山紅梅，周 宇，石 京

（1.西安郵電大學(xué) 現(xiàn)代郵政學(xué)院，西安 710121；2.辛辛那提大學(xué) 工程和應(yīng)用科學(xué)學(xué)院，美國(guó) 俄亥俄州 辛辛那提 45221）

0 引言

近年來(lái)，隨著我國(guó)“互聯(lián)網(wǎng)+”戰(zhàn)略的實(shí)施及電子商務(wù)的持續(xù)快速發(fā)展，我國(guó)快遞服務(wù)業(yè)得到突飛猛進(jìn)地增長(zhǎng)。根據(jù)國(guó)家郵政局統(tǒng)計(jì)資料顯示：2016年全年，全國(guó)快遞服務(wù)企業(yè)業(yè)務(wù)量累計(jì)完成312.8億件，同比增長(zhǎng)51.4%；業(yè)務(wù)收入累計(jì)完成3974.4億元，同比增長(zhǎng)43.5%[1]，超過(guò)300億件業(yè)務(wù)規(guī)模對(duì)經(jīng)濟(jì)產(chǎn)生的帶動(dòng)作用表現(xiàn)在日均服務(wù)超過(guò)2.5億人次，支撐網(wǎng)絡(luò)零售額超過(guò)4萬(wàn)億元，占社會(huì)消費(fèi)品零售總額比重達(dá)到12.5%，新增就業(yè)20萬(wàn)人以上。由此可見(jiàn)，快遞行業(yè)逐步成為拉動(dòng)消費(fèi)轉(zhuǎn)型升級(jí)、促進(jìn)社會(huì)就業(yè)、推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的重要力量。然而這種粗放式快速增長(zhǎng)的同時(shí)，快遞企業(yè)服務(wù)質(zhì)量一直是被顧客投訴的重要領(lǐng)域，據(jù)國(guó)家郵政局和各省市郵政管理局對(duì)消費(fèi)者申訴統(tǒng)計(jì)，2017年5月份涉及快遞服務(wù)問(wèn)題共計(jì)93225件，占總申訴量的95.8%。以上數(shù)據(jù)可見(jiàn)，經(jīng)濟(jì)新常態(tài)下快遞業(yè)雖然有著“量”的突飛猛進(jìn)，但與此同時(shí)卻存在著“質(zhì)”的嚴(yán)峻風(fēng)險(xiǎn)。科學(xué)合理的評(píng)價(jià)體系既是引領(lǐng)快遞服務(wù)水平提升的旗幟，也是推動(dòng)快遞企業(yè)服務(wù)質(zhì)量改革升級(jí)的強(qiáng)大力量。本文采用云模型理論解決快遞服務(wù)質(zhì)量評(píng)估過(guò)程中模糊性和隨機(jī)性問(wèn)題，以期為快遞業(yè)服務(wù)質(zhì)量評(píng)估提供新的方法思路。

1 模型構(gòu)建

1.1 云模型基本理論

1.1.1 云模型及其數(shù)字特征

云模型是在模糊數(shù)學(xué)和統(tǒng)計(jì)數(shù)學(xué)基礎(chǔ)上，實(shí)現(xiàn)定量數(shù)值論域與定性語(yǔ)言值描述之間的自然轉(zhuǎn)換，解決定性語(yǔ)言描述的隨機(jī)性、模糊性及關(guān)聯(lián)問(wèn)題的方法。

設(shè)U[2]是一個(gè)表示定量論域的精確數(shù)值，X?U，T是U上的定性概念，若對(duì)于元素x(x∈X)，都存在一個(gè)具有穩(wěn)定傾向的隨機(jī)數(shù)，CT(x)∈[0，1]，則稱x為對(duì)T的隸屬度，即：CT(x):U∈[0，1]，?x∈X，(X?U)，x→CT(x)。云是指概念T從U到區(qū)間[0，1]的映射在數(shù)域空間的分布，每一個(gè)x表示一個(gè)云滴。

云模型的三個(gè)數(shù)字特征[3]可以用來(lái)反映云模型所表達(dá)概念的整體特性（如圖1所示）。即：期望Ex、熵En、超熵He，記作（Ex、En、He）。期望Ex表示云滴在論域空間分布的期望，是概念在論域中的中心點(diǎn)，是最可以代表定性概念的點(diǎn)；熵En代表一個(gè)定性概念的可度量粒度，熵越大粒度越大；He是不確定性狀態(tài)變化的度量，即熵的熵，He越大，云滴的厚度就越大。

