林小芳，夏慧玲，趙政華 （南通理工學(xué)院 商學(xué)院，江蘇 南通 226002）

績(jī)效管理作為一項(xiàng)復(fù)雜的系統(tǒng)工程，是企業(yè)管理的熱門(mén)話題，而績(jī)效評(píng)價(jià)又是績(jī)效管理的核心所在。由于服務(wù)具有無(wú)形性、異質(zhì)性、顧客參與性、不可儲(chǔ)存性等特點(diǎn)，服務(wù)質(zhì)量績(jī)效的評(píng)價(jià)也具有較高的模糊性。物流業(yè)作為現(xiàn)代服務(wù)業(yè)重要組成部門(mén)，其質(zhì)量績(jī)效也越來(lái)越受到重視。服務(wù)質(zhì)量績(jī)效是實(shí)施服務(wù)質(zhì)量管理的效率與效果，反映的是企業(yè)成績(jī)或成果。本文結(jié)合國(guó)內(nèi)外研究中給出的物流服務(wù)質(zhì)量績(jī)效評(píng)價(jià)指標(biāo)體系，結(jié)合專(zhuān)家問(wèn)卷調(diào)查，歸類(lèi)匯總指標(biāo)，再利用端點(diǎn)三角白化權(quán)函數(shù)進(jìn)行灰色聚類(lèi)評(píng)價(jià)。

1 相關(guān)理論

1.1 質(zhì)量績(jī)效的維度。關(guān)于績(jī)效的定義有三種：績(jī)效是結(jié)果；績(jī)效是行為；績(jī)效包括行為和結(jié)果兩個(gè)方面。質(zhì)量績(jī)效為企業(yè)的質(zhì)量表現(xiàn)，主要表現(xiàn)為提升產(chǎn)品（服務(wù)）質(zhì)量水平、降低過(guò)程質(zhì)量損失、提升產(chǎn)品交付合格率等。服務(wù)質(zhì)量績(jī)效作為提供服務(wù)的結(jié)果，主要由服務(wù)內(nèi)容、服務(wù)水平的高低以及客戶對(duì)服務(wù)質(zhì)量的預(yù)期需求與期望。由于質(zhì)量定義的多樣性，對(duì)質(zhì)量績(jī)效的構(gòu)成維度也有不同的理解：Garvin[1]作為質(zhì)量績(jī)效研究的學(xué)者之一，最早提出了質(zhì)量的8個(gè)維度；Curkovic[2]認(rèn)為質(zhì)量績(jī)效的構(gòu)成維度包含產(chǎn)品可靠性、耐用性、與性能標(biāo)準(zhǔn)一致性、設(shè)計(jì)的質(zhì)量、公司聲望、售前售后服務(wù)、對(duì)顧客需求的響應(yīng)等。

1.2 質(zhì)量績(jī)效的評(píng)價(jià)。簡(jiǎn)單的指標(biāo)組合并不能正確反映質(zhì)量績(jī)效的水平，因此必須采用合理的體系。學(xué)術(shù)界對(duì)此也展開(kāi)了大量的研究。財(cái)政部等五部委聯(lián)合發(fā)布《企業(yè)績(jī)效評(píng)價(jià)細(xì)則（修訂） （2002年）》將指標(biāo)體系詳細(xì)分為兩種（定量、定性指標(biāo)）并分別給出了各細(xì)分指標(biāo)點(diǎn)、各指標(biāo)的權(quán)重。其他學(xué)者也主要針對(duì)不同的行業(yè)，分別給出了具體指標(biāo)。在評(píng)價(jià)方法上，多采用專(zhuān)家評(píng)分法進(jìn)行指標(biāo)的綜合評(píng)價(jià)；同時(shí)，借助結(jié)構(gòu)方程模型、貝葉斯網(wǎng)絡(luò)、層次回歸分析模型的混合使用，克服不確定性條件難以量化的缺點(diǎn)。

