山紅梅,楊雪靜
(西安郵電大學(xué) 現(xiàn)代郵政學(xué)院,陜西 西安 710061)
隨著經(jīng)濟(jì)的發(fā)展,城鄉(xiāng)居民對(duì)于高品質(zhì)且安全的生鮮農(nóng)產(chǎn)品的消費(fèi)需求日趨旺盛,以及“區(qū)塊鏈”、“人工智能”、“機(jī)器人”、“冷鏈技術(shù)”在物流領(lǐng)域的廣泛應(yīng)用,加快提升我國(guó)冷鏈物流綜合服務(wù)水平,努力提高農(nóng)產(chǎn)品冷鏈流通率,降低生鮮農(nóng)產(chǎn)品腐損率對(duì)增強(qiáng)人民大眾滿意度和幸福感、全面建設(shè)小康社會(huì)具有重要意義。因此,當(dāng)前形勢(shì)下適時(shí)有效地進(jìn)行生鮮農(nóng)產(chǎn)品冷鏈物流綜合服務(wù)水平評(píng)估,既是促進(jìn)冷鏈物流企業(yè)提質(zhì)增效降本的迫切需要,又是落實(shí)物流經(jīng)濟(jì)高質(zhì)量發(fā)展的基本要求。
目前,關(guān)于生鮮農(nóng)產(chǎn)品物流服務(wù)水平評(píng)估的相關(guān)研究,在評(píng)估指標(biāo)選取方面,聶興信等[1]以顧客感知角度建立物流服務(wù)水平評(píng)價(jià)指標(biāo)體系,著重考慮了顧客主觀意愿,但是缺少對(duì)物流企業(yè)資源及運(yùn)作水平的客觀認(rèn)知。許秀峰[2]借鑒SERVQUAL量表從有形性、可靠性、保證性、反應(yīng)性、移情性5個(gè)方面建立了服務(wù)水平評(píng)價(jià)體系,但是對(duì)于物流企業(yè)來說,該指標(biāo)體系不夠細(xì)化,很難為企業(yè)提供可參考價(jià)值服務(wù)水平評(píng)估。薛鵬[3]充分考慮生鮮農(nóng)產(chǎn)品冷鏈物流特點(diǎn),從產(chǎn)品加工、倉(cāng)儲(chǔ)、運(yùn)輸、物流信息化及人員素質(zhì)5方面構(gòu)建了較完善的評(píng)價(jià)指標(biāo)體系。在研究方法方面,劉碩等[4]從用戶感知的角度將物流服務(wù)質(zhì)量分為信息化服務(wù)質(zhì)量、后勤保障中心服務(wù)質(zhì)量、物流過程服務(wù)質(zhì)量和服務(wù)失誤補(bǔ)救質(zhì)量4個(gè)維度,采用模糊層次分析法對(duì)某公司的車貨匹配平臺(tái)服務(wù)質(zhì)量進(jìn)行了綜合等級(jí)評(píng)估,但忽略了評(píng)價(jià)結(jié)果等級(jí)判定不確定性中的隨機(jī)性問題。李荷華[5]依據(jù)物流服務(wù)供應(yīng)鏈的企業(yè)內(nèi)外部風(fēng)險(xiǎn)建立了化工物流服務(wù)供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,選取模糊綜合法對(duì)該指標(biāo)體系進(jìn)行了評(píng)估,但由于評(píng)估指標(biāo)的定量數(shù)據(jù)少,定性成分多,評(píng)估結(jié)果可信度有待提升。徐艾菂等[6]運(yùn)用灰色AHP法對(duì)物流企業(yè)服務(wù)供應(yīng)鏈績(jī)效進(jìn)行了評(píng)估,確定了評(píng)價(jià)信息的等級(jí)數(shù)、灰數(shù)及相關(guān)的自化權(quán)函數(shù),但是指標(biāo)權(quán)重計(jì)算主觀性過強(qiáng)。張浩等[7]根據(jù)SERVQUAL模型確定了生鮮電商冷鏈物流服務(wù)的5個(gè)維度,運(yùn)用離差最大化法和粗糙集理論分別對(duì)各指標(biāo)的可變權(quán)重和屬性權(quán)重進(jìn)行計(jì)算,提出了生鮮電商冷鏈物流服務(wù)水平評(píng)價(jià)改進(jìn)突變級(jí)數(shù)模型。該方法對(duì)同一狀態(tài)變量對(duì)應(yīng)控制變量選取數(shù)量限制為最多5個(gè),因而不能全面綜合考察所有重要指標(biāo)。生鮮冷鏈物流服務(wù)水平評(píng)價(jià)是一個(gè)典型的多指標(biāo)、多層次的綜合評(píng)價(jià)問題,具有明顯的不確定性,這種不確定性不僅包含了信息的模糊性,還有隨機(jī)性問題,因而現(xiàn)有的傳統(tǒng)型綜合評(píng)價(jià)法難以適應(yīng)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平的評(píng)估。
