食品冷链物流企业绩效评价模型研究

乔维德，孔广坤

（1.无锡开放大学 科研与质量控制处，江苏 无锡 214011；2.无锡市凯诺物流有限公司 行政后勤部，江苏 无锡 214125）

食品冷链物流企业绩效评价模型研究

乔维德1，孔广坤2

（1.无锡开放大学 科研与质量控制处，江苏 无锡 214011；2.无锡市凯诺物流有限公司 行政后勤部，江苏 无锡 214125）

针对目前食品冷链物流企业绩效评价过程中存在的问题，提出应用层次分析法（AHP）构建食品冷链物流企业绩效评价指标体系及其指标权重，建立基于BP神经网络的食品冷链物流企业绩效评价模型，采取人工鱼群-蛙跳混合算法（AFS-FLA）训练优化BP神经网络结构参数.仿真实验结果分析表明：该评价方法大大提高了食品冷链物流企业绩效评价的客观性、快速性和精准度.

层次分析法；人工鱼群-蛙跳算法；BP神经网络；食品冷链物流；企业绩效评价

0 引言

随着经济快速发展，人们的生活水平不断提高，社会对于低温冷冻品的需求越来越大，人们对于低温冷冻品的要求也越来越高，而食品冷链物流体系的出现正满足了人们对新鲜健康营养食品的需要.因此，如何保证低温冷冻食品的安全、放心、营养，已成为冷链物流建设的首要问题.所谓食品冷链物流，是指冷藏冷冻类食品在生产、贮藏运输、销售，到消费前的各个环节中始终保持规定的低温环境条件，以保证食品质量、减少食品损耗防止污染的特殊供应链系统.食品冷链物流的范围不仅包括初级农产品（蔬菜、肉、禽、蛋等）、加工食品（速冻食品、禽、肉与水产品等包装熟食，冰淇淋和奶制品、快餐原料等），还包括药品等特殊商品.食品冷链物流企业贯穿于整个冷链物流环节，对整个食品冷链物流的质量起着决定性的作用，所以对食品冷链物流企业的业绩进行评价有助于对冷链物流系统的完善和提高[1].目前许多学者对此领域已开展相关研究，并取得系列成果.王芳[2]从企业经济、作业流程、客户服务等3个层面的指标因素考虑，提出了用于食品冷链物流企业绩效评价的指标体系，构建基于物元分析的绩效等级评价模型.黄向荣等[3]建立基于熵权和灰色关联分析的食品冷链物流企业绩效评价模型，模型采取熵权法对各绩效评价指标加以赋权，避免了传统灰色关联分析中专家主观评价指标权重的不确定性和随意性，从一定程度上提高灰色关联评价精度.鲍珍珍等[4]结合物流企业特点，设计基于BP神经网络和层次分析的评价模型，对第三方物流企业的综合实力进行评价分析.姜超雁等[5]从财务层面、业务层面和客户层面等提出适宜中小型第三方物流企业发展的绩效评价指标体系，采取层次分析法确定指标体系中各指标的比例权重，建立物流企业模糊综合评价模型.姜华等[6]将层次分析法和模糊综合评价法两者有机结合起来，构建AHP-模糊综合评价的第三方物流企业绩效评估模型.刘晶璟[7]利用具有高度非线性映射的遗传算法优化BP神经网络（即GA-BP神经网络）对第三方物流企业客户服务质量进行评价，等等.以上这些方法在不同程度上均取得一定效果，但不够完善，主要表现在：对于食品冷链物流企业的评价主要采取传统层次分析法、模糊综合评价法等，评价主观随意性较大，评价结果与实际值往往存在较大误差；由于冷链物流系统具有较强非线性、时滞性以及不确定性，仍单一采取传统评价方法，难以对食品冷链物流企业绩效实现客观、精准评价，建立BP神经网络模型可以克服这一评价缺陷，但BP算法、遗传算法等存在收敛速度慢、计算量大、易陷入局部最优等明显不足，所以笔者之前提出了一种新颖的人工鱼群-蛙跳混合算法（SFS-FLA）[8]，该算法具有很好的BP神经网络优化性能.为此，本研究以食品冷链物流企业为研究对象，在分析影响食品冷链物流企业绩效的各要素基础上，采用层次分析法（AHP）构建食品冷链物流企业绩效评价指标体系，构建BP神经网络的食品冷链物流企业绩效评价模型，并且采取人工鱼群-蛙跳混合算法训练优化神经网络评价模型，用来对食品冷链物流企业的绩效水平进行科学、有效、客观评价，从而明确企业在整个食品冷链物流行业中的竞争力等级，为食品冷链物流企业及及其整个行业的健康、快速发展提供参考依据.