圖1 云的數(shù)字特征

1.1.2 云發(fā)生器

云的生成算法稱為云發(fā)生器[4]，由正向云發(fā)生器和逆向云發(fā)生器構(gòu)成。正向正態(tài)云發(fā)生器是實(shí)現(xiàn)從定性概念到定量轉(zhuǎn)換模型，其算法如下所示：

（1）生成正態(tài)隨機(jī)數(shù)

En′～N(En，He2)

其中：En和He2分別表示期望與方差。

（2）生成正態(tài)隨機(jī)數(shù)

逆向云發(fā)生器是實(shí)現(xiàn)定量值到定性概念的轉(zhuǎn)換模型，它可以將一定數(shù)量的精確數(shù)據(jù)轉(zhuǎn)換為以數(shù)字特征Ex、En、He表示的定性概念。其算法如下：

（1）通過(guò)云滴xi計(jì)算樣本均值

x～N(Ex，En2)

其中：Ex和En2分別表示期望與方差。

（3）利用x和期望值Ex計(jì)算隸屬度（2）計(jì)算樣本方差

（3）計(jì)算云滴的熵，超熵

1.2 構(gòu)建快遞業(yè)物流服務(wù)質(zhì)量評(píng)估指標(biāo)體系

1.2.1 構(gòu)建評(píng)估指標(biāo)體系

考慮到消費(fèi)者對(duì)快遞服務(wù)質(zhì)量申訴中，關(guān)于快件延誤、投遞服務(wù)、損毀和丟失的投訴率最高。因此，本文在設(shè)計(jì)快遞業(yè)物流服務(wù)質(zhì)量評(píng)估指標(biāo)體系時(shí)，修正SERVQUAL量表的同時(shí)，考慮消費(fèi)者對(duì)快遞業(yè)服務(wù)質(zhì)量申訴內(nèi)容，借鑒前人研究結(jié)果[5-7]，增加基于客戶滿意視角下的“便利性”、“安全性”指標(biāo)來(lái)全面評(píng)估快遞物流服務(wù)質(zhì)量，促進(jìn)快遞企業(yè)提升物流服務(wù)質(zhì)量時(shí)注重贏取更高的客戶滿意度。具體評(píng)估指標(biāo)體系包括兩級(jí)指標(biāo)集（如圖2所示），共5個(gè)一級(jí)指標(biāo)和20個(gè)二級(jí)指標(biāo)。

圖2 快遞業(yè)物流服務(wù)質(zhì)量指標(biāo)體系

1.2.2 確定指標(biāo)綜合權(quán)重

在快遞業(yè)物流服務(wù)質(zhì)量綜合評(píng)估過(guò)程中，各項(xiàng)評(píng)估指標(biāo)的重要程度不相同，而指標(biāo)權(quán)重的合理分配對(duì)于評(píng)估結(jié)果有著至關(guān)重要的影響，本文運(yùn)用熵權(quán)法可得到精度更高、客觀性更強(qiáng)的指標(biāo)權(quán)重值。

熵權(quán)法確定一級(jí)指標(biāo)權(quán)重[3]步驟：

（1）假設(shè)有m個(gè)評(píng)估指標(biāo)，n個(gè)評(píng)估對(duì)象，構(gòu)造指標(biāo)評(píng)估矩陣如下：

（2）構(gòu)建歸一化評(píng)估指標(biāo)矩陣為:R=(rij)m*n，其中rij稱為第j個(gè)度量對(duì)象在指標(biāo)i上的值，且rij∈[ ]0，1。（3）定義各評(píng)估指標(biāo)的熵為：

（4）計(jì)算第i個(gè)評(píng)估指標(biāo)的熵權(quán)為：

1.3 快遞業(yè)物流服務(wù)質(zhì)量評(píng)估云模型設(shè)計(jì)

1.3.1 基準(zhǔn)服務(wù)質(zhì)量云生成

建立基準(zhǔn)服務(wù)質(zhì)量云的作用是為了劃分評(píng)估等級(jí)[9]，劃分評(píng)估等級(jí)是對(duì)快遞業(yè)物流服務(wù)質(zhì)量評(píng)估的關(guān)鍵和重要依據(jù)，設(shè)評(píng)估等級(jí)集合為L(zhǎng)={ }L1，L2，L3，L4，L5 ，分別代表快遞業(yè)物流服務(wù)質(zhì)量“極低”，“低”，“一般”，“高”，“極高”。其步驟如下：

輸入n-1個(gè)評(píng)估區(qū)間，輸出Di=(Exi,Eni,Hei)，i=1，2，…,n

（1）Exi=(Dimax+Dimin)/2，其中i=1時(shí)，令Ex1=0

（2）Exi=(Exi-Exi-1)/3，其中：i=1時(shí)，令En1=(Ex2-Ex1)/3

（3）Hei=α，其中α為常數(shù)