李德毅院士基于傳統(tǒng)的模糊集理論及概率統(tǒng)計(jì)理論的數(shù)學(xué)思想提出了云模型理論,該理論目前在很多領(lǐng)域都得到了廣泛應(yīng)用。其原理是結(jié)合3個(gè)數(shù)字特征(期望Ex、熵En和超熵He)可描述并處理語(yǔ)言信息中的模糊性和隨機(jī)性[8]。如陳麗娟[9]運(yùn)用云模型和D-S理論綜合評(píng)價(jià)體系實(shí)現(xiàn)了對(duì)各種風(fēng)險(xiǎn)因素定性與定量評(píng)價(jià)的相互轉(zhuǎn)化,使用數(shù)字特征云圖清晰直觀地反映了項(xiàng)目的整體風(fēng)險(xiǎn)水平,對(duì)項(xiàng)目決策者客觀評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)具有較高的參考價(jià)值。張楊等[10]綜合考慮土地資源環(huán)境系統(tǒng)的模糊性及隨機(jī)性,建立了基于云模型的評(píng)價(jià)方法,運(yùn)用超標(biāo)倍數(shù)賦權(quán)法確定權(quán)重,利用正、逆向云算法得到單指標(biāo)的云模型,并通過綜合確定度對(duì)水環(huán)境質(zhì)量進(jìn)行了綜合評(píng)價(jià)。牟瑞芳等[11]針對(duì)圍巖分級(jí)評(píng)價(jià)過程中評(píng)價(jià)指標(biāo)自身的隨機(jī)模糊性問題,結(jié)合云模型相關(guān)理論,實(shí)現(xiàn)了圍巖分級(jí)定性概念與各待評(píng)價(jià)指標(biāo)隸屬不同等級(jí)確定度之間的自然轉(zhuǎn)化。但至今,云模型未曾運(yùn)用到生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估方面的研究中。同時(shí),生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平各評(píng)價(jià)指標(biāo)的隸屬等級(jí)不一致,各指標(biāo)的等級(jí)需遞歸計(jì)算,服務(wù)水平指標(biāo)重要度的對(duì)比結(jié)果具有差異性,對(duì)各個(gè)指標(biāo)的權(quán)重仍需合理調(diào)整。
綜上所述,在該領(lǐng)域?qū)W者研究的前提下,本研究針對(duì)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估問題,充分考慮生鮮農(nóng)產(chǎn)品冷鏈物流特點(diǎn)建立評(píng)估指標(biāo)體系,引入云模型對(duì)專家評(píng)分信息中存在的模糊性及隨機(jī)性問題進(jìn)行處理。為保證數(shù)據(jù)的客觀性,采用區(qū)間層次分析法建立判斷矩陣確立權(quán)重,運(yùn)用可能度概念對(duì)指標(biāo)綜合權(quán)重進(jìn)行修正,最后運(yùn)用云相似度算法得出生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平更精確的評(píng)估結(jié)果,以期為生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)的高質(zhì)量發(fā)展提供理論參考依據(jù)。
