物流系统优化决策的多阶段网络DEA效率测度模型.docVIP

物流系统优化决策的多阶段网络DEA效率测度模型 DEA评价模型，在考虑经营决策和战略决策同时，对模型进行了应用扩展，给出了效率测度的基本步骤和求解算法，并用实例分析体现了该方法的实用性及优越性。 关键词: 物流系统管理; 效率测度; 网络DEA; 多阶段 中图分类号：C935 文献标识码：A 1 引言 物流系统优化决策需要提供关于系统各层面设计、经营乃至总体等方面的效果反馈，需要以效率评价作为辅助决策工具来不断跟踪和管理，从国内外的研究与实践来看，一个国家或地区物流业具有现代化水平的特征之一就是建立起复杂、全面的绩效测度体系。 物流系统评价的评价方法可以大概归纳为：基准模型、分析模型和仿真模型，基准模型的思想是捕捉所有相关投入（资源）的能力和产出（能力），构建最佳的生产力前沿，并揭示了相对低效的节点的不足之处。徐贤浩马士华（2000）（2002）（2005） DEA和交叉系数矩阵法相结合，对物流系统评价模型进行求解，在评价模型的基础上又建立了DEA灵敏度分析模型 [4]。刘满芝等(2009) 将数据包络分析法引入城市物流效率评价，建立了基于 DEA 的城市物流效率评价模型 [5]。丛亮滋（2010） 建立了基于“时间—经济增加值—作业成本”的物流成本核算集成模型，构建了流通企业基于物流成本的绩效评价体系 [6]。杨德权（2012）深入研究 DEA-AHP 评价方法基础上，提出了超效率 DEA-IAHP 方法对物流企业绩效进行评价[7]。总之，探究更具针对性、实用性的物流系统效率测度模型效率测度模型是十分有必要的，这样不仅有利于得到运行效率，，节省土地投入。2 物流系统综合优化决策的阶段网络DEA模型模型“输入”进行必要的“转化处理”），以及转化处理形成的输出（如产成品等）等三要素构成的。虽然传统的DEA方法关注系统的输入和输出以及由它们得出的相对效率，却把输入和输出间的转化过程作为一个黑箱来处理，系统内部相互影响的过程对绩效的影响无从得知。 进一步说，物流系统具有明显的集合性、相关性、阶层性和整体性等特征，因为每个生产运营子过程对整个过程有着直接的影响和作用，仅某一子过程的部分差异就可能导致整体效率的相对低下。因此，网络DEA作为传统DEA的扩展，可以深入分解生产运营过程并找到各个子过程绩效评价情况，最终能帮助我们得出有说服力的决策信息或内容[8]。 图1 模型关于子过程的内部结构描述 为此，本文构造一个充分体现物流系统效率测度内部结构的多阶段网络DEA基本模型。假设共有个评价决策单元，每个DMU都可以分解为个子过程，从起始开始，沿方向顺序通过一，。对于任意第个决策单元的第个子过程，其面向输入的DEA评价模型可表示为： (1) 在这里， — 表示第个决策单元的第个子过程的相对效率； — 表示第个决策单元的第个子过程在考察单元的权重； — 表示第个决策单元的第个子过程输入的量； — 表示第个决策单元第个子过程输入第个子过程中间产品的量； — 表示第个决策单元的第个子过程输出的量； — 表示第个决策单元第个子过程输出给第个子过程中间产品的量； 、、 — 取值为0或1的参数。 以上模型的含义如下： （1）一般DEA模型分面向输入和面向输出两种，以上属于面向输入的评价模型，即决策者追求的是输入的减少，如果考虑到决策者追求输出的增大，我们还可以根据问题的特点建立面向输出的评价模型，更为重要的是，它允许复杂的子过程关系，而且每个子过程都允许使用“反变量”[9]，解决了有些指标越小越好的问题，较贴切地反映了现实的组织结构。 （2）根据DMU为规模收益递减、不变和递增的状况可得到各子过程的不同DEA模型，它们的区别是依赖于参数、和而决定的生产可能集：当=0时，模型为面向输入的模型，满足凸性、无效性、最小性和锥性的条件，是DEA方法最基本的模型，属于规模收益不变模型，所求效率为技术效率；当=1、=0时，为面向输入的模型，满足凸性、无效性和最小性的条件，属于规模收益可变模型，所求效率为纯技术效率，规模效率可由模型和模型共同确定；当=1、=1、=0时，为面向输入的模型，满足凸性、压缩性、无效性和最小性的条件，属于非递增规模收益模型；当=1、=1、=1时，为面向输入的模型，满足凸性、无效性、扩张性和最小性的条件，属于非递减规模收益模型。 （3）、是中间变量，它既是一个子过程的输出，也是另一个子过程的输入，体现了具有一定顺序各子过程的相互影响和作用，按Herbert和Lewis提出的思想[10] ，基于已知其输出中间产品的最优值，来逆向求解每一个面向输入的子过程评价模型。 2.2基本模型的扩展与应用 以上基本模型可根据问题实际扩展