智慧物流绩效评价模型研究

冯宁 张晓 曲倩 苏玉宝

摘 要：5G时代下，物联网、人工智能、大数据、区块链成为新的风口，数字经济的发展和智慧城市概念的兴起都要求物流产业转型升级，由传统物流向智慧物流迈进。文章采用AHP层次分析法和灰色关联度分析法，探究影响智慧物流发展的因素，并从基础设施、信息技术、人才队伍、企业运营四个层面构建起智慧物流的績效评价体系，并对我国智慧物流的发展提出政策性建议。

关键词：数字经济;智慧物流;绩效评估;AHP层次分析法;灰色关联度

中图分类号：F252 文献标识码：A 文章编号：1005-6432（2022）13-0161-05

DOI：10.13939/j.cnki.zgsc.2022.13.161

1 文献综述

智慧物流研究领域在中国具有较强的前沿性，国内学者在研究智慧物流时，主要集中在概念、特征和体系等方面，必要的数理分析和实证研究少。

智慧物流的发展需要在战略规划、政策法规、物流标准、物流人才、信息技术、信息系统平台等方面着力，这为构建智慧物流评价体系提供了方向（张春霞，2013）[1]。智慧物流是物流业在互联网时代衍生出的高水平物流形态，是将互联网等信息技术工具和现代管理技术运用于物流业使其呈现出智能性、网络性和管理性的特征（王之泰，2014）[2]。智慧物流是融合大数据、区块链、云计算等技术，通过电子和智能化信息串联物流环节运行过程，对传统物流的优化和升级（姜大立，2018）[3]。

国外学者对智慧物流的研究着眼于物流环节中的具体应用场景，将物联网[4]、人工智能[5]、区块链[6]、大数据[7]、云计算[8]等这些技术应用到物流场景以及智能运输[9]、智慧物流[10]等。

总体而言，目前针对智慧物流企业绩效评价的研究存在一定的局限性，研究数量少且分散，定性的案例研究居多，定量的数理研究则比较少。文章将对智慧物流企业升级驱动因素开展研究，同时，将其纳入一个相对全面且系统的绩效评价体系。

2 模型构建

基于智慧物流的概念和定义，从物流企业对基础设施、信息技术、人才队伍、企业运营等方面形成量表。智慧物流的绩效评价指标体系构建如表1所示。

3 算法构建

层次分析法（AHP）是一种常用来确定指标权重的方法，它的主要缺点是方法具有较强的主观性，使得权重分配缺乏客观性。灰色关联度分析是一种以样本数据为基础，确定评价权重的方法，但缺点是评价权重过于客观，可能会忽略指标的实际重要性。

因此，文章采用层次分析和灰色关联度评价相结合的方法，使用灰色关联度分析法对层次分析法确定的权重进行修正，进而提高智能物流指标评价体系的合理性。

3.1 AHP层次分析法

AHP层次分析法是指决策专家有系统地评估尺度，针对每一部分的相对重要性给出权重数值，建立成对比较矩阵，并求出特征向量及特征值，该特征向量即代表每一层级中各部分的优先权。

首先围绕研究问题，判别影响智慧物流发展的要素并建立评价层级结构，根据收集的数据资料找出各层级间决策属性的相对重要性，依此建立比较矩阵以计算矩阵特征值与特征向量，再由计算出的CI和CR值进行一致性检验及层级结构一致性检验，通过检验后便可以确定各指标权重以选出最佳方案。

3.1.1 建立判断矩阵

文章在当地高校、智慧物流相关领域邀请了20位专家成立专家组，发放有关调查问卷，对有关一级指标权重打分整理后，用元素相对重要性表来建立判断矩阵。

以一级指标为例，见表3。

从表3可知，针对基础设施、人才队伍、信息技术、企业运营四个一级指标构建4×4阶判断矩阵研究，如表4所示。

3.1.2 计算特征向量

通过计算可以得到矩阵中的最大特征值及其所对应的特征向量，特征向量的值为对应的指标权重，并在此基础上开展对数据的一致性检验。

分析得到特征向量（0.803，0.649，1.189，1.612），并且4项各自对应的权重值分别是：18.887%，15.265%，27.956%，37.892%。

3.1.3 一致性检验

由于在AHP层次分析法中，权重打分的主观成分占比较高。指标打分可能存在不一致，也可能出现逻辑性矛盾，因此，需要对打分情况做一致性检验，避免产生错误结论。max为矩阵的最大特征根，n为矩阵的阶数。

