基于模糊綜合評(píng)價(jià)和神經(jīng)網(wǎng)絡(luò)的煙草配送車組評(píng)價(jià)模型

羅 曦，張 鴛，楊 歡，楊祥龍，喻 莎

（湖北省煙草公司孝感市公司，湖北 孝感 432000）

0 引言

目前國(guó)內(nèi)相關(guān)部門在“車組管理”中大多采用較為傳統(tǒng)的管理方式，如人工管理、報(bào)表管理等，然而這些管理方式相對(duì)來說缺乏針對(duì)性和科學(xué)性。現(xiàn)有的評(píng)價(jià)體系雖然較為完整地包含了車組管理的各項(xiàng)指標(biāo)，但缺少參考對(duì)比的依據(jù)，同時(shí)對(duì)于車組評(píng)優(yōu)與車組如何改進(jìn)等問題，也沒有一個(gè)簡(jiǎn)單易行、可快速掌握的標(biāo)準(zhǔn)，從而最終造成成本增加、員工管理困難等問題。此外，現(xiàn)在廣泛使用的車組評(píng)價(jià)體系大都基于行業(yè)內(nèi)部的相關(guān)指標(biāo)，并沒有充分考慮客戶滿意度相關(guān)指標(biāo)，無法充分滿足客戶對(duì)于高水平服務(wù)的需要。

綜上所述，一個(gè)以服務(wù)客戶為導(dǎo)向，能夠有效提高車組服務(wù)水平的車隊(duì)管理綜合評(píng)分方案與技術(shù)，對(duì)于車組管理而言是迫切需要的。為此，我們希望根據(jù)具體的配送車組現(xiàn)狀構(gòu)建新的綜合評(píng)價(jià)體系，以提高客戶滿意度為評(píng)價(jià)導(dǎo)向，采用不受人為因素干擾的數(shù)學(xué)評(píng)價(jià)方法，全面提高煙草配送服務(wù)水平，推動(dòng)“知音物流”品牌的推廣和傳播。

1 方法選擇綜述

1.1 相關(guān)文獻(xiàn)綜述

目前對(duì)于配送車組管理還沒有一套完整的、通用的綜合評(píng)價(jià)體系，一般只能依據(jù)評(píng)價(jià)目標(biāo)和被評(píng)價(jià)系統(tǒng)的特點(diǎn)、規(guī)模、類型、特征、復(fù)雜程度等要求和范圍的不同，選擇不同的評(píng)價(jià)方法。目前廣泛應(yīng)用的多指標(biāo)綜合評(píng)價(jià)方法主要分為主觀賦權(quán)評(píng)價(jià)法和客觀賦權(quán)評(píng)價(jià)法。

主觀賦權(quán)評(píng)價(jià)法主要依據(jù)專家經(jīng)驗(yàn)衡量各指標(biāo)的相對(duì)重要性，有一定的主觀隨意性，受人為因素的干擾較大，在評(píng)價(jià)指標(biāo)較多時(shí)難以得到準(zhǔn)確的評(píng)價(jià)，常見方法有層次分析法、綜合評(píng)分法、模糊評(píng)價(jià)法、指數(shù)加權(quán)法、功效系數(shù)法等。這些方法被廣泛應(yīng)用于管理評(píng)價(jià)與優(yōu)化的過程中，傅雨佳，等提出基于AHP和模糊綜合評(píng)判的方法對(duì)作業(yè)指揮管理系統(tǒng)的應(yīng)用效能進(jìn)行評(píng)價(jià),其判斷矩陣具有滿意的一致性[1]，然而卻存在著定量數(shù)據(jù)較少，指標(biāo)過多時(shí)權(quán)重難以確定等問題；鄧歸來，等將模糊綜合評(píng)價(jià)方法運(yùn)用在快遞企業(yè)當(dāng)中，以順豐企業(yè)為例進(jìn)行核心競(jìng)爭(zhēng)力評(píng)價(jià)分析,并指明了競(jìng)爭(zhēng)力提升的參考方向[2]；林玲通過應(yīng)用模糊綜合評(píng)價(jià)法對(duì)Y速遞公司客戶關(guān)系滿意度進(jìn)行評(píng)價(jià)[3]，但模糊綜合評(píng)價(jià)法求解過程計(jì)算復(fù)雜，同時(shí)也未能很好地避免指標(biāo)權(quán)重矢量確定的主觀性；謝圣玉，等采用功效系數(shù)法,對(duì)物流動(dòng)態(tài)績(jī)效考核體系進(jìn)行優(yōu)化，選取8家具有代表性的物流企業(yè)，針對(duì)存在的問題提出了改進(jìn)意見[4]；賈成松運(yùn)用熵值法確定各指標(biāo)評(píng)價(jià)權(quán)重，運(yùn)用功效系數(shù)法確定各指標(biāo)能力值，從數(shù)理統(tǒng)計(jì)層面對(duì)相關(guān)單位的整體運(yùn)行管控質(zhì)量和水平做出了評(píng)價(jià)[5]，但功效系數(shù)法中滿意值和不允許值這兩個(gè)標(biāo)準(zhǔn)值的預(yù)測(cè)難度較大，增加了方法的實(shí)際應(yīng)用難度。