1 食品冷链物流企业绩效评价原理

图1为食品冷链物流企业绩效评价的原理示意图，先应用AHP法构建食品冷链物流企业绩效评价指标体系，确定各项指标综合权重；从食品冷链物流企业中选取相关指标数据，建立BP神经网络评价模型，并将指标数据作为模型的训练样本和测试样本.通过AHP法与BP神经网络的有机结合，能最大限度克服冷链物流企业绩效评价过程中的主观及人为因素，从而使评价结果更科学、更客观.

图1 食品冷链物流企业绩效评价原理示意图

2 食品冷链物流评价指标体系构建

2.1 建立递阶层次结构

因为食品冷链物流属于一个特殊而复杂的系统，它融合了一般物流和冷链的特点，因此，采用层次分析法构建食品冷链物流企业绩效评价指标体系时，必须引入系统工程的思维方法，遵循科学性、客观性、目的性和可比性原则，同时注重共性与个性相结合、定量与定性相结合.评价既要保证普遍性，又要考虑其特殊性，评价以定量指标为主、定性指标为辅，以保证评价结果更加客观、合理、准确.影响食品冷链物流企业绩效的因素错综复杂，结合冷链物流的特点，对食品冷链物流企业进行绩效评价，不仅考虑经济指标，如现金周转率、利润增长率、冷链物流总成本等，还要考虑作业流程指标和客户服务指标，如冷库利用率、冷链物流操作规范程度、客户满意度、食品安全事故发生率等影响因素，而且各影响因素之间也存在一定关联.建立如表1所示的食品冷链物流企业绩效评价的3层结构模型，模型含目标层（A）、一级指标层（B）和二级指标层（C），其中二级指标层有16项指标.

表1 食品冷链物流企业绩效评价层次结构

1.2 确定指标权重

应用1-9比率标度法确定食品冷链物流企业绩效评价的权重判断矩阵A-B，B1-C，B2-C，B3-C，通过推算判断矩阵特征向量且进行归一化处理后，求取各项指标权重及其合成权重，如表2-表5所示.表6为食品冷链物流企业绩效评价的二级指标层各指标因素相对于目标层的综合权重.

表2 权重判断矩阵A-B

表3 权重判断矩阵B1-C

表4 权重判断矩阵B2-C

表5 权重判断矩阵B3─C

表6 食品冷链物流评价指标合成权重

3 基于BP神经网络的食品冷链物流企业绩效评价

图2为食品冷链物流企业绩效评价的BP神经网络模型结构图.

图2 BP神经网络评价模型结构

BP网络通过学习训练，不断优化输入与隐含层间连接权值ωij、隐含与输出层间连接权值Tki以及隐含层和输出层节点阈值θi，θk等参数，最终使网络实际输出S与期望输出Q间误差减小至设定的误差范围.BP网络初始结构参数的选取对网络输出影响很大[9，10]，鉴于BP算法存在收敛缓慢、对网络初始权值等参数比较敏感、容易陷入局部极值等不足和问题[11]，笔者采取人工鱼群-蛙跳混合算法训练优化BP网络，以获取BP网络的最佳初始权值和阈值.该混合算法充分发挥人工鱼群算法全局搜索速度快和蛙跳算法局部搜寻能力强优势，通过有效融合能克服两种算法的缺陷，保证算法的寻优精度和速度.人工鱼群-蛙跳混合算法训练优化BP神经网络的流程如图3所示[8].在算法初始化参数时由随机函数产生一定数量个体，自动生成BP神经网络的多组连接权值和阈值，组成人工鱼群.通过人工鱼群-蛙跳混合算法搜寻个体最优位置，最优位置代入BP神经网络的最佳初始连接权值和初始阈值，通过对BP网络的学习训练，不断调整权值和阈值，直至满足终止条件（均方误差最小或达到最大迭代次数）.均方误差E定义为：

