关系质量视角下物流服务供应链绩效评价体系研究

李晓萍，许寒蕊

（1.江苏科技大学 经济管理学院，江苏 镇江 212003；2.中船工业现代物流研究中心，江苏 镇江 212003）

1 引言

近年来，我国物流需求整体上稳步增长，行业进入中高速发展阶段，但受市场动态环境的影响，增速有所放缓，社会物流总额由2018年的7.7%下降到2019年的6%，行业业务量回落，与此同时，运行成本居高，运作效率低下等问题仍旧突出。随着物流外包业务的兴起和客户需求的日益多样化，单一的物流服务提供方难以满足物流项目的全部需求，以物流服务集成商为核心的物流服务供应链（Logistics Service Supply Chain，LSSC）模式应运而生。物流服务供应链绩效与链上成员个体利益密切相关，合理评价其绩效水平，对于寻找链上成员的利益改进点，促进物流服务供应链的稳定协调发展具有重要意义。

物流服务供应链绩效评价体系的研究起步较晚，多在供应链绩效评价体系的基础上结合物流服务自身特点提出。马士华等[1]借鉴平衡计分卡的思想，从客户导向、供应链内部运作、未来发展和财务价值四个维度构建了供应链绩效评价体系；在此基础上，贾鹏等[2]拓展了传统的四维平衡记分卡模型，构建了五维LSSC绩效评价体系。刘伟华等[3]在充分考虑LSSC协调特性和服务特性的基础上，构建了由结果层、运作层和战略层组成的LSSC绩效评价体系；次年又从功能服务提供商、集成商和客户流程对接的前、中、后三个时间段出发，结合在具体操作环境下的特点改进了体系[4]。闫秀霞等[5]、倪霖等[6]、田雪等[7]从供应商协同发展的视角研究了包含客户满意度、物流能力状况、协同发展能力、组织管理水平等指标的LSSC绩效评价体系。Cho等[8]在战略、战术和业务水平分析基础上提出了服务供应链绩效评价框架，探讨了服务供应链运营过程中的客户关系、需求管理、供应商服务能力和供应链金融等绩效指标。Ke Gong等[9]指出LSSC绩效评估系统要考虑运营的变化和需求的增加，以适应新的活动和环境。

在经济全球化背景下，现如今LSSC处于一个复杂、开放、动态的市场环境中，随着“横向一体化”、“纵向一体化”等战略联盟管理模式的提出，企业逐渐意识到，只有将自身优势与合作者优势联合起来，才能在激烈的市场竞争中立足。LSSC想要适应这一多变环境，成员间就必须通过合作建立友好关系，还要吸纳具有不同优势的成员进入其中，由“单打独斗”演变为“协同作战”，成员间关系质量的好坏极大程度上影响着绩效水平。关系质量是对LSSC中节点企业间合作关系满足需求程度的一种综合评价和认知，本质上具有B2B关系的特征，良好的关系质量不仅有助于高效的供应链管理，还可以提高企业绩效水平[10]。本文将从关系质量视角构建LSSC绩效评价体系，并对初步构建的体系运用改进后的马田系统（Mahalanobis-Taguchi System，MTS）进行指标优选，为合理高效的评价LSSC绩效水平，提高物流服务供应链运作水平，提供有益的参考。

2 关系质量视角下LSSC绩效评价体系的构建

2.1 物流服务供应链概念

关于物流服务供应链的概念，美国供应链管理专业协会（CSCMP）将其定义为由不同公有制或私有制的物流企业共同参与，提供所需物流服务的一种供应链形式。Hertz等[11]根据物流公司提供的服务种类和顾客对其满意程度划分链上成员角色，如标准的物流服务提供商、物流服务开发商、客户适应商、客户开发商四种，他们构成了整个物流服务业务体系，他们的互动沟通使得链条正常运作。田宇[12]认为其基本结构是集成物流服务供应商的供应商→集成物流服务供应商→制造、零售企业；在此基础上刘伟华[13]提出LSSC是以物流服务集成商为核心，以功能型物流服务提供商→物流服务集成商→客户为基本结构，通过提供柔性化的物流服务保证产品供应链物流运作的一种新型供应链。虽然各种定义表述不一，但概括来说可以认为LSSC是以物流服务集成商为核心，旨在对物流资源进行整合，强大物流能力且创造物流价值的网状结构。

