基于模糊綜合評價對物聯網優化冷鏈物流研究

　　摘要：為了提高冷鏈物流發展速度與質量,以物聯網技術在冷鏈物流領域應用的影響因素為研究對象,建立評價指標體系,運用模糊綜合評價模型獲得利于冷鏈物流發展的結果,即物聯網效益和射頻識別技術等因子將對冷鏈物流的推動產生深遠影響。文中研究旨在加快物聯網在冷鏈物流實踐運用的速度,推進冷鏈物流發展的步伐。

　　本文源自物聯網技術,2020,10(10):40-42《物聯網技術》雜志是經國家新聞出版總署批準的物聯網專業科技期刊。雜志為月刊，每月20日出版，現已是中國核心期刊(遴選)數據庫收錄期刊，中國學術期刊網絡出版總庫收錄期刊，中文科技期刊數據庫收錄期刊，龍源國際期刊網全文收錄期刊，中國科技論文在線收錄期刊。

　　引言

　　隨著互聯網與物流行業的快速發展[1],物聯網開始被大眾熟知,同時也被逐漸投入到冷鏈物流的應用中,但由于物聯網在冷鏈物流應用方面研究不足,導致其發展緩慢。本文主要通過建立物聯網對冷鏈物流優化影響的評價指標體系,綜合評價物聯網應用能力,分析物聯網在冷鏈物流優化的方向,此舉對物聯網技術在冷鏈物流方面的應用具有重大意義[2]。

　　1、構建物聯網對冷鏈物流優化的影響指標體系

　　根據物聯網對冷鏈物流應用影響的相關文獻[3],建立關于對冷鏈物流優化影響的評價指標體系,選取的一級指標為物聯網效益[4]、GIS技術、物聯網組織結構、射頻識別技術。具體評價指標劃分見表1所列。

　　根據表1建立模糊綜合評價指標體系,為了使結果更加客觀準確,通過搜集對應指標的相關數據,求解指標權重系數,通過該方法來降低模型本身存在的主觀性[5]。因此在數據作為支撐的條件下,建立層次-熵權模型求解各指標對應的權重。

　　2、基于模糊綜合物聯網技術優化影響評價模型的建立

　　2.1數據預處理

　　根據實際數據情況構造關于各級指標的比較判斷矩陣:

　　公式1

　　式中:i,j表示判斷矩陣中同級的不同指標間的比較系數;n表示矩陣行列[6]。得到判斷矩陣后,對數據進行預處理,應用其求解各指標對應的特征向量w,求解公式如下:

　　公式2

　　表1物聯網對冷鏈物流優化的影響指標體系

　　2.2求各級指標權重

　　通過預處理和一致性檢驗后,用熵權法的權重求值對其進行修正,使權重系數更為可靠,使用二級指標的權重αj乘以二級指標對應的三級指標αkj即可得到修正的指標權重系數:

　　公式3

　　式中,k=1,2,...,10。在求解出各級指標的權重系數后,將權重占比過小的指標刪除,以剩下的指標建立模糊綜合評價模型,一級指標集合為U={U1,U2,U3},二級指標集合為Uj={u1j,u2j,u3j,u4j},其中j=1,2,...,m。

　　2.3建立模糊綜合評價模型

　　設評價集為V={V1,V2,V3,V4,V5},對應評價集中的五個等級分別為:好,較好,一般,較差,差。為使評分更合理,使評價集結果真實有效,通過發布問卷的形式構建判斷矩陣。構建模糊判斷矩陣:

　　公式4

　　式中,m表示指標個數。該判斷矩陣既適用于一級指標,也適用于二級指標,則模糊評價矩陣對應的綜合評價值為:

　　公式5

　　同時,關于模糊判斷矩陣的隸屬度函數,采用模糊合成算子計算:

　　公式6

　　在得到物聯網技術優化影響的各指標的模糊關系算子矩陣后[7],求解一級指標對應的模糊關系矩陣,最后將模糊評價值進行歸一化處理:

　　公式7

　　利用求解的關系算子和評分等級計算物聯網對冷鏈物流發展影響的綜合得分:

　　公式8

　　最后,根據綜合得分,判斷物聯網技術應用對冷鏈物流發展產生的影響因素高低。

　　3、物聯網對冷鏈物流發展的影響因子分析

　　3.1模糊綜合評價模型的求解

　　在建立出較為完善的模糊綜合評價模型后[8],求解上述模型,流程如圖1所示。

　　圖1模糊綜合評價求解流程

　　根據圖1所示的求解步驟信息可以得知,求解需分兩大部分進行,一方面,需根據題目信息分析與設計參數方法確定對應的隸屬度函數;另一方面,需確定指標的權重,為模糊評價做準備。其中,第一部分是為確定隸屬度準備,第二部分旨在為模糊評判準備。為了使求解更加順利,首先搜集求解需要的數據,之后進行后續步驟的求解。

