常用的物流系统评价方法

（一）平衡记分卡法

平衡记分卡于1992年由哈佛大学戴维·诺顿首先提出的，其作为一种新型的绩效评价方法，能使组织机构清楚阐明其愿景和战略，并转变为行动。它能提供公司内部业务和外部成果的反馈信息，以便持续改进系统的战略绩效和结果。

平衡记分卡的核心思想为一系列指标间的平衡，即短期目标和长期目标、财务指标和非财务指标、滞后型指标和领先型指标、内部绩效和外部绩效之间的平衡。它从财务、客户、内部运营、学习与成长四个方面进行评价分析。

1.财务角度

平衡记分卡的财务绩效衡量显示企业的战略及其实施和执行是否正在为最终经营结果的改善做出贡献。常见的指标包括资产负债率、流动比率、速动比率、应收账款周转率、存货周转率、资本金利润率、销售利税率等。

2.客户角度

企业为了获得长远的财务业绩，就必须向客户提供满意的产品和服务。常用的评价指标主要包括市场份额、客户保有率、客户获得率、客户满意等。

3.内部业务流程角度

平衡记分卡从投资者和客户需要的角度出发，确认组织擅长的关键内部流程，对系统内部流程进行全面分析，从而吸引和留住目标细分市场的客户。

4.学习和成长角度

学习和成长有三个主要来源，包括人才、系统和组织程序。平衡记分卡的前三个层面揭示了企业的实际能力与实现突破性业绩所必需的能力之间的差距，为了弥补这个差距，企业必须注重员工培训、技术改造、产品服务等方面，这些都是平衡记分卡学习与成长层面追求的目标。

（二）模糊层次分析法

模糊层次分析法综合运用了层次分析法和模糊综合评价法，是对问题进行综合评价分析的一种方法。该方法利用层次分析法将问题分解成不同的组成因素，最终确定各因素的相对权重。然后，以模糊数学理论为基础，运用模糊统计的方法对影响事物的各个因素进行综合考量，从而对该事物进行综合评价。

1.层次分析法

层次分析法（analytic hierarchy process，简称AHP）是20世纪70年代著名运筹学家萨蒂提出的一种系统分析方法。它结合了评价者的定性判断和定量计算，将复杂问题分解成若干层次，建立有序的递阶层次结构，从而使分析问题的过程简单化。它将人的主观判断以数量形式进行表达和处理，即思维过程数量化，使人的经验和判断在决策中的作用得以充分发挥。因此，决策者可根据该方法进行决策、评价、选择方案等。该方法可靠性高、误差小，但一般评价指标不宜过多（一般不超过9个）。层次分析法的具体步骤如下。

（1）建立递阶层次结构。层次分析法把复杂问题简单化的关键在于构建层次结构。在深入分析系统问题的基础上，将相关因素按照不同属性自上而下地分解成目标、准则、方法等层次，从而建立相应的递阶层次结构。

（2）构造判断矩阵。根据递阶层次结构，将每一个具有向下隶属关系的元素（被称作准则）作为判断矩阵的第一个元素（位于左上角），隶属它的各个元素依次排列在其后的第一行和第一列，通常采用1—9标度方法进行每两元素的比较，从而构造判断矩阵A。表7-2为重要性标度含义表。

表7-2　重要性标度含义表

（3）计算权重。权重计算方法较多，本书以求和法为例，计算公式为

其中，aij为判断矩阵的元素。

（4）一致性检验。

专家进行矩阵的两两比较判断过程中，若比较超过两个，其主观判断往往存在模糊性，则可能出现不一致的判断。若判断矩阵的一致性程度较低，则可靠性也随之降低。此时，需要对判断矩阵进行校正或重新判断，直至满足一致性检验。一致性检验指标为CI，其计算公式为

其中，λmax是A的最大特征值。通常，最大特征值为(www.xing528.com)

为了检验判断矩阵是否具有满意的一致性，需要将CI与平均一致性指标RI进行比较，即随机一致性比例CR＝（RI为随机一致性指标），其中通过查表确定相应的随机一致性指标，如表7-3所示。

表7-3　随机一致性指标RI

当CR＜0.1时，认为判断矩阵的一致性符合条件；若CR＞0.1时，则判断矩阵不符合一致性判断标准，需要对该判断矩阵进行重新修整。

2.模糊综合评价法

模糊综合评价法是查德于20世纪40年代首先提出的。该方法根据模糊数学的隶属度理论将定性分析转化为定量评价，运用模糊统计的方法对影响事物的各个因素的进行综合考量，从而对该事物进行评价。它解决了现实中的不确定性和模糊性数据问题。该方法的评价结果清晰、系统性强，能较好地解决模糊的、难以量化的问题。模糊综合评价的具体步骤如下。

（1）确定评价对象因素域。

（2）确定评语等级域。

（3）建立模糊关系矩阵R。

（4）确定评价因素的权向量矩阵w。

（5）合成模糊综合评价结果向量B。

（6）计算准则层及目标层的隶属度。

（7）进行综合分析。

（三）数据包络分析

数据包络分析（data envelopment analysis，简称DEA）是由著名运筹学家查恩斯等首先提出的基于相对效率的多投入多产出分析法。DEA是以相对效率概念为基础，以凸分析和线性规划为工具的一种非参数的经济估计方法。该方法只需区分投入与产出，无需对指标进行无量纲化处理。同时，由于它不需要任何权重假设，以决策单元输入输出的实际数据求得最优权重，避免主观因素的同时又能简化算法、减少误差。利用数据包络分析，不仅能比较各决策单元的相对有效性，也可以对绩效不佳的单元指明改善的方向和程度。

（四）BP神经网络

现代人工智能领域内的BP神经网络（back propagation network），是目前应用最为广泛的神经网络算法。它具有非线性逼近能力，为处理一般规律隐含在大量数据中的映射逼近问题提供了有效的解决办法。作为一种“数据”驱动式的“黑箱”建模，运用神经网络方法评价物流系统可以考虑大量的影响因素，这些因素既可以是定量因素，也可以是定性或不确定因素，具有简便、准确、先进的特点。此外，由于神经网络模型的学习样本均来自企业物流系统的数据统计结果，实际过程中便于克服信息不全、评价因素间关系模糊的障碍，减少评价过程中的主观因素影响。随着学习样本的增加，样本学习的准确性也会进一步提高。

以上分析了四种常用的系统评价方法，每种方法各有优势与不足，具体操作方法本书不再赘述，可查看相关资料进行实证分析。

本章小结

物流系统是围绕满足特定物流服务需求，由物流服务需求方、物流服务提供方及其他相关机构形成的一个包含所需物流运作要素的网络。

物流系统一般由物流作业系统和物流信息系统组成。其中，物流作业系统包括运输子系统、仓储子系统、流通加工子系统、商品包装子系统、装卸搬运子系统、配送子系统等。

物流分析方法主要包括调查类分析法、假设类分析方法、实验类分析方法。

物流系统分析是指将系统分析方法应用于物流系统。从整体最优出发，在选定物流系统目标和准则的基础上，综合运用科学的分析方法和工具，建立若干替代方案和模型，进行系统仿真实验。

物流系统评价的指标体系包括物流系统的物流成本、物流生产效率、物流服务质量和物流发展能力四个方面的内容。

物流系统常用的四种评价方法，分别为平衡记分卡、模糊层次分析法、数据包络分析和BP神经网络。