，59，60，61，62）。

五、結(jié)語

本文將模塊化產(chǎn)品設(shè)計(jì)方法引入服務(wù)產(chǎn)品設(shè)計(jì)領(lǐng)域，以作業(yè)環(huán)節(jié)與產(chǎn)品功能關(guān)聯(lián)度矩陣為基礎(chǔ)，構(gòu)建了以樣本內(nèi)聚度最高、模塊耦合度最小、模塊穩(wěn)定性最強(qiáng)為目標(biāo)的物流服務(wù)產(chǎn)品模塊化劃分量化模型，并設(shè)計(jì)了基于免疫計(jì)算的啟發(fā)式求解算法。在得到的四種模塊劃分方案中，當(dāng)c=9時(shí)，模型的目標(biāo)函數(shù)值達(dá)到最優(yōu)，將此時(shí)的聚類結(jié)果作為最終的模塊劃分方案。實(shí)驗(yàn)結(jié)果表明，本文提出的服務(wù)產(chǎn)品模塊劃分方法，不僅突破了既有服務(wù)產(chǎn)品設(shè)計(jì)研究僅限于定性分析的局限性，而且科學(xué)合理，具有較好的實(shí)用性和可操作性。同時(shí)，該方法的通用性較強(qiáng)，除可應(yīng)用于物流服務(wù)產(chǎn)品設(shè)計(jì)外，亦可應(yīng)用于其他服務(wù)產(chǎn)品的開發(fā)設(shè)計(jì)過程，能夠?yàn)榉?wù)企業(yè)的產(chǎn)品設(shè)計(jì)和新產(chǎn)品開發(fā)提供很好的理論支撐與方法借鑒。

＊本文系國家自然科學(xué)基金項(xiàng)目“多式聯(lián)運(yùn)運(yùn)行組織方法研究”（項(xiàng)目編號(hào)：71390332-3）的部分成果。

[1]王朗.服務(wù)產(chǎn)品化對(duì)高校圖書館的借鑒價(jià)值[J].圖書館論壇，2012，32（2）：29-32、166.

[2]Peters L.，Saidin H..IT and the Mass Customization of Services：The Challenge of Implementation[J].International Journalof In?formation Management，2000，20（2）：103-119.

[3]菲茨西蒙斯.服務(wù)管理：運(yùn)作、戰(zhàn)略與信息技術(shù)[M].北京：機(jī)械工業(yè)出版社，2003：19.

[4]Cankurtaran P.，Langerak F.，Griffin A..Consequences of New Product Development Speed：A Meta-Analysis[J].Jour?nalof Product Innovation Management，2013，30（3）：465-486.

[5]劉韓樂.鐵路貨運(yùn)產(chǎn)品模塊化設(shè)計(jì)分析[J].物流工程與管理，2012，34（2）：56-57.

[6]孫瑞萍.面向東北地區(qū)的近海型郵輪旅游產(chǎn)品開發(fā)研究[D].大連：大連海事大學(xué)，2013.

[7]Tu Q.，Vonderembse M.A.，Ragu-Nathan T.S.，et al.. Measuring Modularity Based Manufacturing Practices and Their Impact on Mass Customization Capability：A Customer-Driven Perspective[J].Decision Sciences，2004，35（2）：147-168.

[8]JacobsM.，Vickery S.K.，Droge C..The Effects of Prod? uct Modularity on Competitive Performance：Do Integration Strategies Mediate the Relationship?[J].International Journal of Operations&Production Management，2007，27（10）：1046-1068.

[9]Campagnolo D.，CamuffoA..The ConceptofModularity in Management Studies：ALiterature Review[J].International JournalofManagementReviews，2010，12（3）：259-283.

[10]Rajahonka M..Views of Logistics Service Providers on Modularity in Logistics Services[J].International Journal of Logistics Research and Applications，2013，16（1）：34-50.

責(zé)任編輯：林英澤

The M odular Design M ethod of Logistics Service Product based on Fuzzy Clustering

WANG Danzhu and LANG Maoxiang
（Beijing Jiaotong University，Beijing100044，China）

The definition of logistics service product is aroused from the concept of"Service Productization"，it is a successful application in the field of logistics service and w illmake logistics servicemore standardized and scientific.In this paper，a fuzzy clustering method is used and the operation processes of service product are taken as clustering samples，the maxim izing ofmodule’scohesion，m inim izing of coupling degreeamong differentmodules，aswellas themaxim izing ofmodule’s stability dependent on customer demands variation are considered as optim ization objectives.Then an immune algorithm is designed to obtain the optimalsolution.Finally，a case study using Matlab software is investigated.The simulation result indicates that themethod hashigh practicability and efficiency.

fuzzy c-means clustering；logistics service product；modularity；immune algorithm

F259.2

A

1007-8266（2015）07-0035-06

王丹竹（1985—），女，河北省秦皇島市人，北京交通大學(xué)交通運(yùn)輸學(xué)院博士研究生，主要研究方向?yàn)槲锪飨到y(tǒng)優(yōu)化設(shè)計(jì)；郎茂祥（1969—），男，山東省聊城市人，北京交通大學(xué)交通運(yùn)輸學(xué)院教授，博士生導(dǎo)師，主要研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理。