【《进口牛肉冷链物流风险评价方法体系分析案例》3500字】

进口牛肉冷链物流风险评价方法体系分析案例目录1.1指标标准化进口牛肉冷链物流风险评价指标体系分为两类指标。一类是正向指标，即指标值越大表示进口牛肉越安全，如供应商选择风险等；另一类是负向指标，即指标值越小表示进口牛肉越安全，如包装破损率。从选取的指标可以看出，指标的单位不同，另外，指标的不同其量级也不一样。为了避免数据不统一造成的影响，将数据化在[0,1]之间，对原始数据进行标准化：(1.1)(1.2)表示第个进口牛肉工厂的第项指标值；表示第个进口牛肉工厂第项标准化后指标值，为评价对象进口牛肉工厂的个数。1.2基于评分总差距最大化思路的组合赋权方法本文根据主观赋权法和客观赋权法进行组合权重计算，单一赋权法有AHP方法、熵权法、标准离差法，其中主观赋权法AHP方法，客观赋权法熵权法和标准离差法，下面针对这三个单一赋权法进行介绍。1.2.1主观赋权方法主观赋权法是根据专家人员对指标价值进行判断，通过比较指标相对重要性，来计算指标权重的方法。本文采用的层次分析法(TheAnalyticHierarchyProcess,AHP)[52]是一种比较常用的主观赋权方法。层次分析法(TheAnalyticHierarchyProcess，AHP)是由美国国家工程学院院士，匹兹堡大学T.L.saaty教授于20世纪70年代提出的层次权重决策分析方法。该方法是对决策者的决策思维过程进行建模和量化的过程。同时，复杂的问题被转化为清晰明了，井然有序的不同层次。结构层次图直观地反映了系统内部因素之间各个子系统的解构情况，并且可以在每个级别进行合成。直到最终形成一个最高级别的因素。这个可以快速有效地完成一系列过程，例如评估，排名和指标综合等。AHP是一个简单，快速，灵活且适用的多准则决策过程。它的最大优势是定量和定性分析方法的结合，可以使确定的评估系统指标的权重更加准确和有效。因此科学、合理地反映了评价体系指标的重要性，并在多指标综合中得到了广泛的应用，计算如下：首先，按照矩阵按行按列对比指标相对重要性，以此得到判断矩阵，然后对判断矩阵进行归一化，最后检查一致性。一致性检验标准是，当时，此时判断矩阵一致性可接受，判断矩阵不接受，进行修改。1.2.2客观赋权方法客观赋权法利用数据的差异性，方差，关联程度去计算指标值。在没有外界干扰下，放大了数据自身的特点。（1）熵权法[53]熵权法是一种用于评估指标分散程度的数学方法。在信息论中，熵用于衡量特定事件或信息的不确定性。研究对象提供的信息越多，不确定性的可能性就越低，熵也就越低。相反，信息越少，不确定性越大，熵越大。根据熵的性质，可以通过计算熵值来评估事件的随机性和扰动。当然，也可以基于熵值评价指标的分散程度。根据每个指标的变化程度，使用熵工具计算每个指标的权重。这可以作为多指标综合评价的基础。设，其含义为指标标准化后第个工厂的第个指标值，不同工厂的值不同，差距越大标名第项指标越重要。计算指标权重步骤如下：首先，计算各指标的熵值。设为第个工厂第项指标的熵值，的计算过程如下： (1.3) (1.4)不同指标熵权值计算如下。 (1.5)其中，为第h项指标的熵权。（2）标准离差法[54]标准离差法是一种客观赋权方法，用于根据指标数据的标准差来计算指标的权重。标准差可以反映指标内数据的波动性，而数据的波动性可以在更大程度上区分不同的对象。它们之间的差异赋予了高波动性指标更大的权重。标准离差法和熵权法之间有很多相似之处。在大多数情况下，给定指标的标准偏差与指标值的变化程度呈正相关。指标的标准差越大，指标值的变化程度越大，从而提供更多信息并在综合评价中发挥作用。作用越明显，重量就越大。相反，给定指标的标准差越小，指标值的变化程度就越小，这意味着在综合评价中的作用越来越小，权重也就越小。 (1.6)其中，是第个指标的标准离差权重；为第个指标数据的标准差，可由式(1.7)计算。 (1.7)其中，为第项指标家工厂数据的均值，为第家工厂第项指标数据。1.2.3基于评分总差距最大化的组合赋权模型（1）基于评分总差距最大化的组合赋权模型构建原理[55]基于评分总差距最大化的组合权重是基于单一赋权建立的。组合赋权可确保所有对象的总得分差距最大。通过以上三种单一赋权法为每个指标赋予三个权重值。其中最大的权重值为该指标的指标权重上界值，最小的权重值作为下界值。满足相应条件下，可以确定约束条件。