基于理想解法和灰色关联度的冷链物流中心选址评价研究

崔 凯，吕永卫，曾 平

CUI Kai, LV Yong-wei, ZENG Ping

（太原理工大学经济管理学院，山西太原030024）

(College of Economics & Management, Taiyuan University of Technology, Taiyuan 030024, Shanxi, China)

基于理想解法和灰色关联度的冷链物流中心选址评价研究

崔 凯，吕永卫，曾 平

CUI Kai, LV Yong-wei, ZENG Ping

（太原理工大学经济管理学院，山西太原030024）

(College of Economics & Management, Taiyuan University of Technology, Taiyuan 030024, Shanxi, China)

通过阐述冷链物流中心选址各评价指标，根据构建原则建立冷链物流中心选址评价指标体系。分别阐明理想解法和灰色关联度分析方法，提出构建基于理想解法和灰色关联度的冷链物流中心选址评价模型，并且通过实例分析，验证该模型的可行性，为冷链物流中心选址问题提供参考依据。

理想解法；灰色关联度；冷链物流中心；选址；评价

目前,我国学者对物流中心选址问题已经进行较为深入、全面的研究。对于物流中心选址的评价,郜振华等[1]通过分析影响物流中心选址的各种因素,确立 3 级评价指标,并且采用多层次灰色评价方法对备选中心进行评价；汪晓霞等[2]构建物流中心选址的动态双钻石模型,采用聚类分析法建立物流中心选址的指标体系,然后利用层次分析法 (Analytic Hierarchy Process,AHP) 对备选中心进行评价；徐仕强[3]在建立指标体系的基础上利用层次分析法和熵权法计算各个指标的主客观权重并且确定组合权重,最后采用理想解法 (Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS) 对备选地址进行优先排序；何凯峰[4]采用相同方法,针对冷链物流的特点建立指标体系,将 AHP 和熵权法应用到指标权重确定中,最后将数据代入 TOPSIS 模型得出最佳选择位置。对于冷链物流中心的选址评价研究,多数以备选方案与正理想方案的贴近程度为标准进行评估,没有将远离负理想方案这一准则考虑进去；有的虽然同时考虑正、负理想方案,但并没重视曲线形状的相似性,导致结果丧失客观性,缺乏科学性和准确性。为了解决好上述问题,采用理想解和灰色关联度相结合的方法,计算新的相对贴近度的方法以构建冷链物流中心选址评价模型,得出最优的备选地址[5]。

1　构建冷链物流中心选址评价指标体系

1.1构建原则

（1）适应性原则。充分考虑当地的经济发展方针和政策,及时掌握当地冷链物流发展状况,深入了解周边地区的供求状况[6]。

（2）协调性原则。冷链物流中心的选址应与当地的市场环境、区位状况相协调。

（3）经济性原则。冷链物流中心的建设和运营成本较一般物流中心更高,因而在选址中应重点考虑土地价格、土地规模。

（4）战略性原则。建立冷链物流中心应既考虑当前的市场环境,又把握物流发展趋势动态,用战略性眼光着眼长远利益选址。

1.2评价指标

1.2.1土地状况 C1

（1）土地价格 C11。冷链物流中心的成本主要包括中心的建设费用和运营费用。针对冷链物流中心占地规模比较大的特点,缩减建设费用成为重点关注对象,土地价格作为低优指标,在很大程度上决定冷链物流中心的建设成本。土地价格越低,冷链物流中心的建设成本越低,所节省的费用可以购买更先进的设备,以提高冷链物流中心的效率。相对于一般的物流中心,冷链物流中心的占地面积更大,因而在构建冷链物流中心选址评价的指标体系时,土地价格将成为首要考虑因素。

（2）土地规模 C12。土地规模是高优指标,土地规模强调的是土地的可得性。由于冷链物流中心较一般的物流中心对设备和配套设施的要求更高,占地规模更大,因而土地是否容易获得、是否达到规模将直接决定选址方案的实施和建设规模。土地规模大的备选地址为决策者提供较大变动空间,同时考虑日后可能由于业务的不断扩大而不得不调整物流中心的规模,因而在构建冷链物流中心选址评价的指标体系时,土地规模这一指标应重点关注。

