基于软集合理论的物流服务供应链绩效评价模型

摘 要：根据物流及物流服务的特征，从物流服务供应链的3个一级指标和量化的32个二级指标入手，从而建立合理的物流服务供应链绩效评价体系。本文将软集合理论应用在物流服务供应链的绩效评价上，通过对软集合理论的定义、方法和步骤的探究，证实该方法的有效性。

关键词：物流服务供应链；绩效评价；软集合

近些年，供应链管理成为管理领域的热门研究对象。随着服务经济的快速发展，服务供应链也得到了更多的重视。物流服务供应链是一种新型的供应链，它由功能物流服务商，物流服务集成商和零售商或制造商构成。当物流服务集成商不能够达到客户的需求时，它将物流业务分发到功能物流服务商去完成服务。

物流服务供应链做为研究发展趋势，无论在实践和理论研究上都有所发展。因此，对于物流服务供应链的现状研究，有的学者把研究重点放在企业之间的合作能力上，刘伟华等人对物流服务供应商的评价体系进行研究。从其他文献研究也表明，很少出现完善的物流服务供应链的绩效评价体系的文献。

对于物流服务供应链绩效评价系统的建立，不用的学者给出了不同的观点和看法，可从制造供应链中析取经验，例如供应链协会提出的基于供应链运作参考模型，包括四个过程（资源、运作、分配、逆向）、服务质量模型、标杆学习、平衡记分卡等等建立评价系统的方法。由于物流服务供应链特有的特征，所以物流服务供应链更具有不确定性和复杂性的特点。所以在建立物流服务供应链系统时很复杂。

在供应链的评价方法上，常见的评价方法有层次分析法、网络层次分析法、数据包络分析法等等，在指标权重的确定上会出现主观判断的问题，而本文的软集合理论可以避免出现主观判断的问题，可保证指标权重的客观性。

本文从绩效评价的3个方面入手，从中细化成32个二级指标，建立物流服务供应链绩效评价体系，并侧重于将软集合理论应用到物流服务供应链绩效评价中，该方法可以得到指标的客观权重，从而避免了主观判断带来的问题和达到更好的绩效评价的目的。

一、物流服务供应链绩效评价体系构建

1.评价体系建立的必要性

近些年，物流业的快速发展成为我国经济发展的驱动力，物流业也越来越受到重视。发展伴随着企业之间的激烈的竞争，为了在物流业中占有一席之地，企业需要了解自身企业的优势与劣势。现在，不是企业与企业之间的竞争，而是供应链也供应链中的竞争，所以对于物流服务供应链的绩效评价尤其的重要，找出供应链中的优势与劣势才能更好的把握竞争和发展，所以绩效评价的建立是刻不容缓的事情。

2.指标体系建立原则

指标体系建立最重要的是指标的选择，尽可能的全面的绩效进行反应。指标的建立必须具有科学性、合理性、全面性的特点。建立一套合理的评价体系时常会出现各种各样的问题，所以要遵守一定的原则去分析和判断，才能更好的解决各种各样的问题。

目的性原则：对于指标的设计，应该围绕着一个特定的目的进行设计。由于物流服务供应链的不确定性和复杂性，更应该围绕服务进行设计，才能更好的反应物流服务供应链的绩效。

系统性原则：指标体系的设计涉及多个方面，必须采用系统的思想去设计，这就要求在指标的设计时必须考虑指标之间的相关性、整体性和层次性的特点。

科学性原则：坚持科学的原则，指标体系的设计建立在科学方法的基础上，这样绩效评价才会更具有可靠性。

可操作性原则：指标设定明确和清楚，能够很好的进行统计和计量，这样才有利于分析和说明问题。

3.指标体系设计

根据指标设计的原则，考虑到评价系统的不确定性和复杂性的特征，需要设计一个较为完整的绩效评价体系。从供应链的整体运作、客户服务和合作管理三个方面进行指标体系设计。

供应链的整体运作：在建立系统时，应该从整体上对供应链进行评价，在反应性、灵活性和可靠性这3个准则下设计二级指标，如服务分配时间、客户等待时间、灵活处理订单时间、物流服务质量和客户忠诚度等等进行设计。

客户服务：物流服务供应链是服务中的一种，归根到底是服务业，要通过客户的满意度进行衡量服务的好坏。因此，在有形性、安全性和同感度下设计二级指标，如服务范围、物流服务能力、客户抱怨率等等进行设计。

合作管理：在供应链中，讲究的是各个企业之间的相互合作和配合，对于合作的好坏也会直接影响到绩效，所以要对合作进行评价。因此，在风险、信息、利润率、成本、资产和资源利润率的准则下设计二级指标。

二、绩效评价模型

1.软集合基本概念

定义1：设U是论域，（F，E）是论域上的一个软集合，当且仅当F是E到U的所有子集上的一个映射时。

换种方式定义：设U是初始论域，E是参数集。设论域U的幂集是P（U），当且仅当F是E到U的所有子集上的一个映射，则称F（e）是论域上的一个软集合。每个F（e）都可以被看作是软集合（F，E）中e-元素的集合，或者（F，E）中e-近似元素的集合。