利用评分差距平方和来对比不同对象之间的评分差距，以此为目标函数建立模型。该模型可以确保最终评估结果将最大程度地扩大工厂风险评估之间的总体差距，并且可以显着区分风险，这就为划分工厂风险级别提供了良好的基础。（2）基于评分总差距最大化的组合赋权模型目标函数是使所有评价对象之间的评分差距的平方和最大化，并通过单一赋权法对指标进行赋权，并根据结果确定组合加权指标的权重的上界和下界，同时指标权重的总和是1和负约束条件。创建的组合赋权模型如下：(1.8) (1.9) (1.10)其中，代表评价对象个数，代表指标个数，代表第项指标的组合赋权值；和代表第个工厂和第个评价工厂的第项指标标准化后的指标值；为用第种赋权方法第项指标的权重，共有L种赋权方法(在本文中有三种单一赋权方法，)。公式（1.8）为目标函数，含义为所有平台两两之间评分差距的平方和最大；为对象的评分，为对象的评分与对象的评分的差距的平方。式(1.9)为第项指标的组合权重值的取值范围，下界为种单一赋权法中第个指标的最小值，上界为种单一赋权法中第个指标的最大值。式(1.10)为组合权重值的归一化约束，所有组合指标的组合权重的和为1。1.3进口牛肉冷链物流风险评分指标赋权公式和计算评价对象风险得分公式如下：（1.11) (1.12)其中，为第个评价对象中第个指标标准化数据的赋权值，为第项指标的权重，为第个评价对象中第项指标的标准化值，为第个进口牛肉工厂的风险评分。1.4基于TOPSIS方法的准则层风险评价方法1.1.1基于TOPSIS方法的准则层风险评价构建思路通过将有特点的指标组合赋权后，准则层就能表示了进口牛肉工厂流程中该准则层所代表方面的风险水平。以所有进口牛肉工厂中表现最好的指标为基础，建立最理想准则层为比较对象，将所有进口牛肉工厂的工厂所有准则层相对于最理想准则层的风险水平计算出来，通过对比找到风险偏高的准则层，这可以为进口公司选择牛肉工厂提供具体方向。TOPSIS方法[56]是对数量明确评价对象和理想化目标靠近程度排序的方法，是所涉及对象中进行相对公正的评价，评价对象的优势和劣势。TOPSIS方法的建立思路是选择所有参评对象中的最优指标，然后用这些指标值建立一个理想对象，然后拿一个对象和这个理想目标比较，计算理想解贴近度。TOPSIS方法评价进口牛肉工厂准则层风险情况的思路是选择所有工厂中的最优指标，然后计算每个进口牛肉工厂的准则层理想解相对贴近度。1.1.2基于TOPSIS方法的准则层情况评价模型（1）标准化指标数据的赋权处理指标赋权公式如下： (1.13)其中，代表第个评价对象中第个指标标准化数据的赋权值，代表第项指标的权重，代表第个评价对象中第项指标的标准化值。（2）确定参评对象的理想解和负理想解设为在所有参评对象中第h项指标数据最大值，为所有参评对象中第项指标最小值。 (1.14) (1.15)其中，评价体系共有项指标，共有个参评对象。由公式(1.14)和(1.15)可得评价对象综合(包含所有准则层)的各指标理想解和负理想解分别为：；要想得到参评对象第个准则层的理想解，若在指标体系中该准则层从第项指标开始，在第项指标结束，则第准则层理想解和负理想解分别为：；其中，评价体系中共有个准则层，。（3）评价对象准则层与对应理想解之间的欧氏距离设为参评对象的第个准则层与对应理想解之间的欧氏距离，为参评对象的第个准则层与对应负理想解之间的欧氏距离，如下所示： (1.16) (1.17)由公式(1.16)可知，参评对象的第个准则层与对应理想解之间的欧氏距离，当准则层下的指标越接近理想解，则这个欧式距离越小。假设第个对象第个准则层等于理想解，则此时。由公式(1.17)可知，参评对象的第个准则层与对应负理想解之间的欧氏距离，当准则层下的指标越接近理想解，则这个欧式距离越大。假设第个对象第个准则层等于理想解，则此时。（4）评价对象准则层与理想解相对贴近度是第个对象第个准则层的相对理想解贴近度，计算公式如下： (1.18)其中，共有个参评对象；评价体系中共有个准则层，。由公式（1.18）可知：假设对象的第个准则层等于理想解，则有且，此时=1，即理想解准则层的相对理想解贴近度为1；假设对象的第个准则层等于负理想解，有且，则此时=0，即负理想解准则层的相对理想解贴近度为0。当对象处于负理想解和理想解之间，则准则层相对理想解贴近度处于0-1之间，且越接近理想解，贴近度越接近1，反之，