1.2.2区位状况 C2

（1）经济区位 C21。经济区位是高优指标。经济区位高低主要通过 GDP 值大小来体现,由此反映该地区的资金、劳动力、技术水平和公共设施的配套能力。经济区位高的地区会产生对冷链物流的巨大需求,同时也会带动相关的生产制造和商贸流通业的发展,反过来这些行业又可以进一步增强冷链物流的竞争力,此外经济区位高的地区相关冷链物流配套设施和配送水平高于经济区位低的地区。因此,经济区位的高低对冷链物流中心选址评价具有重要影响。

（2）交通区位 C22。交通区位是高优指标,交通区位可以直观地体现某个地区交通的畅通程度。通过判断备选地址是否靠近综合交通枢纽,以及交通主干道、快速路、高速公路等,以此评价交通区位的高低。交通区位的高低直接决定冷链物流中心的运营成本,影响物流中心的运行效率,同时由于冷链物流中心所服务的商品对象都具有易腐难存的特点,因而交通区位的高低将直接影响冷链物流中心的服务质量。冷链物流中心的地址应选在交通更为便捷的地区,有利于产品快速高效流通,缩短物流配送的时间,降低物流成本,提高配送的效率。

1.2.3市场环境 C3

（1）产品生产状况 C31。产品生产状况主要通过产品的产量反映。考虑冷链物流中心服务对象具有易腐难存的自然属性,相对于一般的物流中心,冷链物流中心的运输车辆经营成本更高,配送难度也比普通车辆高很多,为了兼顾冷链物流配送的质量和运营成本,冷链物流中心应尽量靠近产地,一方面有利于对产品进行存储和配送,另一方面又能够削减交通运输费用,提高物流配送效率。

（2）产品消费状况 C32。冷链物流中心所服务的产品具有易腐性、鲜活性、保质性等特点,其质量高低将直接关系到消费者的身体健康和生命安全。随着生活水平的提高,人们在追求食品种类多样性和配送及时性的基础上,更加重视产品质量,向往高品质生活,要求产品新鲜、安全、无污染。产品的这些自然属性决定其对储存和配送能力要求更高,冷链物流中心选址应尽量靠近消费市场,以快速、高效率地配送,大辐度削减冷链物流中心的运营成本。因此,在构建冷链物流中心选址评价指标体系时充分考虑备选地址附近的产品消费情况。

（3）当地冷链物流发展状况 C33。与土地价格相类似,当地冷链物流发展状况是低优指标。经过长时间的积累,当地冷链物流发展状况越好,表明该地区的冷链物流发展水平已经基本满足当地需求,冷链物流中心竞争越激烈。随着冷链物流的竞争愈演愈烈,必然会导致冷链物流中心的利润率下降。由于冷链物流中心的建设和运营成本较一般物流中心更高,一旦建成再将其拆除或改为他用将造成资源的严重浪费。因此,物流中心选址应首先考虑冷链物流发展状况较为落后的地区。

1.3建立冷链物流中心选址评价指标体系

根据上述原则,结合冷链物流的特点,构建冷链物流中心选址评价指标体系如图1 所示。

2　冷链物流中心选址评价模型

2.1理想解法

传统理想解法 (TOPSIS) 的思路以靠近正理想方案和远离负理想方案为标准,构造相对贴近度从而达到评价的目的[7]。具体的步骤如下。

图1　冷链物流中心选址评价指标体系

（1）假设有 h 个方案,k 个指标,指标值为Aij(1≤i≤h,1≤j≤k),则评价矩阵 A = (Aij)h×k。首先,对指标进行归一化处理,得到相应矩阵 B。归一化公式为

（2）利用所求的权重值计算得到加权标准化矩阵：V = (Vij)h×k= (αjBij)h×k,然后确定最优方案和最劣方案。

（3）根据公式 ⑷ 和 ⑸ 计算备选方案与正、负理想方案的距离。

（4）接近程度计算和排序[8]。各备选地址与最优方案接近程度为 Xi,则其计算公式为

按照 Xi的大小进行排序,Xi值越大,表示对该方案的评价越高。

2.2灰色关联度分析方法

灰色关联度分析的基本思路是将备选方案与目标方案进行曲线相似性比较分析,以灰色关联度作为衡量相似程度大小的标准。例如：备选方案与正理想方案的灰色关联度大将视为接近正理想方案；备选方案与负理想方案的灰色关联度大则表明接近负理想方案。与理想解法类似,灰色关联度分析方法同样可以构造新的相对贴近度以综合评估备选方案,继而得到备选方案的优先排序[9]。具体步骤如下。