1.3 服務(wù)質(zhì)量績(jī)效。服務(wù)質(zhì)量績(jī)效與工業(yè)企業(yè)質(zhì)量績(jī)效的不同，源于無(wú)形服務(wù)與有形產(chǎn)品在特質(zhì)上的差異。準(zhǔn)確的服務(wù)質(zhì)量績(jī)效評(píng)價(jià)能夠讓企業(yè)識(shí)別服務(wù)質(zhì)量存在的問(wèn)題與不足，抓住關(guān)鍵指標(biāo)，優(yōu)化資源配置；有助于消除人為不公正、不客觀的現(xiàn)象，為服務(wù)質(zhì)量績(jī)效的提升提供科學(xué)有效的依據(jù)。

現(xiàn)有文獻(xiàn)對(duì)質(zhì)量績(jī)效的研究主要從組織和產(chǎn)品兩個(gè)不同層面展開(kāi)。關(guān)于產(chǎn)品質(zhì)量績(jī)效研究情況，如表1。而本研究在借鑒產(chǎn)品層面績(jī)效的基礎(chǔ)上，結(jié)合物流服務(wù)質(zhì)量，給出物流服務(wù)質(zhì)量績(jī)效評(píng)價(jià)的測(cè)評(píng)指標(biāo)。

表1 產(chǎn)品質(zhì)量績(jī)效指標(biāo)

1.4 物流服務(wù)質(zhì)量績(jī)效指標(biāo)體系。參考Dow，Samson，Haner，Kaynak等學(xué)者提出的質(zhì)量績(jī)效指標(biāo)，再結(jié)合物流服務(wù)產(chǎn)品特點(diǎn)，訪談專(zhuān)家，給出了目標(biāo)層、準(zhǔn)則層（服務(wù)質(zhì)量U1、過(guò)程質(zhì)量U2、成本效益U3共3個(gè)一級(jí)指標(biāo)），10個(gè)二級(jí)指標(biāo)[3-4]。如圖1。

2 三角白化權(quán)函數(shù)灰色聚類(lèi)評(píng)價(jià)模型

近幾年來(lái)，基于三角白化權(quán)函數(shù)的灰色評(píng)價(jià)方法被廣泛用于各類(lèi)評(píng)價(jià)實(shí)踐中[5-9]。該方法最早由劉思峰提出，包括中心點(diǎn)三角白化權(quán)函數(shù)、端點(diǎn)三角白化權(quán)函數(shù)、梯形灰類(lèi)白化權(quán)函數(shù)、等斜率白化權(quán)函數(shù)、共原點(diǎn)灰色白化權(quán)函數(shù)等[10]。但針對(duì)物流服務(wù)質(zhì)量績(jī)效的評(píng)價(jià)文獻(xiàn)尚無(wú)。本研究考慮到評(píng)估指標(biāo)灰類(lèi)邊界清晰，但屬于各灰類(lèi)點(diǎn)不明確，采用將端點(diǎn)三角白化權(quán)函數(shù)模型應(yīng)用到物流服務(wù)質(zhì)量績(jī)效評(píng)估中去。分析物流服務(wù)質(zhì)量的現(xiàn)狀，以調(diào)研數(shù)據(jù)作為聚類(lèi)對(duì)象，以服務(wù)質(zhì)量績(jī)效指標(biāo)作為聚類(lèi)指標(biāo)，利用該聚類(lèi)模型進(jìn)行灰色聚類(lèi)分析。

圖1 物流服務(wù)質(zhì)量績(jī)效指標(biāo)

采用灰色定權(quán)聚類(lèi)評(píng)估模型進(jìn)行物流服務(wù)質(zhì)量績(jī)效的評(píng)價(jià)，關(guān)鍵是確定j指標(biāo)k子類(lèi)白化權(quán)函數(shù)fjk（·）及確定各指標(biāo)的聚類(lèi)權(quán)wj。

