【文章內(nèi)容簡介】 種相關程度，大者則關聯(lián)程度大。灰關聯(lián)是指事物之間不確定性關聯(lián)，或系統(tǒng)因子與主行為因子之間的不確定性關聯(lián)?；疑P聯(lián)分析是基于行為因子序列的微觀或宏觀幾何接近，以分析和確定因子間的影響程度或因子對主行為的貢獻測度而進行的一種分析方法。主要用于對系統(tǒng)動態(tài)發(fā)展過程的量化分析，也可用來確定指標權(quán)重。由于樣本量可以是信息不完全的，不需要典型的分布規(guī)律，所以具有廣泛的適用性。 綜合模型分析上述方法都有著局部的缺陷，所以為了更準確的進行第四方物流供應商的評價，我們采用綜合分析方法。下面我們主要針對第四方物流供應商的特征以及前文所述的評價指標體系，具體介紹幾種綜合分析方法。．1 AHPGRAP組合分析模型GRAP 是系統(tǒng)態(tài)勢作量化比較分析，其實質(zhì)在于比較若干數(shù)列所構(gòu)成的曲線和理想（標準） 數(shù)列所構(gòu)成的曲線幾何形狀的接近程度，幾何形狀越接近，其關聯(lián)度就越大。關聯(lián)序則反映各評價對象對理想（標準）對象的接近次序，即評價對象的優(yōu)劣次序，其中灰色關聯(lián)度最大的評價對象為最佳?；贏HP的GRAP評價模型的基本思想如下：第一步，建立綜合評價指標體系。選擇合適的4PL 供應商是一個多準則多目標化問題，需要從多個角度對每個評價對象進行衡量對比。為此，有必要建立一個有效的評選指標體系作為綜合評價的依據(jù)和標準。第二步，確定比較數(shù)列（評價對象） 和參考數(shù)列（評價標準）。設評價對象為m 個，評價指標為n 個，則比較數(shù)列為：式中，為第i個被評價對象的第k個指標的評價值；i為第i個被評價對象的序號；k為第k個評價指標。取每個指標的最佳值為參考數(shù)列的實體，則有參考數(shù)列：第三步，指標值的規(guī)范化處理。為了消除不同指標不同量綱的影響，針對不同類型的指標采取不同的規(guī)范化方法，將其規(guī)范化為隸屬于[0，1]區(qū)間上的極大化指標。下面各式中，如未加說明，則1≤i≤m，1≤j≤n。對于極大型指標，這類指標的特點是越大越好，其規(guī)范化方法為：對于極小型指標，這類指標的特點是越小越好，其規(guī)范化方法為：第四步，計算關聯(lián)系數(shù)。式中，是比較數(shù)列于參考數(shù)列在第k 個評價指標上的相對差值，稱為對在k 指標的關聯(lián)系數(shù)；α 是分辨系數(shù)，且0≤α≤1。第五步，基于AHP 的灰色加權(quán)關聯(lián)度的計算。關聯(lián)系數(shù)的數(shù)很多，信息過于分散，不便于比較，為此有必要將各關聯(lián)系數(shù)集中為一個值?？紤]到各個企業(yè)在具體選擇4PL 供應商的過程中，各個評價指標的重要程度有所不同，本文采用加權(quán)關聯(lián)度的形式，即在計算關聯(lián)度的過程中采用權(quán)重乘以關聯(lián)系數(shù)的方法。根據(jù)AHP，得到各指標的優(yōu)先權(quán)重W=，則加權(quán)關聯(lián)度的計算公式為： 第六步，評價分析。根據(jù)關聯(lián)度的大小對評價對象進行排序，關聯(lián)度的大小順序即為評價對象的優(yōu)劣順序。 基于模糊層次熵多目標評價決策模型荷蘭學者Van Loargoven 提出了用三角模糊數(shù)Fuzzy 表示比較判斷的方法并運用三角模糊數(shù)的運算和對數(shù)最小二乘法, 求得元素的排序, 即在模糊環(huán)境下使用的AHP 方法. 傳統(tǒng)的層次分析法是一種使用較廣的多目標決策方法, 本文不作介紹,而將著重說明結(jié)合熵技術(shù)的模糊層次多目標決策評價方法.首先，先對模糊層次分析法進行簡略介紹：第一步，建立多級遞階結(jié)構(gòu)模型與模糊判斷矩陣。同一層次的元素作為準則對下一層次的某些元素起支配作用, 同時又受到上一層次元素的支配. 處于最上層的通常只有一個元素, 它是分析問題的預定目標或理想結(jié)果, 稱為目標層. 中間的層次包括實現(xiàn)目標所涉及的中間環(huán)節(jié), 、方案或體現(xiàn)各準則要素變化的指標, 稱為措施方案層或指標層. 確定各層次要素后, 用三角模糊數(shù)( l , m, u) 定量表示在給定準則下, 同一層次各因素之間兩兩比較的結(jié)果. l 與u 表示判斷的模糊程度, 當l 與u 相等時則表示判斷是非模糊的。