在對(duì)生鮮農(nóng)產(chǎn)品冷鏈物流綜合服務(wù)水平評(píng)估時(shí),首先需要構(gòu)建科學(xué)、合理的評(píng)估指標(biāo)體系。本研究考慮生鮮農(nóng)產(chǎn)品冷鏈物流運(yùn)輸?shù)奶厥庑裕瑥纳r農(nóng)產(chǎn)品冷鏈物流服務(wù)設(shè)施設(shè)備及其標(biāo)準(zhǔn)化程度、冷鏈物流信息化水平及物流操作規(guī)范性等方面全面審核評(píng)估,構(gòu)建了較為完善的生鮮農(nóng)產(chǎn)品冷鏈物流綜合服務(wù)水平評(píng)估指標(biāo)體系(如表1所示),包括農(nóng)產(chǎn)品加工、低溫倉(cāng)儲(chǔ)服務(wù)、冷藏運(yùn)輸服務(wù)、冷鏈物流信息化、人員素質(zhì)共5個(gè)1級(jí)指標(biāo),20個(gè)2級(jí)指標(biāo)。
表1 生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)價(jià)指標(biāo)體系Tab.1 Evaluation indicator system of cold chain logistics service level of fresh agricultural products
本研究基于云模型的生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估方法設(shè)計(jì)思路為:首先用黃金分割法計(jì)算服務(wù)水平基準(zhǔn)隸屬度等級(jí);然后引入?yún)^(qū)間層次分析法,通過數(shù)學(xué)思維模式以區(qū)間數(shù)的形式建立評(píng)估矩陣,運(yùn)用特征根法計(jì)算區(qū)間數(shù)評(píng)估矩陣的權(quán)重向量,將可能度概念對(duì)評(píng)估指標(biāo)得出的綜合權(quán)重進(jìn)行修正;為提高評(píng)估結(jié)果準(zhǔn)確度,通過正、逆向云發(fā)生器以云滴排序的方式對(duì)綜合云的合并算法進(jìn)行改進(jìn),得出綜合服務(wù)水平云;最后運(yùn)用相似度算法將綜合服務(wù)云圖與基準(zhǔn)云圖進(jìn)行比值計(jì)算,最終得出生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平更加精確的綜合評(píng)價(jià)結(jié)果。
為正確評(píng)價(jià)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平,必須要科學(xué)合理地確定評(píng)價(jià)等級(jí)和劃分標(biāo)準(zhǔn)。本研究采用黃金分割法[12]生成服務(wù)水平評(píng)語(yǔ)標(biāo)尺云:設(shè)評(píng)語(yǔ)集的有效論域?yàn)長(zhǎng)=[0,1],服務(wù)水平評(píng)價(jià)等級(jí)d=5,定性級(jí)別間的權(quán)序關(guān)系為L(zhǎng)1 表2 基準(zhǔn)云模型等級(jí)Tab.2 Levels of benchmark cloud model 通過以上過程建立服務(wù)水平基準(zhǔn)評(píng)價(jià)云,可與實(shí)際服務(wù)水平云的評(píng)估結(jié)果進(jìn)行對(duì)比,能夠判定各指標(biāo)及綜合服務(wù)水平結(jié)果所屬的等級(jí)區(qū)域。 為了克服傳統(tǒng)層次分析法采用點(diǎn)值描述產(chǎn)生的不確定偏差問題,采用區(qū)間層次分析法(Interval Analytic Hierarchy Process,IAHP)更加客觀地反映對(duì)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平的認(rèn)識(shí)。即采用區(qū)間數(shù)代替?zhèn)鹘y(tǒng)AHP法中的確定“點(diǎn)”數(shù)。 