CI=CRRI

考虑到一致性的偏离可能是由于随机原因造成的，因此引入随机一致性指标RI衡量随机因素所造成的一致性偏离的大小：

CR为一致性比例，通常CR的值越小，判断矩阵一致性越好。当CR值小于0.10时，认为判断矩阵的一致性是可以接受的，否则需要对判断矩阵做适当修正。

本次针对四阶判断矩阵计算，得到CI值为：0.022，查 RI值表为：0.890，计算得CR值为：0.025，满足小于0.10的判断标准，因此通过一致性检验。

3.2 灰色关联度分析法

灰色关联度分析法是通过对比参考序列和比较序列的相似度，对评价项进行评价，衡量系统各因素之间关联度的方法。其原理是以序列曲线几何形状的相似程度为基础，描述因素间关系的大小、强弱、排序，根据系统因素之间发展趋势的相似或者相异程度来做出判断。

3.2.1 确定参考序列和比较序列

当分辨系数ρ=0.5，γij>0.6时，分析结果较为理想，两个因素之间的关联度较强。灰色关联度值越大，两者关联度越强。

4 应用实例研究

临沂市兰山区贯彻习近平总书记“向现代物流进军”的重要指示，坚持“世界视野、沂蒙特色、高定位”，瞄准国际化、智能化、集成化、高效化“四个方向”，着力商贸物流转型升级。1E771F4B-37C2-421E-9E47-94F51017E471

山东顺和集团是临沂商贸服务型国家物流枢纽载体企业。顺和国际智慧物流园作为临沂枢纽增量项目得到省、市、区各级领导的高度关注，现已成为山东省2020年政府工作重点任务、临沂市重点工作。顺和国际智慧物流园项目处于施工建设阶段，缺少完整的生产数据，文章选取物流园区的建设规划指标进行研究。

关于指数的评级，文章结合中国物流采购和联合会发布的《中国物流园区发展报告（2018年）》数据研究，参照ABC分类法的原理，定义卓越（智慧指数≥95）、领先（80≤智慧指数<95）、初级（60≤智慧指数）。

按模型中的评价指标分类进行计算得到权重，依次为 0.1596、0.0993、0.4914、0.2497、0.5130、0.2654、0.0709、0.1177、0.0331、0.1085、0.2894、0.2240、0.0587、0.0911、0.1835、0.1232、0.1339、0.0717、0.0691、0.0409、0.0409、0.0691、0.1200、0.1200、0.0276、0.2826、0.0287、0.1917、0.2826、0.0800、0.1344，最终计算得到其智慧指数为 83.45，预计园区建成后将达到智慧物流行业领先水平。模型结合AHP层次分析法对指标权重进行计算，并应用灰色关联度分析法加以修正，使得模型具有可信性。

5 总结与展望

5.1 提高物流从业人员质量

物流行业从业人员需要从质量和数量两个维度去评估。物流行业从业人员数量不断增多，从业人员质量方面仍有较大上升空间。物流行业急需既具备物流专业知识，又掌握先进信息技术的复合型人才。政府以及企业应当坚持“人才是第一资源”的战略观念，建立智慧化专业人才培养计划，充实智慧物流人才队伍，以高素质人才保障行业智慧物流发展。政府要扶持高校开设物流、供应链相关专业，培养物流行业高素质人才;企业要加强与高校合作，落实产、学、研结合，对企业员工定期进行培训，提高员工实操技能和知识储备。

5.2 完善打造物联网

智慧物流相对传统物流的一个明显优势就是末端配送优化方案的有效实施，这也响应了国家物流打通乡村末端“最后一公里”的号召。为了实现末端配送方案的优化，需要全国物流配送企业、有关地方政府部门、电商服务企业三方联合发力来构建一个全国智慧共享物流配送信息服务平台以及一套完备物流配送信息系统。完善物流供应链运营管理，优化末端物流配送运输工作管理流程，整合末端配送物流信息系统资源，降低末端物流配送运营成本，提高物流行业顾客满意度。