其中α=0.2，和分別表示第i個(gè)區(qū)間的邊界值。

1.3.2 綜合服務(wù)質(zhì)量云生成算法

快遞業(yè)物流服務(wù)質(zhì)量評(píng)估模型由5個(gè)一級(jí)評(píng)估指標(biāo)組成，Ti(Exi，Eni，Hei)為各指標(biāo)服務(wù)質(zhì)量云的數(shù)字特征，i∈(1，m)，且權(quán)重值為：ωi=(ω1，ω2，ω3，ω4，ω5)，綜合服務(wù)質(zhì)量云的數(shù)字特征為：

1.3.3 綜合服務(wù)質(zhì)量云相似度算法

將綜合服務(wù)質(zhì)量云T(Ex,En,He）與基準(zhǔn)服務(wù)質(zhì)量云Di=(Exi,Eni,Hei)，i=1，2,…,n。進(jìn)行相似度比較，并計(jì)算出綜合云與基準(zhǔn)云的相似度值。

計(jì)算步驟[10]如下：

（4）通過(guò)重復(fù)步驟（1）到（3）計(jì)算出所有Li。

2 實(shí)證

2.1 樣本設(shè)計(jì)

根據(jù)快遞業(yè)物流服務(wù)質(zhì)量評(píng)估模型，本文實(shí)證樣本選取以中通快遞為評(píng)估對(duì)象，按照建立的快遞業(yè)物流服務(wù)質(zhì)量指標(biāo)體系，令Y={ }A，TL，TG，R，S為一級(jí)指標(biāo)集合，A={A1，A2，A3，A4} ，TL={TL1，TL2，TL3，TL4},TG={TG1，TG2，TG3，TG4，TG5}，C={C1，C2，C3，C4} ，S={S1，S2，S3，S4}，為二級(jí)指標(biāo)集合。

本文選取了國(guó)家郵政管理局、快遞公司以及高校領(lǐng)域物流專家共10位，通過(guò)信函方式邀請(qǐng)各位專家對(duì)快遞物流服務(wù)質(zhì)量的5個(gè)一級(jí)指標(biāo)Y={ }A，TL，TG，R，S的相對(duì)權(quán)重做出客觀判斷。根據(jù)專家們對(duì)于評(píng)估體系一級(jí)指標(biāo)之間重要性進(jìn)行兩兩對(duì)比打分，采用熵權(quán)法計(jì)算權(quán)重值結(jié)果為ωi=(ω1，ω2，ω3，ω4，ω5)=（0.262，0.210，0.046，0.157，0.325）。同時(shí)選取當(dāng)前獲取調(diào)研數(shù)據(jù)可靠性最強(qiáng)、快遞使用率最高且對(duì)快遞服務(wù)質(zhì)量較最為敏感的大學(xué)生群體作為問(wèn)卷調(diào)研對(duì)象。在陜西20所高校范圍內(nèi)發(fā)放關(guān)于中通快遞服務(wù)質(zhì)量評(píng)估調(diào)研問(wèn)卷共600份，回收問(wèn)卷562份，問(wèn)卷回收率94%，其中有效問(wèn)卷540份。被調(diào)研者根據(jù)表1的快遞業(yè)物流服務(wù)質(zhì)量評(píng)估指標(biāo)體系，對(duì)中通快遞物流服務(wù)質(zhì)量各二級(jí)指標(biāo)進(jìn)行評(píng)估打分。所評(píng)估的指標(biāo)數(shù)據(jù)在[0,1]之間：其中[0,0.2]表示非常不滿意，[0.2,0.4]表示不滿意，[0.4,0.6]表示滿意，[0.6,0.8]表示很滿意，[0.8,1]表示非常滿意?；厥沼行?wèn)卷經(jīng)過(guò)統(tǒng)計(jì)計(jì)算結(jié)果如表1所示。

2.2 仿真實(shí)驗(yàn)過(guò)程

首先，根據(jù)基準(zhǔn)服務(wù)質(zhì)量云算法，將基準(zhǔn)服務(wù)質(zhì)量子云分為服務(wù)質(zhì)量極低云、服務(wù)質(zhì)量低云、服務(wù)質(zhì)量一般云、服務(wù)質(zhì)量高云、服務(wù)質(zhì)量極高云，并采用Matlab編程工具，通過(guò)正向正態(tài)云發(fā)生器算法生成基準(zhǔn)服務(wù)質(zhì)量云圖，如圖3所示。

圖3 基準(zhǔn)服務(wù)質(zhì)量云圖

表1 快遞業(yè)物流服務(wù)質(zhì)量指標(biāo)體系評(píng)估數(shù)據(jù)