IAHP法確定指標(biāo)權(quán)重的步驟[13]如下: (1)根據(jù)生鮮農(nóng)產(chǎn)品冷鏈物流的客觀情況和實(shí)際特征,建立基于IAHP的遞階層次結(jié)構(gòu)。 (2)以區(qū)間數(shù)的方式構(gòu)建兩兩判斷矩陣,運(yùn)用1~9標(biāo)度對(duì)重要性確定區(qū)間的判斷矩陣A=(aij)n×n,其中用aij=[a-,a+]來表示區(qū)間數(shù);a-為aij的左區(qū)間數(shù);a+為aij的右區(qū)間數(shù)。 (3)區(qū)間判定矩陣一致性檢驗(yàn)。 (4)采用特征根法計(jì)算區(qū)間數(shù)判斷矩陣權(quán)重向量。 具體計(jì)算步驟如下: ③采用特征向量法求解矩陣權(quán)重向量,矩陣權(quán)重向量表示為: w=[λx-,μx+], (1) 式中,x-為區(qū)間數(shù)x的左區(qū)間;x+為區(qū)間數(shù)x的右區(qū)間;λ和μ為特征向量求解的參數(shù)值,其表達(dá)式為: (2) (3) (5)計(jì)算綜合權(quán)重 令WT為各2級(jí)評(píng)估指標(biāo)的權(quán)重向量,WF為各1級(jí)評(píng)估指標(biāo)的權(quán)重向量,各2級(jí)指標(biāo)的綜合權(quán)重向量WZ的計(jì)算式為: (4) (6)對(duì)可能度排序法修正求解綜合權(quán)重[14] (5) (6) 此時(shí),得到了各1級(jí)指標(biāo)、2級(jí)指標(biāo)相對(duì)于生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平綜合評(píng)價(jià)的排序。 云合并算法改進(jìn)的主要思路為:先將多個(gè)“原子云”[15]分別用正向云發(fā)生器生成相同數(shù)量的云滴,對(duì)云滴進(jìn)行排序;再根據(jù)“原子云”概念的屬性權(quán)重進(jìn)行云滴加權(quán)合并運(yùn)算,得到“綜合云”的云滴;然后通過逆向云發(fā)生器生成“綜合云”?;诟倪M(jìn)云合并算法的綜合服務(wù)水平具體計(jì)算步驟如下。 (1)利用正向云發(fā)生器[16]: ①生成以En為期望,以He2為方差的正態(tài)隨機(jī)數(shù)En′。 ②生成以Ex為期望,以En′2為方差的正態(tài)隨機(jī)數(shù)x。 ④重復(fù)①②③步驟。依據(jù)m個(gè)指標(biāo)云模型的數(shù)字特征,分別與相應(yīng)指標(biāo)云的數(shù)字特征生成含有N個(gè)云滴的原子云,其中生成的N(即云滴數(shù)量)對(duì)綜合服務(wù)水平評(píng)價(jià)云的計(jì)算結(jié)果影響比較明顯,對(duì)熵值和超熵值的結(jié)果影響更大,研究過程中,N值一般取值沒有固定限制,由研究者根據(jù)經(jīng)驗(yàn)取值即可。一般情況下,N值在1 000以上。本研究選取1 500,將云滴Di的橫坐標(biāo)值存儲(chǔ)下來,表示為Di=C(Exi,Eni,Hei,N),其中i=1,2,…,m。 (3)根據(jù)云模型所對(duì)應(yīng)的各指標(biāo)權(quán)重wi,對(duì)各云滴進(jìn)行加權(quán)運(yùn)算,得到綜合云的N個(gè)云滴S(D): (7) (4)根據(jù)綜合云的云滴,通過逆向云發(fā)生器得到綜合云數(shù)字特征值Ex,En,He。 逆向云發(fā)生器[17]算法如下。 ①通過云滴值xi計(jì)算原子均值為: (8) ②計(jì)算原子方差[18]: (9) ③計(jì)算云滴的熵En和超熵He: (10) (11) (5)輸出綜合云C(Ex,En,He)。 將綜合服務(wù)水平云C(Ex,En,He)與基準(zhǔn)服務(wù)水平云Bi=(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。 