客觀賦權(quán)評(píng)價(jià)法更多考慮各指標(biāo)間的相互關(guān)系，根據(jù)所提供的初始信息量來確定各個(gè)評(píng)價(jià)指標(biāo)的權(quán)數(shù)，能夠使評(píng)價(jià)結(jié)果較為精確，但當(dāng)評(píng)價(jià)指標(biāo)較多時(shí)存在計(jì)算量過大的問題，典型方法有熵值法、神經(jīng)網(wǎng)絡(luò)分析法、主成分分析法、變異系數(shù)法、聚類分析法、判別分析法等。這些方法同樣常見于評(píng)價(jià)改進(jìn)領(lǐng)域，F(xiàn)eng Jianhong，等提出了熵權(quán)法與多目標(biāo)規(guī)劃相結(jié)合的評(píng)價(jià)模型，可以有效地解決汽車制造商的綠色供應(yīng)商選擇和訂單分配問題[6]，然而熵權(quán)法缺乏各指標(biāo)間的橫向比較，且權(quán)數(shù)強(qiáng)烈依賴于樣本，應(yīng)用受限；鮑珍珍，等采用基于BP 神經(jīng)網(wǎng)絡(luò)和層次分析法的評(píng)價(jià)方法，對(duì)第三方物流企業(yè)的綜合實(shí)力進(jìn)行評(píng)價(jià)分析，為第三方物流企業(yè)的選擇提供重要的參考[7]，但需要人為解釋神經(jīng)網(wǎng)絡(luò)的推理過程和依據(jù)，對(duì)訓(xùn)練數(shù)據(jù)的要求較高，未能規(guī)避層次分析法帶來的主觀偏差影響；童華剛，等利用主成分分析法對(duì)滬深兩市上市的物流企業(yè)進(jìn)行分析，得出競(jìng)爭(zhēng)力綜合評(píng)價(jià)結(jié)果[8]，然而主成分分析法本身存在信息丟失的弊端，且主成分的現(xiàn)實(shí)含義具有模糊性，增大解釋難度；陳昌華，等將灰色關(guān)聯(lián)法和系統(tǒng)聚類法結(jié)合，充分考慮了影響煙草物流效率的內(nèi)外部要素和區(qū)域發(fā)展不平衡問題，以四川省為研究實(shí)例，克服了以往主要考慮行業(yè)內(nèi)部要素和績(jī)效排名的不合理性，為找準(zhǔn)對(duì)標(biāo)對(duì)象提供了重要依據(jù)[9]，然而樣本較大時(shí)，難以獲得明晰的聚類結(jié)論；魯曉春，等利用Fisher 線性判別分析方法對(duì)物流規(guī)劃項(xiàng)目進(jìn)行評(píng)估，大大減少了專家評(píng)估物流規(guī)劃項(xiàng)目的工作量[10]，判別分析法能有效的利用歷史數(shù)據(jù)信息，但當(dāng)指標(biāo)間關(guān)系復(fù)雜時(shí)，難以選擇有效的判別函數(shù)。

隨著人工智能的快速發(fā)展以及綜合評(píng)價(jià)理論基礎(chǔ)研究的進(jìn)一步深入，對(duì)現(xiàn)有綜合評(píng)價(jià)方法加以改進(jìn)和發(fā)展，大力發(fā)展先進(jìn)智能評(píng)價(jià)技術(shù)已經(jīng)成為研究趨勢(shì)，同時(shí)也為研究和開發(fā)基于計(jì)算機(jī)的綜合評(píng)價(jià)軟件系統(tǒng)提供了可能。利用計(jì)算機(jī)技術(shù)對(duì)車組數(shù)據(jù)進(jìn)行分析評(píng)價(jià)，能夠更好地處理大量及復(fù)雜指標(biāo)間的關(guān)系，同時(shí)也能夠快速節(jié)約計(jì)算時(shí)間。