其次，將各二級(jí)指標(biāo)評(píng)估均值通過(guò)逆向正態(tài)云發(fā)生器算法計(jì)算出各一級(jí)指標(biāo)云數(shù)字特征值，如表2所示。

表2 中通快遞服務(wù)質(zhì)量一級(jí)指標(biāo)云數(shù)字特征

根據(jù)表2各一級(jí)指標(biāo)云數(shù)值特征，依據(jù)公式（1）計(jì)算出綜合服務(wù)質(zhì)量云的數(shù)值特征值Ex=0.6747，En=0.0512，He=0.0192，進(jìn)而得到中通快遞物流綜合服務(wù)質(zhì)量云圖，如圖4所示。

圖4 綜合服務(wù)質(zhì)量云圖

第三，運(yùn)用云模型相似度算法，根據(jù)公式（2）計(jì)算出綜合服務(wù)質(zhì)量云與基準(zhǔn)云的相似度，相似度結(jié)果如下頁(yè)表3所示，同時(shí)進(jìn)一步運(yùn)用相似度算法得出表2各一級(jí)指標(biāo)云(A、TL、TG、C、S)與“服務(wù)質(zhì)量高”基準(zhǔn)云相似度，結(jié)果如下頁(yè)表4所示。

表3 綜合服務(wù)質(zhì)量云與基準(zhǔn)云相似度

表4 各一級(jí)指標(biāo)云與基準(zhǔn)云相似度

2.3 實(shí)驗(yàn)結(jié)果分析

基于云模型的快遞業(yè)物流服務(wù)質(zhì)量評(píng)估模型對(duì)中通快遞業(yè)物流服務(wù)質(zhì)量評(píng)估結(jié)果顯示：中通快遞業(yè)物流服務(wù)質(zhì)量評(píng)估等級(jí)為“服務(wù)質(zhì)量高”，與基準(zhǔn)云相似度為71.24%。通過(guò)分析各一級(jí)指標(biāo)云（A、TL、TG、C、S）與“服務(wù)質(zhì)量高”基準(zhǔn)云相似度結(jié)果，可以看出其中“保證性云”相似度最高，而“有形性云”、“時(shí)效性云”與“服務(wù)質(zhì)量高”基準(zhǔn)云相似度最低，分別為57.14%、62.35%?？梢?jiàn)中通快遞在服務(wù)設(shè)施建設(shè)、業(yè)務(wù)網(wǎng)絡(luò)、服務(wù)時(shí)間、訂單響應(yīng)等服務(wù)過(guò)程中處于劣勢(shì)，因此，要想完善總體服務(wù)質(zhì)量[11]，中通快遞必須在“有形性”、“時(shí)效性”方面加以改進(jìn)，對(duì)其服務(wù)質(zhì)量提出以下改進(jìn)建議：整合快遞業(yè)資源，優(yōu)化資源配置，完善全過(guò)程快遞服務(wù)設(shè)施；利用現(xiàn)代化信息技術(shù)，擴(kuò)大業(yè)務(wù)網(wǎng)絡(luò)范圍，提高物流服務(wù)效率和水平；在升級(jí)服務(wù)設(shè)施提升速度的同時(shí)，保證服務(wù)承諾時(shí)間，加大時(shí)效性監(jiān)督；制定科學(xué)管理制度，改善服務(wù)環(huán)境，提高管理標(biāo)準(zhǔn)化程度。

3 結(jié)束語(yǔ)

云模型可以將模糊性與不確定性有效集成，實(shí)現(xiàn)定性描述與定量相結(jié)合。快遞業(yè)物流服務(wù)質(zhì)量指標(biāo)體系具有不確定性，本文借鑒已有研究工作，提出了一種基于云模型的快遞業(yè)物流服務(wù)質(zhì)量評(píng)估的新方法新思路，通過(guò)實(shí)證分析可知，云模型理論在評(píng)估過(guò)程中能夠充分考慮評(píng)估過(guò)程的隨機(jī)性，利用相似度算法來(lái)劃分服務(wù)質(zhì)量等級(jí)，得到與客觀實(shí)際相符一致的評(píng)估結(jié)果，從而驗(yàn)證了該模型對(duì)于快遞物流服務(wù)質(zhì)量評(píng)估的可行性與合理性?；谠颇Ｐ偷目爝f業(yè)物流服務(wù)質(zhì)量評(píng)估過(guò)程中，各一級(jí)指標(biāo)云的云滴數(shù)量影響著綜合服務(wù)質(zhì)量云圖的計(jì)算結(jié)果。因此，確定具體的云滴數(shù)量及各一級(jí)指標(biāo)云滴的比例關(guān)系，將是下一步研究工作的重點(diǎn)。