輸入:C(Ex,En,He),評(píng)估隸屬度等級(jí)云Bi=(Exi,Eni,Hei)(i=1, 2,…,n)以及各向量的權(quán)重(WEx,WEn,WHe),且WEx+WEn+WHe=1。 輸出:冷鏈物流服務(wù)水平相似度l。 確定綜合服務(wù)水平云相似度[19],計(jì)算步驟如下。 (1)計(jì)算綜合服務(wù)水平云與基準(zhǔn)服務(wù)水平云的距離ki: ki= (12) (2)計(jì)算綜合服務(wù)水平云與基準(zhǔn)服務(wù)水平云的相似度閾值δi: (13) (3)計(jì)算綜合服務(wù)水平云相似度li: (14) (4)重復(fù)以上步驟,算出所有的li。 通過以上步驟相似度算法,可以使得實(shí)際的服務(wù)水平結(jié)果更加客觀化,實(shí)現(xiàn)生鮮農(nóng)產(chǎn)品冷鏈物流實(shí)際服務(wù)水平云圖與基準(zhǔn)云服務(wù)水平等級(jí)之間的相似程度,最終更加精確地得出生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平的綜合評(píng)價(jià)等級(jí)。 依據(jù)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估模型,以某冷鏈物流企業(yè)為評(píng)估對(duì)象,結(jié)合表1建立的評(píng)估指標(biāo)體系,令Y={U1,U2,U3,U4,U5}為1級(jí)指標(biāo)集合,其中U1={U11,U12,U13,U14},U2={U21,U22,U23,U24},U3={U31,U32,U33,U34},U4={U41,U42,U43,U44},U5={U51,U52,U53,U54}。 首先選取物流標(biāo)準(zhǔn)化技術(shù)委員會(huì)成員1人、企業(yè)冷鏈物流部門經(jīng)理2人,企業(yè)冷鏈物流收貨顧客代表2人,與京東合作的生鮮超市物流部經(jīng)理2人,高校領(lǐng)域物流專家3人,共計(jì)10人,組成專家小組,通過信函方式邀請(qǐng)各位專家對(duì)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估指標(biāo)U1={U11,U12,U13,U14},U2={U21,U22,U23,U24},U3={U31,U32,U33,U34},U4={U41,U42,U43,U44},U5={U51,U52,U53,U54}的相對(duì)權(quán)重進(jìn)行確立。10名專家使用區(qū)間數(shù)的形式,在分別考察1級(jí)指標(biāo)相對(duì)于總目標(biāo)及2級(jí)指標(biāo)相對(duì)于1級(jí)指標(biāo)重要性的基礎(chǔ)上,依據(jù)兩兩指標(biāo)比較的方式進(jìn)行打分。以1級(jí)指標(biāo)打分為例,按照3.2節(jié)的具體過程進(jìn)行,其打分結(jié)果在表3中列出。 表3 一級(jí)指標(biāo)判斷矩陣Tab.3 First-level indicator judgment matrix 由區(qū)間特征根法得到的1級(jí)指標(biāo)權(quán)重向量在表4中列出。 表4 一級(jí)指標(biāo)權(quán)重向量Tab.4 Weight vectors of first-level indicators 用上述方法可得其余2級(jí)指標(biāo)權(quán)重向量,通過式(4)可計(jì)算出各2級(jí)指標(biāo)權(quán)重向量,再根據(jù)式(5)對(duì)該權(quán)重向量進(jìn)行修正,得出最終的指標(biāo)權(quán)重。接著,10名專家參照3.1節(jié)服務(wù)水平基準(zhǔn)云隸屬度等級(jí)對(duì)2級(jí)指標(biāo)打分,將打分結(jié)果用服務(wù)水平綜合云算法得出2級(jí)指標(biāo)的綜合云模型得分,結(jié)果見表5。 