1.2 評(píng)價(jià)方法選擇

煙草配送車組管理評(píng)價(jià)場(chǎng)景是一種多層次、多因素、相關(guān)性強(qiáng)的指標(biāo)評(píng)價(jià)場(chǎng)景，需要綜合考慮人員管理、設(shè)備設(shè)施管理、物流活動(dòng)管理和客戶滿意度等多方面因素。在這樣的背景下，本方案創(chuàng)新性地采用模糊綜合評(píng)價(jià)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，綜合評(píng)價(jià)體系由以公司為導(dǎo)向轉(zhuǎn)向以客戶為導(dǎo)向。

模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的評(píng)價(jià)方法，依據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，能夠較好的解決模糊的、難以量化的評(píng)價(jià)問題；神經(jīng)網(wǎng)絡(luò)分析法通過預(yù)先收集處理數(shù)據(jù)，獲得神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，神經(jīng)網(wǎng)絡(luò)完成樣本集訓(xùn)練后，將各指標(biāo)的權(quán)重存儲(chǔ)在網(wǎng)絡(luò)中，當(dāng)把實(shí)際問題的特征參數(shù)輸入后，網(wǎng)絡(luò)能夠自行給出評(píng)價(jià)結(jié)果；通過不斷學(xué)習(xí)，能夠從未知模式的大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，具有自組織、自學(xué)習(xí)、自適應(yīng)、非線性映射等特性，能對(duì)多指標(biāo)綜合評(píng)價(jià)問題給出客觀的評(píng)價(jià)。

本方案首先建立客戶滿意度評(píng)價(jià)指標(biāo)體系，運(yùn)用模糊綜合評(píng)價(jià)法得出各地車隊(duì)客戶滿意度評(píng)價(jià)結(jié)果，其次將滿意度評(píng)價(jià)結(jié)果作為神經(jīng)網(wǎng)絡(luò)分析的期望輸出，將車隊(duì)其他相關(guān)指標(biāo)數(shù)據(jù)作為輸入展開訓(xùn)練，不斷調(diào)整各指標(biāo)權(quán)重，當(dāng)實(shí)際輸出與期望輸出誤差達(dá)到滿意值時(shí)，得到評(píng)價(jià)體系最終權(quán)重結(jié)果，并依據(jù)權(quán)重結(jié)果計(jì)算車組綜合評(píng)分。

2 煙草配送車組綜合評(píng)價(jià)指標(biāo)體系

評(píng)價(jià)指標(biāo)體系是決定評(píng)價(jià)結(jié)果是否科學(xué)的基礎(chǔ)。在過去的客戶滿意度評(píng)價(jià)指標(biāo)中，更多著眼于業(yè)務(wù)層面，如供應(yīng)總量、貨源分配等，很少涉及車組本身的特性，無法以提升服務(wù)水平和客戶滿意度為直接目標(biāo)提供車組調(diào)整的決策依據(jù)。在結(jié)合現(xiàn)有研究成果的基礎(chǔ)上，本文建立了一套科學(xué)合理的車組綜合評(píng)價(jià)體系，再通過神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)權(quán)重，以使客戶滿意度能夠引導(dǎo)車組評(píng)價(jià)結(jié)果。

在對(duì)車組系統(tǒng)進(jìn)行實(shí)地調(diào)研與考察后，對(duì)車組特性進(jìn)行總結(jié)，從煙草配送車組的人員架構(gòu)與日常培訓(xùn)、車輛管理、運(yùn)輸活動(dòng)、配送管理、服務(wù)完成度、操作情況等方面優(yōu)選具有代表性的車組評(píng)價(jià)指標(biāo)。限于篇幅關(guān)系，這里不做具體的指標(biāo)解釋與描述，僅給出車組綜合評(píng)價(jià)指標(biāo)系統(tǒng)，如圖

3 基于模糊神經(jīng)網(wǎng)絡(luò)的煙草配送車組綜合評(píng)價(jià)模型

圖1 煙草配送車組綜合評(píng)價(jià)指標(biāo)體系

配送車組評(píng)價(jià)模型要同時(shí)反映定性與定量因素相結(jié)合、模糊因素、多層次、指標(biāo)間關(guān)系復(fù)雜等特點(diǎn)。作為服務(wù)型產(chǎn)業(yè)，提升服務(wù)質(zhì)量和客戶滿意度是最為直觀也是最為迫切的。除了車隊(duì)本身的特質(zhì)之外，需要充分考慮服務(wù)水平與客戶滿意度，如果單純使用德爾菲法來確定車組評(píng)價(jià)體系的指標(biāo)權(quán)重，未必能夠滿足客戶的需求偏好，從而導(dǎo)致優(yōu)化的效果不夠理想。