2.双射软集合基本概念

定义2：设U是论域和（F，B）是在论域上的一个软集合，其中F是B到P（U）的映射，P（U）是U的幂集，则称（F，B）是双射软集合，只有

（1）

（2）对于任意两个参数，ei，ej∈，ei≠ej，则。

3.模型及算法

第一步：建立双射软集合决策系统（（F，E），（G，B），U）。

假设在论域U上，（Fi，Ei），（i=1，2，...，n）是定义在论域U上的n个双射软集合，其中，（G，B）是定义在论域U上的双射软集合，其中，则被称为决策软集合。

设，则三元组（（F，E），（G，B），U）是被称为在论域U上的双射软集合决策系统。

第二步：计算∪（Fj，Ej）与（G，B）之间的依赖度，其中0≤j≤n-1。

设（F，E），（D，C）是论域U上的两个双射软集合，其中。称（D，C）依赖于（F，E），用表示依赖度k，则定义为： （1）

其中，│x│为集合的基数。

双射软集合的依赖度是用来描述一个双射软集合对另一个双射软集合的划分程度。如果k=1，称（D，C）完全依赖于（F，E）；如果k=0，则称（D，C）不依赖于（F，E）。

第三步：计算双射软集合决策系统的依赖度。

设（（F，E），（G，B），U）是双射软集合决策系统，其中，并且（Fi，Ei）是双射软集合，则称（F，E）为条件双射软集合。双射软集合（F1，E1）∧（F2，E2）∧...∧（Fn，En）和（G，B）的依赖度用依赖度k表示，则定义为： （2）

第四步：计算双射软集合决策系统的重要度。

设（（F，E），（G，B），U）是双射软集合决策系统，双射软集合的重要度用来表示，其定义为：

（3）

其中，。

第五步：计算双射软集合决策系统中参数集合的权重。

计算参数集权重定义如下：

（4）

4.分明矩阵

定义4：设是在论域U上的个双射软集合，它的分明矩阵M=（mij）m×n为m×n阶矩阵，其中

（5）

定义5：决策信息系统的分明矩阵，满足以下条件：

（6）

（1）；

（2）（xi，xj）∈n×n。设A是决策信息系统中的一个参数集合，其中，且A∈W，那么W-{A}可以从W中删除，这删除的过程称为双射软集的约减。

三、算例计算过程

假设选择了15个公司作为对象代表物流服务供应链进行评价。

设U={x1，x2，...，x15}代表15个公司。10个参数集代表10个指标。En代表各项指标。

首先，运用离散化方法将指标数值转化为高、中、低，如E1={高，中，低}等。

第二，可以针对每项指标数据构建双射软集合。按照该方法可以构造双射软集合决策系统。其中，（Fi，Ei）为条件双射软集合，（F10，E10）为决策双射软集合。

第三，为了简化计算，用分明矩阵对数据进行约减，最终约减出核心指标。

第三，通过约减出的核心指标，可以得到一个双射软集合决策系统。

第四，通过公式1和2，计算依赖度。

第五，用公式3得到每个（Fi，Ei）的重要度。

第六，根据公式4，得到每个参数集的权重。

最后，可以得到每个指标的权重，从而得出做种的排名和系统的评价。

通过评价得分，可以得知物流公司乃至整个供应链哪些方面需要改进，哪些方面是自己的优势需发扬。

四、结论

对于物流服务供应链绩效评价体系的建立是非常重要的。评价体系具有复杂性和不确定性的特征。本文从3个一级指标和细化的32个二级指标入手，从而建立起物流服务供应链评价体系。运用软集合理论的运算法则来评价绩效，并详细的讨论了软集合理论的定义、方法和步骤。结果表明，该模型的运用可以更好的得知物流服务供应链中的优势和劣势之处，以便加强供应链的竞争。最后，证实软集合理论方法的有效性。

参考文献：

[1]刘伟华，葛美莹，谢东等.基于ANP-Fuzzy方法的物流服务供应链流程对接绩效评价[J]，武汉理工大学学报，2012，26（6）：1113-1117.

[2]Akyuz， G. A.， and T. E. Erkan. Supply Chain Performance Measurement： A Literature Review[J]. International Journal of Production Reseach， 2010， 48 （17）： 5137-5155.

[3]Murata， K.， and H. Katayama. A Study of the Performance Evaluation of the Visual Management Case-Base： Development of an Integrated Model by Quantification Theory Category Iii and Ahp[J].International Journal of Production Research， 2013， 51 （2）： 380-394.

[4]Molodtsov， D. Soft Set Theory-First Results[J]. Computer & Mathematics with Applications， 1999， 37： 19-31.

[5]Gong， K.， Z. Xiao， and X. Zhang. The Bijective Soft Set with Its Operations[J]. Computers & Mathematics with Applications， 2010， 60 （8）： 2270-2278.

[6]缪彬，魏巍.基于双射软集合的参数约减算法及在决策中的应用[J]. 系统工程，2012，30（2）：115-119.

作者简介：晏何丽（1989- ），女，重庆人，重庆交通大学硕士研究生，主要研究方向：物流与供应链管理