依據(jù)表5,將各2級(jí)指標(biāo)的綜合云模型得分的期望值通過逆向云發(fā)生器算法得到各1級(jí)指標(biāo)屬性云數(shù)字特征值,其計(jì)算結(jié)果見表6。 利用Matlab7.0軟件將表2所列評(píng)估等級(jí)基準(zhǔn)云的數(shù)字特征通過正向正態(tài)云發(fā)生器生成基準(zhǔn)云圖,如圖1所示。 從圖1可以直觀地看出基準(zhǔn)云、服務(wù)水平低云、服務(wù)水平較高云、服務(wù)水平一般云、服務(wù)水平較高云、服務(wù)水平高云5個(gè)等級(jí)所處分布區(qū)域。 3.2.2服務(wù)水平評(píng)估綜合云的生成 根據(jù)改進(jìn)云合并算法的綜合服務(wù)水平計(jì)算步驟,將各2級(jí)指標(biāo)的云模型等級(jí)和對(duì)應(yīng)的權(quán)重進(jìn)行合并,最終計(jì)算出京東企業(yè)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平的等級(jí)隸屬度數(shù)字特征為Ex=0.672 2,En=0.062 4,He=0.023 1。 運(yùn)用正向云發(fā)生器,根據(jù)表5的基準(zhǔn)服務(wù)水平等級(jí),結(jié)合某企業(yè)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平實(shí)際結(jié)果繪制出綜合服務(wù)水平云圖,如圖2所示。 從圖2可知,該企業(yè)生鮮農(nóng)產(chǎn)品冷鏈物流綜合服務(wù)水平(實(shí)際服務(wù)水平)等級(jí)分布接近在服務(wù)水平較高等級(jí)附近,接近服務(wù)水平較高云。 表5 二級(jí)指標(biāo)修正權(quán)重及其云模型得分Tab.5 Modified weights of second-level indicators and scores of cloud model 表6 一級(jí)指標(biāo)云數(shù)字特征Tab.6 Digital features of first-level indicator cloud 圖1 服務(wù)水平評(píng)估等級(jí)隸屬度基準(zhǔn)云圖Fig.1 Benchmark nephogram of service level assessment level membership 圖2 綜合服務(wù)水平云圖Fig.2 Nephogram of integrated service level 3.2.3相似度的確定 在生鮮農(nóng)產(chǎn)品冷鏈物流綜合服務(wù)水平相似度分析中,運(yùn)用IAHP法計(jì)算出綜合服務(wù)水平云的3個(gè)數(shù)值特征值的相應(yīng)權(quán)重,計(jì)算權(quán)重值結(jié)果為WEx=0.655 9,WEn=0.228 1,WHe=0.116 0,進(jìn)而根據(jù)綜合服務(wù)水平云相似度算法,得出綜合服務(wù)水平云等級(jí)與各個(gè)基準(zhǔn)云等級(jí)相似度之值,其結(jié)果見表7。 同理可得各1級(jí)指標(biāo)服務(wù)水平云與基準(zhǔn)云相似度,見表8。 表7 綜合服務(wù)水平云與基準(zhǔn)云相似度Tab.7 Similarity between comprehensive service level cloud and benchmark cloud 表8 一級(jí)指標(biāo)與基準(zhǔn)云相似度Tab.8 Similarity between first-level indicator and benchmark cloud 通過以上方法對(duì)某生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平進(jìn)行評(píng)估。評(píng)估結(jié)果顯示,該企業(yè)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平等級(jí)隸屬度云模型數(shù)為0.672 2, 0.062 4,0.023 1。