因此，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時(shí)候，車組的輸出等級(jí)與優(yōu)劣不再是由專家進(jìn)行評(píng)價(jià)，而是由客戶滿意度與服務(wù)水平打分等因素綜合考評(píng)而得到。而對(duì)于綜合滿意度評(píng)級(jí)，則是通過專家評(píng)估確定權(quán)重，再綜合考慮多個(gè)來自客戶的服務(wù)滿意度指標(biāo)得分而得到。客戶服務(wù)滿意度指標(biāo)如圖2所示。

為此，本文將神經(jīng)網(wǎng)絡(luò)、三角模糊函數(shù)以及模糊綜合評(píng)價(jià)法相結(jié)合，提出了用用戶主觀指標(biāo)數(shù)據(jù)訓(xùn)練車組客觀指標(biāo)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)方法，將主觀數(shù)據(jù)的綜合評(píng)價(jià)結(jié)果用作客觀數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，為車組客觀指標(biāo)迎合顧客滿意度提供了方向?；谀：窠?jīng)網(wǎng)絡(luò)的煙草配送車組綜合評(píng)價(jià)模型具體實(shí)施步驟為：

圖2 客戶滿意度評(píng)價(jià)指標(biāo)體系

（1）用戶綜合滿意度評(píng)價(jià)體系

①確定用戶綜合滿意度評(píng)價(jià)因素集，以及評(píng)價(jià)尺度；

②確定用戶綜合滿意度評(píng)價(jià)的層次結(jié)構(gòu)；

③評(píng)價(jià)指標(biāo)數(shù)據(jù)的歸一化處理；

④確定用戶綜合滿意度評(píng)價(jià)體系權(quán)重；

⑤確定各指標(biāo)隸屬度；

⑥計(jì)算模糊綜合評(píng)價(jià)結(jié)果，并用于車組評(píng)價(jià)體系訓(xùn)練。

（2）車組評(píng)價(jià)體系

①確定車組評(píng)價(jià)因素集，以及評(píng)價(jià)尺度；

②確定車組評(píng)價(jià)的層次結(jié)構(gòu)；

③評(píng)價(jià)指標(biāo)數(shù)據(jù)的歸一化處理；

④確定各指標(biāo)隸屬度；

⑤以車組各個(gè)評(píng)價(jià)指標(biāo)數(shù)據(jù)為輸入，車組對(duì)應(yīng)的綜合滿意度為輸出，訓(xùn)練車組評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)。

3.1 歸一化處理

在配送車組評(píng)價(jià)體系中包含多種不同性質(zhì)的指標(biāo)，各評(píng)價(jià)指標(biāo)的量綱與物理意義存在差異，因此需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理。通過歸一化，能夠簡(jiǎn)化模塊初始化操作，更好地保證每個(gè)神經(jīng)元初始化成有效的狀態(tài)。也能將梯度限制在一個(gè)合理范圍，避免權(quán)重更新時(shí)的潛在問題。同時(shí)歸一化可以使學(xué)習(xí)率維持固定值，減少參數(shù)調(diào)整，避免出錯(cuò)。此外，維持各指標(biāo)特征維度數(shù)量級(jí)一致也能有效地減少搜索時(shí)間。因此各個(gè)指標(biāo)的輸入數(shù)據(jù)，必須進(jìn)行歸一化處理。

圖3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)&模糊綜合評(píng)價(jià)流程圖

確定待評(píng)價(jià)對(duì)象輸入信息：

以特征u1為例，將所有待評(píng)價(jià)車組的u1特征值進(jìn)行統(tǒng)計(jì)，找出最大值和最小值，做以下歸一化處理：

從而得到歸一化輸入信息：

3.2 模糊綜合評(píng)價(jià)

在一般的工程應(yīng)用中選擇三角形函數(shù)來表達(dá)隸屬度函數(shù)，輸出等級(jí)有n個(gè)，則有n個(gè)模糊子集，故隸屬度參數(shù)向量需有n個(gè)參數(shù)；三角模糊函數(shù)集共有n個(gè)函數(shù)，其中第j個(gè)輸出等級(jí)對(duì)應(yīng)的隸屬度函數(shù)μj為：