其中，Qjk表示第j个训练样本在第k个输出节点处期望输出，Sjk表示第j个训练样本在第k个输出节点处网络输出，m是输出节点数，n是训练样本数.

图3 人工鱼群-蛙跳算法优化BP神经网络流程

4 食品冷链物流企业绩效评价应用

4.1 指标数据预处理

食品冷链物流企业绩效评价指标中共有定量指标和定性指标两种，其中正向型定量指标包含利润增长率、冷库利用率、准时交货率等，负向型定量指标有冷链物流总成本、食品货损率、食品安全事故发生率等.定性指标如冷链物流操作规范程度、冷链物流信息化程度、食品质量等.由于评价指标量纲及其单位各异，首先需对指标数据进行预处理，即按式（2）和式（3）分别对正向、负向型定量指标数据进行归一化处理[12].

式中，p1（k）、p2（k）分别表示正向、负向型指标数据经过归一化处理后值，xkmax、xkmin分别表示第k个指标数据的最大和最小值.

定性指标数据首先通过领域专家和评审人员现场考核并按百分制打分，将定性指标数据转化成定量指标数据形式，然后再按上述正向型、负向型定量指标归一化数据处理方法将0-100数据转换成0-1值.

4.2 BP网络结构及样本

BP神经网络结构设计为16-10-1，BP神经网络输入量为经过归一化处理后的食品冷链物流企业绩效评价指标值，BP 网络输出 S 为评价结果，S 有[1-0.9]、（0.9-0.8]、（0.8-0.6]、（0.6-0.5]、（0.5-0）5 个等次，分别对应优秀、良好、一般、较差、差.表7为从无锡、苏州、常州等地选取的部分食品冷链物流企业绩效评价指标数据样本，样本包含训练样本（序号为1-45，因版面限制部分略）和测试样本（序号为46-50），分别用来训练和测试BP神经网络；C11，C12…，C34为评价指标，得分（Q）为通过层次分析法推算得出的食品冷链物流企业绩效评价的综合得分，即C11，C12…，C34各评价指标数据与表6中各指标合成权重的乘积之和，以该综合得分作为BP神经网络的期望输出量Q.

表7 用于BP神经网络的训练和测试数据样本

4.3 BP神经网络训练及测试结果

人工鱼群-蛙跳算法选取的初始参数为：人工鱼群数目为200，人工鱼感知范围rang=0.80，人工鱼移动的最大步长step=0.65，鱼群拥挤度因子λ=0.586，鱼群最大迭代次数为300，人工鱼的试探最大次数number=35；蛙群青蛙数量为200，蛙群子群体内数量为30，子群内最大迭代更新次数为20.BP网络目标误差精度10-4，BP网络最大迭代次数为800.应用Matlab 7.0仿真软件，输入表7中的训练样本至BP神经网络.表8为测试样本的测试结果，列出的样本46-50这5家食品冷链物流企业绩效评价的BP神经网络输出值与期望输出的相对误差最大不超过0.9%，网络输出的食品冷链物流企业绩效评价等级与期望输出完全一致.由此可见，本研究设计的BP神经网络评价模型有较强泛化能力，能很好地拟合行业领域专家的评价思维，对食品冷链物流企业绩效作出客观、真实、高效、精准的评价.

表8 测试样本误差及评价结果

4.4 仿真结果比较

将用于食品冷链物流企业绩效评价的样本数据输入BP神经网络，先后采取已有文献中的BP算法、GA-BP算法、人工鱼群-蛙跳算法分别优化BP神经网络，神经网络评价模型训练好后再各自选用46-50样本数据进行测试评价，测试性能比较结果如表9所示，从表中分析知，由人工鱼群-蛙跳算法优化的BP神经网络训练速度最快、误差最小、评价准确率最高.