根據(jù)圖2可知,該企業(yè)生鮮農(nóng)產(chǎn)品冷鏈服務(wù)水平接近服務(wù)水平較高等級(jí)。通過云相似度計(jì)算(如表7所示),綜合服務(wù)云與基準(zhǔn)云的相似度也為71.8%,因而確定該企業(yè)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平為較高。由Ex=0.672 2可以得出京東冷鏈物流服務(wù)水平等級(jí)處于服務(wù)水平較高云和服務(wù)水平高云之間,由En=0.062 4得出評(píng)估結(jié)果不確定性小,由He=0.023 1得出評(píng)估結(jié)果穩(wěn)定性較高。根據(jù)超熵與熵值之比可以看出綜合評(píng)估模型結(jié)果的霧化程度及模型的穩(wěn)定性,若比值≤1,則模型的霧化程度低、穩(wěn)定性高;反之,霧化程度高、穩(wěn)定性低。該試驗(yàn)的He/En=0.370 2≤1,表明該模型的評(píng)估結(jié)果比較穩(wěn)定、霧化程度低。 此外,由表8可以看出,與基準(zhǔn)云相似度最高的是低溫倉(cāng)儲(chǔ)服務(wù)(U5),為71.2%,說明該企業(yè)生鮮農(nóng)產(chǎn)品冷鏈低溫倉(cāng)儲(chǔ)設(shè)施設(shè)備較為完善,這也與企業(yè)實(shí)際相符。相似度低的為:人員素質(zhì)服務(wù)(U5)、運(yùn)輸資源服務(wù)(U3),相似度分別為50.6%,52.1%。結(jié)果表明該企業(yè)今后在人員素質(zhì)服務(wù)、運(yùn)輸資源服務(wù)方面有待加強(qiáng)。根據(jù)這兩項(xiàng)指標(biāo)下2級(jí)指標(biāo)云模型得分及權(quán)重結(jié)果可以看出,影響這兩方面服務(wù)水平等級(jí)的因素主要是服務(wù)人員主動(dòng)幫助顧客解決問題的意愿(U53)和冷鏈運(yùn)輸溫控設(shè)備化程度(U32)。要想使該企業(yè)的冷鏈物流服務(wù)水平達(dá)到更高的等級(jí),必須在以下幾方面進(jìn)行加強(qiáng):第一,大力加強(qiáng)企業(yè)人員素質(zhì)的培養(yǎng),樹立服務(wù)人員主動(dòng)幫助顧客解決問題的意識(shí);第二,加強(qiáng)在倉(cāng)儲(chǔ)過程中的低溫分揀操作標(biāo)準(zhǔn)化,保持生鮮產(chǎn)品的新鮮時(shí)長(zhǎng)。 本研究構(gòu)建了生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估指標(biāo)體系,提出了云模型-IAHP的生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估模型,改進(jìn)了云模型中的云合并算法,并通過試驗(yàn)結(jié)果驗(yàn)證了該模型是一個(gè)客觀、科學(xué)、有效的方法,對(duì)生鮮農(nóng)產(chǎn)品冷鏈物流服務(wù)水平評(píng)估具有實(shí)用性。但同時(shí)也存在缺點(diǎn),各2級(jí)指標(biāo)云滴數(shù)量對(duì)綜合服務(wù)水平云圖的計(jì)算結(jié)果有一定的影響,云滴數(shù)量的選取準(zhǔn)則及2級(jí)指標(biāo)各云滴數(shù)的比例關(guān)系對(duì)研究結(jié)果的影響是后續(xù)的研究方向。2.2 采用區(qū)間層次分析法確定權(quán)重
2.3 基于改進(jìn)云合并算法的綜合服務(wù)水平計(jì)算
2.4 綜合服務(wù)水平云相似度算法
3 實(shí)證分析
3.1 試驗(yàn)設(shè)計(jì)
3.2 試驗(yàn)過程3.2.1 服務(wù)水平評(píng)估等級(jí)隸屬度云的生成
3.3 試驗(yàn)結(jié)果分析
4 結(jié)論