2.2 基于生态圈理论的体系构建思路

Iansiti&Levien[14]将商业生态系统中的企业分为四类：网络核心型（Keystone）、支配主宰型（Dominator）、缝隙型（Niche）和坐收其利型（Hub landlord）。在LSSC中，物流服务集成商链接客户和供应商，管理客户关系和供应商关系，与系统成员有着多向密切联系，为资源共享提供平台、创造价值且影响整个网络绩效，是属于枢纽位置的网络核心型企业；客户作为系统的控制者，通过自身权利控制着联盟业务走向，是属于终端的支配主宰型企业；而功能型物流服务供应商受自身专业性影响，价值创造局限于某一狭窄的业务范围，属于缝隙型企业。商业生态系统中企业角色的概念，是生态圈理论中生态位概念的隐喻延伸，本文分析相关概念对LSSC上成员进行定位，并从关系质量视角构建了LSSC的网络结构模型，如图1所示。

图1 关系质量视角下LSSC的网络结构图

关系质量视角下LSSC的网络结构图中，存在着客户关系、供应商关系及整体的共生关系，从这三个层面出发，探究绩效的具体影响因素。

（1）客户关系层面。LSSC进行价值创造的立足点是客户，根本目的是服务客户，让其感知价值和获取价值[15]，客户作为LSSC中的支配主宰型企业，对绩效评价享有一定的话语权，首先要考虑服务满意度[5-7]这一维度，包括价格、业务水平、安全管控等指标。其次，合作双方是一个利益共同体，合作关系的维持需要双方共同努力，应以共赢思维代替传统的零和思维，因此绩效评价还应考虑彼此间的作业配合度，如信息反馈、互动沟通等指标。

（2）供应商关系层面。LSSC中的功能型物流服务供应商主要包括运输型物流服务供应商和仓储型物流服务供应商。运输型供应商主要提供运输、配送、装卸等服务；仓储型供应商主要提供仓储、包装、流通加工等服务。因此，供应商关系层面下，包含运输承运关系和仓储分包关系两个维度，要根据不同供应商自身特性制定对应的绩效评价指标。如承运商需着重考虑交接问题和车辆利用情况；仓储商需着重考虑供需匹配和货损状况。关系质量视角下集成商运作能力的高低主要通过其与供应商关系质量的好坏来体现，对具有专业功能的缝隙型供应商，要侧重合作关系的管控。Briscoe等[16]在研究供应链网络运营时指出诚恳、开放、信任是合作伙伴关系中最迫切需要的态度；Laursen等[17]提出可从资源配置、开放程度及对合作活动的管理这些方面探究合作行为。

（3）共生关系层面。“共生”（Symbiosis）是生态圈的重要法则之一，现有研究表明生态圈中存在两种共生机制，分别是“互利共生”和“捕食共生”[18]。“互利共生”讲究稳定协作来合作共赢，LSSC上成员的不确定性，会带来一定程度上的负面影响；“捕食共生”讲究创新，正如生物界需要捕食进化来优胜劣汰，LSSC也需要通过创新来应对日新月异的市场环境，以此维持竞争力。种群的“稳定性”和“多样性”维持了生态圈的张力平衡，类比之下，稳定和创新是共生关系层面下影响绩效的重要维度。且从实际调查来看，额外费用（即意外支出）没有较大波动、成员间战略匹配性越高时，系统稳定性越好。