第二步，確定各要素的相對重要程度。1，三角模糊數(shù)理論及其運算首先引入如下定理:定理1 如果 , 代表兩個模糊數(shù), 則( 1) ( 2) ( 3) ，（4）（5）設，是兩個模糊數(shù), 的可能性程度被定義為當 時, 當 時, ( 6) 三角模糊數(shù)大于個三角模糊數(shù)的可能性程度被定義為 2，模糊AHP的權(quán)重向量計算方法設為對象集容量, 為目標集容量, 設第個對象滿足n 個目標要求的程度值分別為 這里都是三角模糊數(shù), 那么第個對象滿足n 個目標的綜合程度值為， 即表示在給定準則下, 同一層次每一個元素同所有元素相比較的綜合重要程度值.用 表示第個元素, 設 , 那么權(quán)重向量為:, 經(jīng)歸一化處理后, 模糊AHP 的權(quán)重向量為: 再此理論基礎上我們運用模糊層次熵多目標決策分析模型進行分析。所謂模糊層次熵多目標決策分析模型, 是用F AHP法決定指標的模糊權(quán)重, 利用決策矩陣提供的信息, 進一步用多目標決策中熵技術(shù)修正決策者先前決定的優(yōu)先權(quán)重, 再利用模糊綜合評判確定最優(yōu)方案.m 個方案, n 個指標的多目標決策問題的決策矩陣其中: 表示第個方案對第個指標的數(shù)值。多指標決策中由于各個評價指標的單位、量綱和數(shù)量級不同要進行標準化處理。 決策矩陣中往往同時含有效益指標和成本指標。設標準化矩陣為其中: 對于效益指標而對于成本指標熵在信息理論中作為不確定性和信息量的量度. 一個系統(tǒng)的熵是該系統(tǒng)有序無序程度的度量, 熵越大, 系統(tǒng)越無序, 反之, 則系統(tǒng)越有序. 熵權(quán)完全利用原始指標數(shù)據(jù)信息, 以指標值之間的差異大小反映指標的信息價值來確定權(quán)重.定義1 指標的集合投影設為 , 定義 定義2 熵: 根據(jù)信息論第j 個指標輸出的熵為，其中, 為一個正常數(shù), 設定義3 偏差度: , 如果決策者對于n個指標沒有顯著的偏好, 可認為這n個指標具有相同的偏好.定義4 熵權(quán): 第j 個指標的權(quán)重 定義為，定義5 修正權(quán)重: 如果決策者對各指標有偏好 , 那么可用 進一步修正權(quán)重 , 得到比較準確的估計:， AHPTOPSIS 數(shù)學模型TOPSIS 法又叫做逼近理想解排序法, 年首次提出。TOPSIS 法是一種理想目標相似性的順序選優(yōu)技術(shù), 在多目標決策分析中是一種非常有效的方法。它通過歸一化后的數(shù)據(jù)規(guī)范化矩陣, 找出多個目標中最優(yōu)目標和最劣目標( 分別用理想解和反理想解表示), 分別計算各評價目標與理想解和反理想解的距離, 獲得各目標與理想解的貼近度, 按理想解貼近度的大小排序, 以此作為評價目標優(yōu)劣的依據(jù)。貼近度取值在0~1 之間, 該值愈接近1, 表示相應的評價目標越接近最優(yōu)水平。 反之, 該值愈接近0, 表示評價目標越接近最劣水平。其數(shù)學模型可以歸結(jié)為以下幾個步驟：一、建立決策矩陣。在多目標決策問題中， 通常有m 個評價目標，每個目標有n 個評價指標，每個評價目標的每個評價指標都有一個指標值。用各個指標值建立決策矩陣。二、構(gòu)造標準化矩陣。用向量歸一化法對決策矩陣作標準化處理，得到標準化矩陣其中三、構(gòu)造權(quán)重標準化矩陣。用AHP 法計算各個評價指標的權(quán)重，然后計算出權(quán)重，標準化矩陣四、確定理想解與負理想解。根據(jù)步驟三中求得的權(quán)重標準化矩陣中的值分別確定理想解和負理想解。理想解 負理想解 其中={ 效益型指標}， ={ 成本型指標}。效益型指標是指值越大越好的指標。 成本型指標是指值越越好的指標。五、計算距離。在此步驟中分別計算第個評價方案距理想解的距離以及距負理想解的距離。六、計算理想解的貼近度。理想解的貼近度。其中0 ≤ ≤ 1，當 = 1時, 該方案最優(yōu)。 當 = 0時,該方案最劣。不過, 在實際的多目標決策問題中, 最優(yōu)方案和最劣方案存在的可能性很小。七、排序。根據(jù)的值按從小到大的順序?qū)Ω髟u價目標進行排列。排序結(jié)果貼近度值越大, 該目標越優(yōu)，值最大的為最優(yōu)評標目標。 AHP/DEA方法整個主要過程可表述為：(1)第一階段 DEA成對比較假設有n個決策單元，每個單元有m個輸入和S個輸出。