參考實(shí)際數(shù)據(jù)情況，由行業(yè)人士做出數(shù)據(jù)劃分評(píng)語向量，再進(jìn)行極差變換得到標(biāo)準(zhǔn)化向量，用作隸屬度參數(shù)向量：

確定評(píng)語等級(jí)變量矩陣R，將標(biāo)準(zhǔn)化數(shù)據(jù)ui代入對(duì)應(yīng)的隸屬度函數(shù)，可得該特征對(duì)應(yīng)的子評(píng)語等級(jí)行向量：

考慮該車組所具有的所有特征，則得到車組對(duì)應(yīng)的模糊關(guān)系矩R：

若存在多級(jí)結(jié)構(gòu)，無需建立新的隸屬度函數(shù)，設(shè)有Wsub=(w1,w2,...,wm)為低層級(jí)與高層級(jí)層間權(quán)重向量，可計(jì)算得到高層子評(píng)語等級(jí)行向量：

設(shè)高層級(jí)指標(biāo)特征共有k個(gè)，則車組對(duì)應(yīng)的模糊關(guān)系矩陣更新為R'：

將所得到的最高層特征指標(biāo)反映出的車組對(duì)應(yīng)的模糊關(guān)系矩陣R'，乘以目標(biāo)層-最高層層間權(quán)重W，可得車組綜合滿意度指標(biāo)評(píng)語等級(jí)向量B,表征車組綜合評(píng)價(jià)等級(jí)位于各個(gè)評(píng)級(jí)的概率：

可設(shè)計(jì)評(píng)價(jià)等級(jí)分值列向量Q，將綜合滿意度指標(biāo)評(píng)語等級(jí)向量轉(zhuǎn)化為綜合滿意度指標(biāo)評(píng)分，便于統(tǒng)計(jì)評(píng)比，也更為直觀：

3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

將主觀數(shù)據(jù)的綜合評(píng)價(jià)結(jié)果用作客觀數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)確定車組評(píng)價(jià)系統(tǒng)的層間權(quán)重W。

設(shè)有學(xué)習(xí)樣本dp=(d1p,d2p,...,dmp,tp)，隨機(jī)給出層間權(quán)重W，通過評(píng)價(jià)等級(jí)分值列向量T，將綜合滿意度指標(biāo)評(píng)語等級(jí)向量轉(zhuǎn)化為綜合滿意度指標(biāo)評(píng)分，便于神經(jīng)網(wǎng)絡(luò)梯度下降收斂時(shí)的數(shù)值計(jì)算，按照上述過程計(jì)算得到網(wǎng)絡(luò)輸出值為yp=W·R'·Q，在本模型中dp為p個(gè)車組各項(xiàng)指標(biāo)數(shù)值，tp為該車組對(duì)應(yīng)的用戶綜合滿意度指標(biāo)數(shù)據(jù)得分。

建立網(wǎng)絡(luò)誤差函數(shù)：

在學(xué)習(xí)過程中調(diào)整W，逐步降低誤差ep至設(shè)定值，或達(dá)到訓(xùn)練次數(shù)上限。使用梯度下降法求最優(yōu)：

α為學(xué)習(xí)效率，取0-1之間數(shù)值。

訓(xùn)練完成后，將更新完成的W設(shè)為神經(jīng)網(wǎng)絡(luò)參數(shù)，代入實(shí)際數(shù)據(jù)，W·R得到輸出矩陣，逐級(jí)確定輸出，最終得到綜合滿意度指標(biāo)評(píng)語等級(jí)向量。

4 應(yīng)用案例

本文以孝感市煙草中心配送車組為例，車組綜合評(píng)價(jià)指標(biāo)體系如圖1 所示。本文的實(shí)證數(shù)據(jù)涉及到實(shí)際數(shù)據(jù)、極限值、標(biāo)桿值等，所以數(shù)據(jù)來源較廣，包括專家咨詢、企業(yè)調(diào)查、國(guó)家規(guī)定與相關(guān)認(rèn)證標(biāo)準(zhǔn)以及相關(guān)研究成果等。

通過客戶滿意度評(píng)價(jià)指標(biāo)體系計(jì)算各個(gè)車組的綜合滿意度得分，用作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目標(biāo)。

(88.347,86.653,86.784,88.477,84.781,86.999,87.35)