基于上述分析，本文从关系质量视角着手，结合生态圈理论选取关键指标，秉承可行有效原则，构建LSSC的绩效评价体系，如图2所示。

3 基于改进MTS的LSSC绩效评价体系优化

3.1 改进的MTS方法

马田系统（MTS）产生于质量工程学，是一种模式识别方法，主要功能是特征选择和异常值识别，具有所需样本量小、易操作等特点。20世纪90年代，日本质量工程学家田口玄一[19]最先提出MTS的概念，系统介绍了MTS的原理、方法和应用条件，2000年我国学者韩之俊将其引入国内。MTS在质量诊断、风险识别领域有较突出贡献，之后不少学者拓展了其应用领域，如综合评价、多属性决策方面等。

图2 关系质量视角下LSSC的绩效评价体系

马氏距离（Mahalanobis Distance，MD）对马氏空间（Mahalanobis Space，MS）中的数据变化十分敏感，MS选择的准确性对后续工作影响很大。传统方法中MS一般通过专业人士来界定，且要求正常样本和异常样本区分够清楚，主观性较强，所以该方法引用到绩效评价中有一定的操作难度。针对这种情况，Yang等[20]提出用质量控制图来构建MS；生志荣、程龙生等[21]进行了基于控制图的MS生成机理研究。因主观判断存在一定模糊性，所以初始正常样本中可能掺杂少许异常样本，而控制图的原理就是区分正常波动与异常波动，可利用控制图这一特性来摘除异常样本。本文通过完善已有研究，将结合控制图改进后的MTS用于LSSC绩效评价指标的筛选，从一组特征中挑选部分最有效的特征，定量优化评价体系，具体流程如下所示：

Step1 构建基准空间

（1）选取初始（或更新后）正常样本构建MS。收集p个指标下的n个正常样品构建MS作为基准空间，一般要求n＞p。

（2）样品数据标准化后计算MS中每个样品的MD1i（i=1,2,…,n），公式见式（1）。马氏距离相较于欧式距离，不受量纲影响，多了相关系数阵的逆矩阵因子，可排除变量间的相关性干扰。

其中：

p为变量，即指标个数；

Zi=(zi1,zi2,…，zip)T为正常样本中第i个样品的标准化数据，为Zi的转置，标准化公式为：

vij为第i个样本在第 j个指标下的值；均值-vj和方差 sj的公式分别见式（3）和式（4）。

R-1为R的逆矩阵，R为 p个指标间的相关系数矩阵，计算公式见式（5）。

（3）计算每个样品在除去自身后缩减MS中的MD2i（i=1,2,…,n），这里要说明的是，在计算去掉自身后缩减MS中的标准化数据时，均值和方差也对应为去掉自身后的均值和方差，在计算去掉自身后缩减MS中的MD2i时，R仍采用缩减前正常样本的相关系数矩阵。

（4）计算每个样品的增量ΔMDi（i=1,2,…,n），公式如下：

Step2 基准空间的有效性验证

（1）以ΔMDi为控制对象绘制单值控制图，控制图的上下界限分别为：

其中，n个样品的均值xˉ和移动极差的均值Rˉ计算公式分别为：

（2）判断控制图是否受控，若不受控则剔除异常样本得到更新后的正常样本，再次执行Step1，若受控则得到正常样本构建的稳态MS。

Step3 基准空间的优化。也称变量选择或特征值筛选，一般采用正交表与信噪比（Signal to Noise Ratio，SNR）进行。创始人Taguchi指出，并非所有的初始变量都具有效用性，因此在确定阈值识别待测样本之前，需对初始变量进行筛选降维来优化MS。

3.2 实证分析

本文根据图2各项指标设计了对应调查问卷，问卷选用李克特五点量表，各指标由劣到优对应分值由1到5。问卷面向全国获得无车承运人试点资质的企业发放，共发放问卷300份，其中有效问卷187份，有效回收率62.3%。运用SPSS25软件对问卷进行信效度检验，量表的克隆巴赫（信度）系数（Cronbach's alpha）为0.897，属于高信度；KMO值为0.863，Bartlett球形检验统计量的观测值为2 892.808，显著性概率小于0.05，因此，问卷适合做因子分析，效度良好。下面按改进后的MTS流程进行实证分析。

Step1 构建基准空间。由初步构建的体系知指标个数p=30，本文从有效问卷中选取n=35个样品作为初始正常样本，运用Matlab2020软件计算MD1i、MD2i，做差得 ΔMDi。