2.1 評(píng)價(jià)指標(biāo)體系權(quán)系數(shù)的確定。因?qū)哟畏治龇ň哂芯C合定性方法與定量方法的優(yōu)點(diǎn)，故研究中采用層次分析法對(duì)指標(biāo)體系的各指標(biāo)進(jìn)行權(quán)重標(biāo)度。主要步驟如下：

（1）構(gòu)造兩兩判斷矩陣。按照確定的指標(biāo)進(jìn)行專(zhuān)家打分判斷指標(biāo)之間的相對(duì)重要度，構(gòu)造兩兩判斷矩陣A=aij（），aij表示i、j兩元素相比不同的重要程度。根據(jù)定義可知aij與aji互為倒數(shù)關(guān)系，且aii=1。

（2）各層次指標(biāo)相對(duì)于準(zhǔn)則層權(quán)重的確定，可對(duì)判斷矩陣采用求根法或求和法。首先對(duì)判斷矩陣各列標(biāo)度值進(jìn)行歸一化處理，得到新判斷矩陣，即：；再對(duì)新矩陣B=bij（）按行求和，并將各和進(jìn)行規(guī)范化處理即得到ωj即為第j個(gè)指標(biāo)的權(quán)重。

（3）一致性檢驗(yàn)。AHP法創(chuàng)始人Satty提出用平均隨機(jī)一致性指標(biāo)R.I.修正C.I.來(lái)進(jìn)行一致性檢驗(yàn)，即：C.R.=C.I./R.I.，其中為最大特征根，R.I.為平均隨機(jī)一致性指標(biāo)，取值如表2。

表2 平均一致性指標(biāo)R.I.

當(dāng)C.R.＜0.1時(shí)，認(rèn)為判斷矩陣具有較好的一致性，可接受。

（4）組合權(quán)重的確定。將上一層次指標(biāo)層內(nèi)權(quán)重值與下一層次層內(nèi)指標(biāo)權(quán)重相乘，便得到下一層次指標(biāo)的綜合權(quán)重。

2.2 構(gòu)建灰類(lèi)白化權(quán)函數(shù)。設(shè)有n個(gè)對(duì)象、m個(gè)評(píng)價(jià)指標(biāo)，s個(gè)不同的灰類(lèi)。對(duì)象i相對(duì)于指標(biāo)j的樣本觀測(cè)值為xij，i=1，2，…，n；j=1，2，…，m。根據(jù)觀測(cè)值對(duì)對(duì)象i進(jìn)行評(píng)估診斷，過(guò)程如下：

（1） 確定評(píng)價(jià)灰類(lèi)，共s個(gè)灰類(lèi)。將各指標(biāo)的取值范圍相應(yīng)劃分為s個(gè)灰類(lèi)，各灰類(lèi)取值范圍分別為區(qū)間 [a1，a2]，…，[ak-1，ak]，…，[as-1，as]，[as，as+1]，k=1，2，…，s。

（2）計(jì)算各區(qū)間的幾何中點(diǎn)，設(shè)λk為第k個(gè)灰類(lèi)的中心點(diǎn)，即最可能屬于k分類(lèi)的點(diǎn)。

（3） 將兩端點(diǎn)向左右延拓，得到延拓后區(qū)間端點(diǎn)序列：a0，a1，a2，…，ak-1，ak，…，as-1，as，as+1。

（4）建立端點(diǎn)三角白化權(quán)函數(shù)：

（5）計(jì)算對(duì)象i關(guān)于灰類(lèi)k的綜合聚類(lèi)系數(shù)即隸屬度。

（6）根據(jù)隸屬度最大原則判斷對(duì)象i屬于灰類(lèi)k*。

3 算 例

采用上述端點(diǎn)三角白化權(quán)函數(shù)灰色聚類(lèi)評(píng)價(jià)方法，選擇4家物流服務(wù)企業(yè)A、B、C、D進(jìn)行分析物流服務(wù)質(zhì)量績(jī)效的評(píng)價(jià)。