以孝感市7 個(gè)車組的各項(xiàng)三級(jí)指標(biāo)得分作為輸入數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，建立標(biāo)準(zhǔn)化輸入矩陣。以車組的綜合滿意度得分為輸出數(shù)據(jù)，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)客戶綜合滿意度對(duì)車組客觀指標(biāo)的引導(dǎo)，得到三級(jí)指標(biāo)對(duì)應(yīng)的指標(biāo)權(quán)重向量Wlayer3，根據(jù)權(quán)重的模按體系層次關(guān)系調(diào)整對(duì)應(yīng)二級(jí)指標(biāo)的對(duì)應(yīng)三級(jí)指標(biāo)的權(quán)向量和為1。將評(píng)價(jià)等級(jí)設(shè)置為4個(gè)，{優(yōu)，良，中，差}，其中 60-70 分為差，70-80 分為中，80-90分為良，90-100分為優(yōu)，計(jì)算得到各二級(jí)指標(biāo)對(duì)應(yīng)的三級(jí)指標(biāo)隸屬度矩陣。利用三級(jí)指標(biāo)隸屬度矩陣以及權(quán)向量，求取二級(jí)指標(biāo)對(duì)應(yīng)的隸屬度矩陣。逐層向上遞推，直至求得車組綜合評(píng)價(jià)指標(biāo)的隸屬度結(jié)果。

由神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果（如圖4）可知，所求層間權(quán)重向量Wlayer3,Wlayer2,Wlayer1能夠很好的反映用戶滿意度屬性。

受篇幅限制，此處只寫出一級(jí)指標(biāo)的隸屬度和權(quán)重，以及車組綜合評(píng)價(jià)指標(biāo)的隸屬度結(jié)果。

7個(gè)車組的綜合模糊評(píng)價(jià)隸屬度如下：

由最大隸屬度原則可此7 個(gè)車組都處于良好等級(jí)，符合各個(gè)車組客戶滿意度得分值差別不大的事實(shí)，說明各個(gè)車組評(píng)分受到客戶滿意度的引導(dǎo)作用明顯。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果圖（依次為三級(jí)、二級(jí)、一級(jí)指標(biāo)層權(quán)重）

取評(píng)價(jià)等級(jí)范圍終值為評(píng)價(jià)等級(jí)分值向量Q=(65,75,85,95)，計(jì)算綜合滿意度指標(biāo)評(píng)分，便于統(tǒng)計(jì)評(píng)比。所得車組綜合滿意度指標(biāo)評(píng)分向量為：(80.411,81.256,86.402,83.507,80.537,81.945,82.077)

可以看到，所得結(jié)果數(shù)據(jù)與原始綜合滿意度之間存在差距，之所以有改變，是因?yàn)樵锌蛻魸M意度評(píng)價(jià)體系中，只考慮了供應(yīng)總量、貨源分配等業(yè)務(wù)指標(biāo)，很少涉及車組本身的特性，而豐富后的車組綜合評(píng)價(jià)體系中車組本身的客觀數(shù)據(jù)得分較低，說明新加入的車組評(píng)價(jià)指標(biāo)是有意義的，有效地豐富了車組綜合評(píng)價(jià)。

5 結(jié)語

煙草公司車組管理綜合評(píng)價(jià)問題較為復(fù)雜，具有指標(biāo)結(jié)構(gòu)復(fù)雜、定性定量指標(biāo)相結(jié)合等特點(diǎn)。本方案所選方法聚焦煙草物流行業(yè)，創(chuàng)新性地將運(yùn)用模糊綜合評(píng)價(jià)法得出的客戶滿意度評(píng)價(jià)結(jié)果作為神經(jīng)網(wǎng)絡(luò)分析的訓(xùn)練原始數(shù)據(jù)，建立以客戶為本的綜合評(píng)價(jià)體系，充分考慮了車隊(duì)服務(wù)水平和客戶滿意度的重要性，實(shí)現(xiàn)了客戶滿意度引導(dǎo)驅(qū)動(dòng)的車組評(píng)價(jià)，有利于公司貫徹落實(shí)煙草行業(yè)“卷煙上水平”的基本方針和戰(zhàn)略任務(wù)，幫助公司傳播企業(yè)文化，實(shí)現(xiàn)品牌推廣。同時(shí)也結(jié)合了車組本身的客觀指標(biāo)，綜合考慮人員管理、設(shè)備設(shè)施管理、物流活動(dòng)管理和客戶滿意度等多方面指標(biāo)，豐富了車組評(píng)價(jià)體系，能夠較為客觀全面地反映實(shí)際問題和各車隊(duì)真實(shí)服務(wù)水平，為評(píng)級(jí)評(píng)優(yōu)和日后改進(jìn)提升提供重要參考。