（1）在 TOPSIS 步骤 2 中 V 的基础上,计算备选方案 i 的 j 个指标与正理想方案的灰色关联系数。

灰色关联度计算公式如下。

（2）同理求得备选方案与负理想方案的灰色关联度如下。

（3）计算相对贴近度。各备选地址与最优方案接近程度为 Yi,其计算公式为

按照 Yi的大小进行排序,Yi值越大,表示对该方案的评价越高。

2.3构建基于理想解法和灰色关联度的评价模型

理想解法通过计算备选方案与正、负理想方案的距离以判断备选方案的优劣。灰色关联度分析方法则通过计算得到方案与正、负理想方案的灰色关联度,反映曲线相似性程度的大小。将 2 种方法相结合,构造出新的相对贴近度,使评价结果更为客观、科学,物理含义更加明确。

（1）利用 AHP 计算得到各个指标的权重。（2）对指标进行标准化处理如下。

式中：Ei分别代表

式中：α,β 代表决策者的偏好,并且 α + β= 1,当α≥β 时,表明决策者偏好理想解法,当 α≤β 时,表明决策者偏好灰色关联度分析方法。

按照 Gi的大小进行排序,Gi值越大,表示对该方案的评价越高。

3　实例分析

某市拟建立 1 个冷链物流中心,有 4 个备选地址,结合冷链物流的特点选出最佳地址。

在确定的指标体系中,经济区位高低主要通过备选地的 GDP 值大小衡量；以备选地生鲜产品消费市场的生鲜产品消费量衡量各备选地的产品消费情况；产品生产情况则主要通过备选地产品的产量反映。土地价格、土地规模、交通区位、当地物流发展状况为定性指标,通过专家模糊评价,采用1～9 的整数对其进行量化,模糊指标量值表如表1所示。备选地址指标原始值如表2 所示。

表1　模糊指标量值表

表2　备选地址指标原始值

（1）利用 AHP 法确定指标权重为 ω = (0.15, 0.08,0.07,0.03,0.36,0.22,0.09)

（2）通过计算得到标准化矩阵如下。

（3）在指标体系里,土地价格 C11和当地冷链物流发展状况 C33为低优指标,其余 5 个指标均为高优指标,由此可以确定正、负理想方案为

灰色关联度系数矩阵为

可得：

同理：

（4）分别按照理想解法、灰色关联分析方法和两者相结合方法 ( α= β= 0.5) 计算,排序结果对比如表4 所示。

表3　Di+,Di-,Ci+,Ci-的无量纲化处理结果

从表4 中可以看出,2 个方法相结合后排序结果与 TOPSIS 的排序结果一致,与灰色关联度分析方法的排序结果基本相同。将 TOPSIS 与灰色关联度方法相结合后,评价过程充分考虑备选方案与正、负理想方案的欧氏距离,因而与灰色关联度分析方法的评价结果存在差别,反映改进的方法评价结果更客观、更科学。

模型中的 α,β代表决策者的偏好,并且 α+ β= 1。按照 α 值从 0 到 1 进行计算,不同的 α 值所对应的贴近度和排序结果如表5 所示。

表5　不同的 α 值所对应的贴近度和排序结果

由表5 可以看出,当 0.0≤α＜0.3 时,备选地址的排序结果为 R2≥R3≥R4≥R1,与灰色关联度的排序结果一致；当 0.3≤α≤1.0 时,排序结果为 R2≥R3≥R1≥R4,与理想解法的排序结果相同。可见,随着 α 值的增大,排序结果与理想解法的排序结果一致。

表4　排序结果对比表

4　结束语

基于理想解法和灰色关联度的冷链物流中心选址评价模型,通过计算各备选物流中心的相对贴近度,确定物流中心的最佳位置[10],既充分发挥 2 种方法的优势,又提高评价结果的科学性和合理性。合理的冷链物流中心选址能够提高配送效率、降低建设和运营成本,提高冷链物流中心的市场竞争优势、减少生鲜产品在流通中的腐烂损失,保证食品品质安全、促进农副产品的市场流通,进而不断满足人们日益增长的生鲜产品物流服务需求。为了简化计算,上述方法在建立指标体系时仅选取相对重要的指标,而在实际应用中应充分考虑当地特点完善指标体系,从而使评价结果更加客观。

[1] 郜振华,陈森发,黄 鹍,等. 基于灰色综合评价的物流中心选址方法[J]. 公路交通科技,2005,22(9)：159-162. GAO Zhen-hua,CHEN Sen-fa,HUANG Run,et al. Location Method of Logistics Center based on the Grey Comprehensive Assessment[J]. Journal of Highway and Transportation Research and Development,2005,22(9)：159-162.