3.1 數(shù)據(jù)收集及指標(biāo)權(quán)系數(shù)的確定。在國(guó)內(nèi)外相關(guān)文獻(xiàn)調(diào)研及現(xiàn)有成熟量表的基礎(chǔ)上，結(jié)合物流企業(yè)專(zhuān)家訪談咨詢意見(jiàn)，確定3個(gè)一級(jí)指標(biāo)、10個(gè)二級(jí)評(píng)價(jià)指標(biāo)構(gòu)成的物流服務(wù)質(zhì)量績(jī)效評(píng)價(jià)體系。統(tǒng)計(jì)各位專(zhuān)家對(duì)各層次中各因素的兩兩比較判斷矩陣，分別為 C1，C2，C3，C 如下：

以上判斷矩陣均通過(guò)一致性檢驗(yàn)，檢驗(yàn)結(jié)果如表3。

表3 兩兩比較判斷矩陣一致性檢驗(yàn)

由此計(jì)算得出指標(biāo)層權(quán)重、準(zhǔn)則層權(quán)重及組合權(quán)重，如表4。

表4 權(quán)重的確定

3.2 評(píng)價(jià)指標(biāo)取值及延拓。為客觀評(píng)價(jià)物流服務(wù)質(zhì)量績(jī)效，將評(píng)價(jià)灰類(lèi)分為“差”、“中”、“良”、“優(yōu)”4級(jí)。該文對(duì)10個(gè)二級(jí)指標(biāo)灰類(lèi)的劃分不是真實(shí)闕值，只是評(píng)價(jià)對(duì)象間的相對(duì)比較。由評(píng)價(jià)專(zhuān)家依據(jù)掌握的信息采用百分制打分，采用相同的灰類(lèi)劃分臨界值a1=55，a2=65，a3=75，a4=85，a5=95，并進(jìn)行指標(biāo)延拓a0=0，a6=100，并依公式（1） 計(jì)算中心點(diǎn)λk，如表5。

因?yàn)?0個(gè)二級(jí)指標(biāo)均為最大最優(yōu)型，因此它們具有相同的白化權(quán)函數(shù)，本文僅給出第一個(gè)指標(biāo)“人員溝通質(zhì)量U11”的白化權(quán)函數(shù)：

表5 延拓值、各灰類(lèi)臨界值ak及灰類(lèi)中心點(diǎn)λk

3.3 各指標(biāo)聚類(lèi)系數(shù)和綜合聚類(lèi)系數(shù)的確定。針對(duì)指標(biāo)體系中的j個(gè)指標(biāo)，專(zhuān)家根據(jù)4個(gè)評(píng)價(jià)對(duì)象A-D的實(shí)際表現(xiàn)采用百分制給出各自評(píng)分（表6）。根據(jù)各二級(jí)指標(biāo)實(shí)際值及權(quán)系數(shù)，利用端點(diǎn)三角白化權(quán)函數(shù)計(jì)算各評(píng)價(jià)對(duì)象各指標(biāo)屬于某灰類(lèi)的隸屬度，并根據(jù)綜合聚類(lèi)系數(shù)公式（3）得到4家物流企業(yè)的綜合聚類(lèi)系數(shù)，如表7。

表6 4家物流企業(yè)的評(píng)價(jià)指標(biāo)實(shí)際值

表7 各指標(biāo)實(shí)際值、隸屬度及所屬灰類(lèi)

4家物流企業(yè)屬于“差”、“中”、“良”、“優(yōu)”灰類(lèi)的隸屬度分別為：

4 結(jié) 論

（1）整體來(lái)看，物流企業(yè)A、C、D均屬于“優(yōu)”灰類(lèi)，隸屬度分別為0.735，0.89，0.838，說(shuō)明該3家企業(yè)物流服務(wù)質(zhì)量績(jī)效處在相對(duì)較好的水平；物流企業(yè)B屬于“良”灰類(lèi)，隸屬度為0.643，物流服務(wù)質(zhì)量有進(jìn)一步提升的空間。