表9 不同算法性能比较

5 结语

采用层次分析法建立食品冷链物流企业绩效评价指标体系，并确定各指标因素权重；针对传统BP算法等存在的不足与缺陷，采取一种新颖的人工鱼群-蛙跳混合算法优化BP神经网络初始权值、阈值等初始结构参数；通过对BP神经网络训练和测试的仿真分析表明，该BP神经网络模型应用于食品冷链物流企业绩效评价，具有评价速度快、准确度高、智能化程度高的明显优势，为食品冷链物流企业的绩效综合评价提供一种崭新的思路和方法，并且对于食品冷链物流企业的正常运营与高效管理具有较高的借鉴价值与指导意义.

[1]徐耀群，倪超.食品冷链物流配送绩效评价述评[J].哈尔滨商业大学学报（社会科学版），2014，（6）：38-42.

[2]王芳.食品冷链物流企业绩效评价物元模型研究[J].物流技术，2012，31（11）：294-296.

[3]黄向荣，谢如鹤.基于熵权灰色关联的食品冷链物流企业绩效评价[J].广州大学学报（自然科学版），2009，8（4）：87-90.

[4]鲍珍珍，朱沛.基于BP神经网络和层次分析法的第三方物流企业评价[J].物流工程与理，2013，35（9）：109-111.

[5]姜超雁，真虹，高洁.基于模糊综合评价法的中小型第三方物流企业绩效评价[J].上海海事大学学报，2011，32（1）：86-90.

[6]姜华，刘洋，杨静.基于AHP-模糊综合评价法的第三方物流企业绩效评估应用[J].物流技术，2015，34（1）：171-173.

[7]刘晶璟.基于GA-BP神经网络的第三方物流企业客户服务质量评价研究[J].物流科技，2015，（1）：59-62.

[8]乔维德.基于人工鱼群-蛙跳神经网络的变压器故障诊断[J].常熟理工学院学报，2016，30（4）：70-74.

[9]乔维德.一种改进的提升机同步电机直接转矩控制[J].盐城工学院学报（自然科学版），2017，30（1）：28-33.

[10]乔维德，周晓谋.一种井下瓦斯传感器故障辨识方法[J].石家庄学院学报，2017，19（3）：46-52.

[11]乔维德.一种永磁同步电机模糊神经网络PID速度控制研究[J].常熟理工学院学报，2017，31（4）：35-40.

[12]乔维德.基于BP神经网络的机电产品绿色度评价方法[J].温州职业技术学院学报，2017，17（2）：33-37.

A Research on Performance Evaluation Model of Food Cold Chain Logistics Enterprises

QIAO Wei-de1,KONG Guang-kun2
(1.Dept.of Scientific Researchamp;Quality Control,Wuxi Open University,Wuxi,Jiangsu 214011,China;2.Dept.of Administrative Logistics,Wuxi Kaino Logistics Co.Ltd,Wuxi,Jiangsu 214125,China)

In view of the existing problems in the performance evaluation of food cold chain logistics enterprises,this paper proposes the application of analytic hierarchy process(AHP)to construct the performance evaluation index system and its index weight of food cold chain logistics enterprises,establishes the performance evaluation model of food cold chain logistics enterprise based on BP neural network,and takes the artificial fish-frog(AFS-FLA)algorithm to optimize the structure parameters of BP artificial neural network training.The simulation experiment results show that the evaluation method greatly improves the objectivity,rapidity and precision of the performance evaluation of the food cold chain logistics enterprises.

analytic hierarchy process;AFS-FLA;BP neural network;food cold chain logistics;enterprise performance evaluation

F252

A

1673-1972（2017）06-0027-08

2017-09-04

无锡市社会事业领军人才资助项目（WX530/2017010）

乔维德（1967-），男，江苏宝应人，教授，主要从事电机智能控制、机电设备监测与故障诊断研究.

（责任编辑 王颖莉）