5.3 更新换代物流设备

智慧货物仓储功能用于实现智慧仓储货物信息的自动实时抓取、自动识别、自动火灾预警，提高智慧仓储管理货物的实时入库、移动和实时出库的管理效率。智慧仓储是目前现代中国智慧企业物流的重要核心技术之一，其由多种高层储物货架、巷道式货物堆垛或多通道穿孔吊车、多种货物出入库以及周边设备、电气控制管理系统、仓库安全管理监控系统等组成，能有效实现企业货物自动化的存取和仓库管理，提高企业仓储管理空间综合利用率、工作效率、管理水平。

物流企业管理人员以及决策制定者应当学习智慧物流的运作原理及物流供应链理论，做好企业发展的顶层规划。落实到具体的环节中，就是要做好物流商品的储存、运输等物流运行管理环节，以降低中小企业在物流运行管理过程中的物流运行管理成本，打通物流供应链的每个环节。

物流不仅是贯穿生产者从开始采购商品到最终生产者再到最后销售的各个环节，而且也是一个商品从最终生产者手中到达最终消费者手中的必不可少的重要节点。智慧物流将大大提高中小企业的物流运营管理效率，增加企业利润。因此，物流行业应加强物流升级改革，从传统物流跨向智慧物流。

5.4 企业运营管理改善

尽管智慧物流着眼于“智慧”，但企业营运管理的改善也是重要的一环。一方面，应用信息技术和更新设备需要更好的信息管理系统，需要掌握设备操作方法的新员工和与之匹配的营运管理方法;另一方面，通过不断改善企業营运环境管理，企业物流得以有效实现物流运输环节的顺畅便利通达，压缩企业流通运输环节，减少企业无效劳动，提高物流设备运输设施的维护使用管理效率，从而达到大幅降低企业物流运输成本和提高企业经济效益的主要目的，最终可以实现我国物流运输企业经营绩效的大幅提高。

参考文献：

[1]张春霞，彭东华.我国智慧物流发展对策[J].中国流通经济，2013，27（10）：35-39.

[2]王之泰.中国物流业创新的一些思考[J].中国流通经济，2014（4）：8-12.

[3]姜大立，张巍，王清华.智慧物流关键技术及建设对策研究[J].包装工程，2018，39（23）：9-14.

[4]WANGYPHANJH，BEYNON-DAVIES.Understanding blockchain technology for future supply chains：a systematic literature review and research agenda[J].Supply Chain Management-an International Journal，2019（1）：62-84.

[5]WANG，GGUNASEKARANA，NGAIEWT，ET AL.Big data analytics in logistics and supply chain management：certain investigations for research and applications[J].International Journal of Production Economics，2016（6）：98-110.1E771F4B-37C2-421E-9E47-94F51017E471

[6]TIJANEAKSENTIJEVICS，IVANICK.Blockchain technology implementation in logistics[J].Sustainability，2019（4）：1-185.

[7]SHEE HS J，FAIRFIELDL，MIAH，ET AL.The impact of cloud-enabled process integration on supply chain performance and firm sustainability：the moderating role of top management[J].Supply Chain Management-an International Journal，2018（6）：500-517.

[8]KIRCHMKPOENICKEO，RICHTER.RFID in logistics and production-applications，research and visions for smart logistics zones[C]//KABASHKIN I，YATSKIVI，PRENTKOVSKIS O.Proceedings of the 16th International Scientific Conference Reliability and Statistics in Transportation and Communication，2017：526-533.

[9]KIMMG J，JHWANGYM RHO.The impact of RFID utilization and supply chain information sharing on supply chain performance：focusing on the moderating role of supply chain culture[J].Maritime Economics & Logistics，2016（1）：78-100.

[10]BIRKELHSHARTMANNE.Impact of IT challenges and risks for SCM[J].Supply Chain Management an International Journal，2019（1）：39-61.

[11]郝書池.发展智慧物流的动因与对策研究[J].物流科技，2017（1）：28-31.

[12]李佳.基于大数据云计算的智慧物流模式重构[J].中国流通经济，2019（2）：20-29.

[13]钱慧敏，何江，关娇.“智慧+共享”物流耦合效应评价[J].中国流通经济，2019，33（11）：3-16.

[作者简介]冯宁（1989—），女，山东青岛人，讲师，硕士，研究方向：智慧物流;张晓（2000—），女，山东临沂人，研究方向：智慧物流;曲倩（2000—），女，山东烟台人，研究方向：智慧物流;苏玉宝（1999—），男，山东临沂人，研究方向：智慧物流。1E771F4B-37C2-421E-9E47-94F51017E471