（2）從各評(píng)價(jià)指標(biāo)聚類(lèi)系數(shù)即隸屬度來(lái)看，A企業(yè)的U13，U32指標(biāo)為“良”灰類(lèi)，其它指標(biāo)均為“優(yōu)”灰類(lèi)；B企業(yè)的U14，U32，U33為“良”灰類(lèi)，U31為“中”灰類(lèi)，其它指標(biāo)為“優(yōu)”灰類(lèi)；C企業(yè)的U33為“良”灰類(lèi)，其它指標(biāo)為“優(yōu)”灰類(lèi)；D企業(yè)的U14、U32為“良”灰類(lèi)，其它指標(biāo)為“優(yōu)”灰類(lèi)。4家企業(yè)表現(xiàn)欠佳的指標(biāo)集中在“貨品完好程度”、“服務(wù)人工效率”等，B企業(yè)“收費(fèi)服務(wù)合理程度”在很大程度商影響了該企業(yè)的整體質(zhì)量績(jī)效，有待較大幅度的提升。

（3）利用白化權(quán)函數(shù)的灰色聚類(lèi)評(píng)估模型能夠克服質(zhì)量績(jī)效模糊性的特點(diǎn)，能夠全面地研判一家企業(yè)的質(zhì)量績(jī)效，且能夠挖掘表現(xiàn)欠佳的指標(biāo)，尋求服務(wù)質(zhì)量的改善點(diǎn)。

[1]Garvin D A.Competing on the eight dimensions of quality[J].Harvard Business Review，1987，65：101-109.

[2]Curkovic S，Vickery S，Droge C.Quality-related action programs：Their impact on quality performance and firm performance[J].Decision Science，2000，31(4)：885-905.

[3]徐劍，劉俊強(qiáng)，方小昌.物流企業(yè)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系研究[J].物流科技，2006，29(1)：48-51.

[4]張陽(yáng)，馮裕祺，康文婷.基于六西格瑪?shù)碾娚涛锪鞣?wù)質(zhì)量改進(jìn)[J].物流工程與管理，2016，38(2)：25-27.

[5]石汝杰.基于三角白化權(quán)函數(shù)的重慶市水資源承載力灰色聚類(lèi)評(píng)價(jià)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2015，36(6)：22-29.

[6]王雙川，呂瑞強(qiáng)，胡恩勇，等.基于三角白化權(quán)函數(shù)的裝備維修合同商服務(wù)質(zhì)量評(píng)估[J].裝甲兵工程學(xué)院學(xué)報(bào)，2016，30(5)：20-24，30.

[7]楊守德，趙德海.高校人才發(fā)展環(huán)境評(píng)價(jià)與選擇研究——基于端點(diǎn)三角白化權(quán)函數(shù)的灰色聚類(lèi)評(píng)估模型[J].廣西社會(huì)科學(xué)，2016(8)：202-207.

[8]王化中，強(qiáng)鳳嬌.三角白化權(quán)函數(shù)灰色聚類(lèi)決策下中小企業(yè)信用評(píng)價(jià)模型構(gòu)建[J].企業(yè)經(jīng)濟(jì)，2014(4)：89-92.

[9]劉婷，肖長(zhǎng)來(lái)，王雅男，等.基于中心點(diǎn)三角白化權(quán)函數(shù)的灰色評(píng)估法在地下水水質(zhì)評(píng)價(jià)中的應(yīng)用[J].節(jié)水灌溉，2013(5)：26-28，33.

[10]劉思峰，謝乃明.灰色系統(tǒng)理論及其應(yīng)用[M].北京：科學(xué)出版社，2013.