　　通過發布問卷調查的方式,獲得有效問卷共144份,得到指標原始數據,以此求出指標對應的判斷矩陣,并根據所得數據進行計算與分析,剔除異常值。在剔除數據異常值后,對剩下的數據進行分析,并以分析的數據結果作為依據,得到關于一級指標和二級指標的比較判斷矩陣,如下所示:

　　矩陣

　　求解上述判斷矩陣,得到層次分析-熵權法的權重,結果見表2所列。

　　表2評價指標權重系數

　　用層次分析法對各級指標進行一致性檢驗。一級指標檢驗中,CR=0.0518,在各一級指標檢驗值下,二級指標的檢驗值分別為CR(B1)=0.043,CR(B2)=0.077,CR(B3)=0.0689,CR(B4)=0.071。檢驗結果均小于0.1,即求解的指標權重可行。根據上表所得權重可知,物聯網效益和射頻識別技術對冷鏈推進及作用更大。

　　根據求解的權重系數,不足以直接得到物聯網對冷鏈物流發展的影響程度,因此建立綜合評價模型[9],將評價等級分為{好,較好,一般,較差,差}。根據144份有效問卷的統計數據得到表3。

　　表3評價等級打分統計表

　　根據專家對各指標的評分,構建關于物聯網效益、GIS技術、物聯網組織結構、射頻識別技術的模糊評價矩陣:

　　矩陣

　　根據模糊判斷矩陣求解物聯網對冷鏈物流發展的影響因素的模糊判斷集,用MATLAB求解出各一級指標下的模糊關系判斷子矩陣:

　　矩陣

　　3.2物聯網評價體系因素分析

　　結合一級指標的特征向量求解物聯網判斷集與模糊關系判斷集,并對其進行歸一化處理,得到結果b1=0.2259,b2=0.3522,b3=0.1686,b4=0.1384,b5=0.1149。

　　物聯網對冷鏈物流發展的影響“好”的占22.59%,影響“較好”的占35.22%,影響“一般”的占16.86%,影響“較差”的占13.84%,影響“差”的占11.49%。

　　又因評分等級分為五個等級,因此對應的綜合評分為3.4359,故最大隸屬度有效,評價體系對物聯網優化發展冷鏈物流影響因素的探究有效[10],即物聯網效益和射頻識別技術等物聯網因素對冷鏈物流發展意義重大。

　　4、結語

　　隨著現代物聯網技術的發展,相關建設日臻完善,尤其在物流相關作業中的運用,使得物流運作方便、高效、快捷,但在冷鏈物流中的運用卻仍需要長足的研究與完善。因此在冷鏈物流整體設備上,需要通過更新換代加強物聯網在冷鏈中的運用。如GIS、實時溫度檢測和射頻識別等技術的運用,冷鏈與物聯網效益系統的優化布置可將傳統零散、小眾的冷鏈運作構建成以物聯網技術為基礎的冷鏈物流園區等形式,促進冷鏈相關產業發展,增強冷鏈集體間的關聯性,形成完整的物流運輸產業鏈。

　　參考文獻：

　　[1]任棟,董雪建,曹改改,等.物聯網技術在統計數據采集中的應用探索[J].調研世界,2020,33(4):62-65.

　　[2]胡夢杰,孟凡婷.基于物聯網技術的冷鏈智能化應用研究[J].物聯網技術,2020,10(3):64-66.

　　[3]喜崇彬.零售冷鏈物流發展新變化:訪京東冷鏈戰略規劃負責人李秀強[J].物流技術與應用,2020,25(3):108-110.

　　[4]叢林.基于技術?應用?市場三個層面的我國物聯網產業發展研究[D].沈陽:遼寧大學,2016.

　　[5]李瑾,郭美榮,馮獻.農業物聯網發展評價指標體系設計:研究綜述和構想[J].農業現代化研究,2016,37(3):423-429.

　　[6]張彥軒.物聯網終端安全問題的研究[D].南京:南京郵電大學,2019.

　　[7]蘇美文.物聯網產業發展的理論分析與對策研究[D].長春:吉林大學,2015.

　　[8]陳曉紅,楊志慧.基于改進模糊綜合評價法的信用評估體系研究:以我國中小上市公司為樣本的實證研究[J].中國管理科學,2015,23(1):146-153.

　　[9]黃洪金.層次分析和模糊綜合評價方法在公共政策評價中的應用研究[D].武漢:華中師范大學,2014.

　　[10]向欣,羅煜,程紅勝,等.基于層次分析法和模糊綜合評價的沼氣工程技術篩選[J].農業工程學報,2014,30(18):205-212.