是第j個單元的第i個輸入值，是第j個單元的第r個輸出值。對于其中任意一對決策單元A和B，按照DEA方法計算兩個決策單元的有效值，僅考慮決策單元1，2。同理，可計算，以及其他任意兩個供應商之間的有效值。然后按下式計算兩兩供應商之間的效率。且(2)第二階段AHP排序在第二階段，采用單一水平的AHP方法，對每一個決策單元進行全排序。判斷矩陣，為且由第一階段得出，代中求得最大特征值和它的對應特征向，第j個分量反映了第j個單元的相對重要程度。這個相對重要程度就是決策單元的全排序值。 AHP/DEA算例分析 算例分析用AHP/DEA評價流程如下所示 AHP/DEA評價流程 4PL供應商評價指標體系描述指標類型指標名稱評價方式市場競爭能力價格各供應商提供的具體價格資本運營情況專家主觀評價客戶滿意度專家主觀評價市場占有率數(shù)據(jù)資料統(tǒng)計行業(yè)經(jīng)驗專家主觀評價協(xié)調(diào)能力客戶反映能力專家主觀評價溝通協(xié)調(diào)能力專家主觀評價對供應鏈的控制能力專家主觀評價合作伙伴開發(fā)能力專家主觀評價矛盾及時處理能力專家主觀評價技術(shù)能力流程設計規(guī)劃程度專家主觀評價信息交流傳遞正確率數(shù)據(jù)資料統(tǒng)計信息系統(tǒng)兼容性專家主觀評價設備的先進水平專家主觀評價信息及時處理能力專家主觀評價管理組織能力管理效率專家主觀評價人才比重數(shù)據(jù)資料統(tǒng)計員工滿意度專家主觀評價服務質(zhì)量專家主觀評價如果采用的是客觀數(shù)據(jù)則可以直接使用這組數(shù)據(jù)，但如果是主觀評價的數(shù)據(jù)，則使用AHP法做量化處理，對所有指標進行歸一化處理。關于客觀數(shù)據(jù)我們以“供應商提供的價格”具體來分析， 供應商價格表供應商供應商1供應商2供應商3供應商4總計供應商提提供的價格3803504005001630比列1倒數(shù)歸一化1而對于主觀指標，我們選用“行業(yè)經(jīng)驗”為例并采用AHP方法進行分析，首先得到4個供應商關于行業(yè)經(jīng)驗的相對程度，： 供應商行業(yè)經(jīng)驗相對程度表重要度供應商1供應商2供應商3供應商4供應商1151/37供應商21/5135供應商331/311/3供應商41/71/531對上訴結(jié)果進行歸一化處理得到各個供應商的行業(yè)經(jīng)驗的綜合得分值，如下：供應商1供應商2供應商3供應商4行業(yè)經(jīng)驗按照以上所訴的方法可以對其他的主觀，客觀的指標進行處理得到綜合評價指標數(shù)據(jù), 綜合評價指標值指標類型供應商1供應商2供應商3供應商4市場占有率 客戶滿意度 供應商提供的價格 資本運營情況 行業(yè)經(jīng)驗 信息及時處理能力 信息交流傳遞正確率 信息系統(tǒng)的兼容性 設備的先進水平 流程設計規(guī)范程度 溝通協(xié)調(diào)能力 客戶反應能力 合作伙伴開發(fā)能力 對供應鏈的控制能力 矛盾處理能力 員工滿意度 高素質(zhì)人才比重 管理效率 服務質(zhì)量 緊接著就是將以上指標按照DEA模型中的輸入指標和輸出指標分為兩類。一般，輸入指標使企業(yè)的投入，同時希望越小越好，而輸出指標是企業(yè)的產(chǎn)出，則希望越大越好。因此，根據(jù)以上所訴指標的性質(zhì)的正負，我們將指標分為兩類：選取正指標為輸出指標，選取負指標為輸入指標。由此可以將表中的指標分為兩類，其中輸入為：供應商提供的價格和信息交流傳遞的正確率。其他指標均為輸出指標。將輸入指標記為x，將輸出指標記為y， 具體數(shù)值表指標類型供應商1供應商2供應商3供應商4xi/yr對應權(quán)系數(shù)市場占有率 y1u1客戶滿意度 y2u2供應商提供的價格 x1v1資本運營情況 y3u3行業(yè)經(jīng)驗 y4u4信息及時處理能力 y5u5信息交流傳遞正確率 x2v2信息系統(tǒng)的兼容性 y6u6設備的先進水平 y7u7流程設計規(guī)范程度 y8u8溝通協(xié)調(diào)能力 y9u9客戶反應能力 y10u10合作伙伴開發(fā)能力 y11u11對供應鏈的控制能力 y12u12矛盾處理能力 y13u13員工滿意度 y14u14高素質(zhì)人才比重 y15u15管理效率 y16u16服務質(zhì)量 y17u17 算例計算我們選擇每個4PL供應商作為一個DMU，將每一個4PL供應商都放在指標體系中進行評價，得到所有候選4PL供應商的相對效率評價值。然后利用DE