[2] 汪晓霞,郑吉春,李妙然. 物流中心选址动态双钻石评价方法[J]. 北京科技大学学报,2005,27(3)：360-363. WANG Xiao-xia,ZHENG Ji-chun,LI Miao-ran. Dynamic Dual-diamond Evaluation of Logistics Center Location[J]. Journal of University of Science and Technology Beijing, 2005,27(3)：360-363.

[3] 徐仕强. 基于组合赋权 TOPSIS 模型的物流中心选址研究[J]. 物流技术,2014,33(6)：132-133. XU Shi-qiang. Study on Location of Logistics Center based on Combination Weighting TOPSIS Model[J]. Logistics Technology,2014,33(6)：132-133.

[4] 何凯峰. 青岛市生鲜农产品冷链物流中心选址研究[D]. 青岛：中国海洋大学,2013. HE Kai-feng. Study on Qingdao Fresh Produce Cold Chain Logistics Center Location[D]. Qingdao：Ocean University of China,2013.

[5] 孙晓东,焦 玥,胡劲松. 基于灰色关联度和理想解法的决策方法研究[J]. 中国管理科学,2005,13(4)：64-67. SUN Xiao-dong,JIAO Yue,HU Jin-song. Research on Decision-making Method based on Gray Correlation Degree and TOPSIS[J]. Chinese Journal of Management Science, 2005,13(4)：64-67.

[6] 李 洪. 临沂铁路物流园规划选址和布局研究[J]. 铁道货运,2015,33(2)：7-10. LI Hong. Study on Planning Location and Layout of Linyi Railway Logistic Garden[J]. Railway Freight Transport, 2015,33(2)：7-10.

[7] 李秦阳,汪金燕,矫卫红. 基于信息熵—区间数 TOPSIS的省际竞争力评价[J]. 统计与决策,2015(6)：63-65. LI Qin-yang,WANG Jin-yan,JIAO Wei-hong. The Assessment for Competitive Powers between the Provinces based on Information Entropy-TOPSIS Rule with Interval Number[J]. Statistics and Decision,2015(6)：63-65.

[8] 卢 旭,刘名武,宋玉阳. 基于熵权-TOPSIS 法的物流企业选择研究[J]. 铁道运输与经济,2014,36(8)：15-18. LU Xu,LIU Ming-wu,SONG Yu-yang. Study on Selection of Logistic Enterprise based on Entropy-TOPSIS Method[J]. Railway Transport and Economy,2014,36(8)：15-18.

[9] 吴映瞳,张立杰. 基于相对熵赋权和灰色理论的高校教师创新能力综合评价[J]. 数学的实践与认识,2014, 44(21)：24-27. WU Ying-tong,ZHANG Li-jie. Research on Comprehensive Evaluation of University Teacher Innovation Capability based on Relative Entropy and Gray[J]. Mathematics in Practice and Theory,2014,44(21)：24-27.

[10] 侯乃聪,张 旭,夏恩君. 网络口碑与产品销售的灰色关联分析[J]. 管理现代化,2015(2)：28-30. HOU Nai-cong,ZHANG Xu,XIA En-jun. Analysis on Grey Incidence between Online Word-of-mouth and Products Sale based on Movie Date[J]. Modernization of Management,2015(2)：28-30.

责任编辑：冯姗姗

Study on Evaluation of Cold-chain Logistic Center Location based on TOPSIS and Grey Correlation

Through expounding each evaluation index of cold-chain logistic center location, according to the establishment principle, evaluation index system of cold-chain logistic center location was established. This paper expounds the TOPSIS and grey correlation analysis methods respectively, puts forward establishment of the evaluation model of cold-chain logistic center location based on TOPSIS and grey correlation, and validates the feasibility of the evaluation method through example analysis, so as to provide reference for cold-chain logistic center location.

TOPSIS; Grey Correlation; Cold-chain Logistic Center; Location; Evaluation

1003-1421(2015)10-0080-06

U295.4

B

10.16668/j.cnki.issn.1003-1421.2015.10.15

2015-08-05

2015-08-26

山西省软科学研究项目(2012041016-02)