Step2 基准空间的有效性验证。用Minitab18绘制ΔMDi的单值控制图，如图3（a）所示，单值控制图中，样品22号不受控，视为异常样品。将其剔除后，用剩下34个样品作为更新后的正常样品再次构建MS，计算ΔMDi，将计算所得的数据再次绘制单值控制图，如图3（b）所示，此次样品19号不受控，视为异常样品，同理将其剔除后，剩下33个样品再次计算ΔMDi，结果如图3（c）所示，此时单值控制图处于受控状态，即构建的基准空间有效。在初始样本中，样品22号和19号为异常样品。

图3 马氏距离增量的单值控制图

Step3 基准空间的优化。本文选取L32(231)正交表，水平1表示采用此指标，水平2表示不采用此指标。因调查数值越大，表示绩效越优，所以采用望大特性信噪比，公式为：

式中MD为异常样品的马氏距离。将正交表每一行被选择的变量分别作为MS，异常样品22号和19号在每个MS上的MD作为输出响应值，通过Minitab18绘制因素信噪比响应表（见表1）和主效应图（如图4所示），可知因素A5、A6、B8、B11、C2、C4的因子水平1＜水平2，即这6项指标采用的效果＜不采用的效果，但水平值相差不大，从便捷操作角度考虑，删去这些指标项后，得到的评价体系更优，更具有效性。

表1 因素信噪比响应表

图4 LSSC评价指标的主效应图

4 结论与展望

本文从关系质量视角研究了LSSC绩效评价指标体系。一方面考虑了LSSC中的客户关系、供应商关系和共生关系，结合生态圈理论中的生态位概念和两种共生机制来探究绩效的影响因素，构建了LSSC网络结构模型和绩效评价指标体系。另一方面运用控制图改进后的MTS方法进行指标的优选，降低了空间维数，提高了识别效率。实证分析结果中删除了A5、A6、B8、B11、C2、C4指标，因调查企业均属无车承运背景，业务规模大，多处于行业前列服务水平，A6（运输车辆适用性）、C2（资金周转率）、C4（额外费用）状况良好，其上游供应商也多是优选后的长期合作伙伴，B8（货损货差率）、B11（资源灵活配置能力）基本为满意值，A5（客服业务水平）在各样品中的评分差异不大，所以这些指标分值较为平稳，不具辨识度，不建议列入评价体系。

本文的研究结果对合理评价LSSC绩效水平，寻找LSSC成员的利益改进点，促进LSSC的稳定协调发展具有一定的管理启示：（1）企业决策者在考量客户关系质量时，不仅要考虑服务满意度[5-7]，还应考虑双方的作业配合度，高水平绩效离不开彼此的共同努力。（2）功能型物流服务供应商作为缝隙型企业术业有专攻，物流服务集成商在选择供应商时，应将自身需求和供应商特点相结合，制定对应评价指标，因“地”制宜的选择最佳合作伙伴。（3）物流服务集成商作为LSSC的枢纽中心，要实施共生战略，协调链上企业的关系，与链上成员积极沟通、多方互动，将联系纽带扎牢扎紧，还要注意激发参与者的创新意识，吸收新鲜血液注入LSSC中，提升整体竞争力。

此外，本文还存在一些不足，有待进一步探索改进：（1）本文是从关系质量视角结合生态圈理论给出的LSSC绩效评价指标，这些指标属于LSSC绩效水平的内部影响因素，未考虑社会背景、环境不确定性等外部影响因素的作用，之后研究中，可将LSSC放入商业生态系统中，结合情境模型理论，全面考虑内外部影响因素，更完备的提炼LSSC绩效指标，使评价体系更具情境指导意义。（2）MTS过于依赖数据分析，这就导致想要达到准确的降维优化效果，首先要保证所用数据的准确性，本文的调查问卷只面向第三方无车承运企业，样本具有局限性，未来的研究可采用配对样本进行分析，即调查问卷同时面向物流用户与对应的第三方物流企业。