物流企业配送系统的顾客满意度测评

第11卷第2期2008年3月工业工程I ndustr i a l Eng i n eer i n g Journa lVol .11No .2March 2008收稿日期:2007203223作者简介:史伟(19812),男,浙江省人,硕士,主要研究方向为物流管理.物流企业配送系统的顾客满意度测评史　伟(仰恩大学管理学院,福建泉州362014)摘要:为解决物流配送中满意度因素过多问题和进行有效的满意度水平测评,利用灰色关联分析和灰色关联聚类筛选出具有代表性的满意度指标,结合正三角模糊理论建立了完善的物流企业配送系统顾客满意度测评模型,最后对桂林某物流公司配送系统进行了客户满意度测评,结果对企业改善顾客满意度指出了方向。

关键词:物流配送;顾客满意度;灰色理论;三角模糊理论中图分类号:F252 文献标识码:A 文章编号:100727375(2008)022*******A Custom er Sa tisfacti on D egree Eva lua ti on i n L og isti cs D istr i buti onShiW ei(Manage ment School,Yang 2En University,Quanzhou 362014,China )Abstract:For res olving the p r oble m of t oo many Cust omer Satisfacti on fact ors involved in l ogistics distribu 2ti on and evaluating the degree of cust omer satisfacti on,it filtrates rep resentative Cust omer Satisfacti on I ndex by the gray correlati on analysing and gray correlati on clustering,and sets a good evaluati on model of cus 2t omer satisfacti on degree (CS D )in l ogistics distributi on,according t o Positive Triangular Fuzzy theory .I n the end,it intr oduces the app licati on of this model by an instance and points out the ways of i m p r oving cust omer satisfacti on degree .Key words:l ogisfics distributi on;cust omer satisfacti on degree;gray theory;triangular fuzzy theory 对物流企业配送系统顾客满意度因素的确定,国内外很多学者给出了不同的答案,这给配送系统满意度的测评带来了不标准性,而且各个指标间存在重复和性能相近的问题[1]。

同时关于顾客满意度测评方面的文献很多忽略了服务质量具有模糊性的特性。

因此确定相对独立且有代表性的指标因素,用模糊方法表示顾客满意度成为本文的目标。

1　灰色理论和模糊理论灰色系统理论(Grey Syste m Theory )是由邓聚龙教授于1982年提出,主要是针对系统在模型之不明确性、信息之不完整性的情况之下,所进行关于系统的关联分析(Relati onal Analysis )与模型建构(Con 2structing A Model ),藉由预测及决策的方法来探讨并了解系统。

灰色理论的应用范围极广,主要能对事务的“不确定性”、“多变量输入”、“离散的数据”以及“数据的不完整性”进行有效的处理[2]。

灰色关联分析是依据灰色关联度来作为衡量因素之间关联程度大小的一种方法。

“灰色关联度”是利用离散的测度方式来作为距离的衡量,以探讨两个数列之间的关联程度。

它具有计算方法简单、样本数量无过分要求、数据不须符合常态分配、不会产生与定性分析矛盾的结论等等优点[3]。

因此,适合用来处理当数据不明确及不完整时因素之间关联程度的差异。

由于本论文采用专家意见调查法进行资料的收集,且专家样本数较少,故而适合利用灰色关联分析进行评估准则的筛选。

模糊集合理论(Fuzzy Set Theory )是由札德(Za 2deh )教授于1965年提出。

他强调人类的思维、推理以及对周遭事物的感知,本质上具有相当程度的模糊性,所以必须以模糊的逻辑观念来描述现实生活中事务性质的等级,以弥补传统集合以二值逻辑来 工　业　工　程第11卷　描述事物的缺点[4]。

2　构建测评模型论文将由灰色关联分析找出影响顾客满意度的代表性指标,不仅可以提高指标间的独立性,另一方面也可以缩减指标的层次面,进而减少评估的时间。

此外,由于模糊理论具有降低问题的模糊性以及解决主观性问题的特性,因此本论文乃结合灰色关联分析、模糊集合论与多指标决策方法,并同时考虑影响物流企业顾客满意度的质化与量化因素,构建一个整合性的物流企业顾客满意度评估模式,进而有效地评估物流系统的顾客满意度。

本论文所提出的物流企业配送系统顾客满意度测评模型主要可分为3个阶段:1)经由文献收集、问卷调查及专家询问的方式得到初始评估指标[5],并利用灰色关联分析法找出较具有代表性的指标。

2)利用语意变量来表达每位专家的模糊评估值,并整合多位专家的模糊评估值,以计算各个评估对象的顾客满意度综合模糊绩效评估值。

3)利用重心法(Centr oid Method)将每个评估对象的顾客满意度综合模糊绩效评估值解模糊化,以求得各个评估对象顾客满意度的等级。

虽然解模糊化的方法相当多,然而由于重心法具有计算简单且易于了解的优点,故而,本论文仍采取重心法进行模糊数的解模糊化。

2.1　测评指标的筛选假设有s个初选的衡量指标Cj(j=1,2,…,s),经由k位专家Dt(t=1,2,…,k)给定各项初始指标之重要性评估值,以进行指标的筛选。

由于初始指标的个数可能相当多,为了使各个专家容易评分,本研究设定评分的数值范围为1～10分。

亦即“最重要”的指标给10分,“最不重要”的指标1分等等[6]。

筛选代表性指标的步骤如下。

步骤1　假设atj为专家t在指标j的评估值。

根据各个指标的特性,利用式(1)～(3)将数据予以正规化。

1)效益目标的测量(即希望目标值越大越好):x3i(k)=x i(k)max xi(k)。

(1)2)成本目标的测量(即希望目标值越小越好):x3i(k)=m in xi(k)x i(k)。

(2)3)特定目标的测量(即希望目标值越接近特定目标值越好):x3i(k)=m in{xi(k),x(k)}max{xi(k),x(k)}。

(3)其中,xi(k)为未正规化的值,x3i(k)为正规化之后的值,x(k)为特定目标值。

步骤2　设定指标C1为参考指标。

利用公式(4)和式(5)计算参考指标与其它初始指标的灰关联度。

γ(x(k),xi(k))=m inim inkx0(k)-x i(k)+ζmaximaxkx0(k)-x i(k)x0(k)-x i(k)+ζmaximaxkx0(k)-x i(k)。

(4)其中,i=1,2,…m,k=1,2,…,n,γ(x(k),xi(k))为参考序列x与比较序列xi在k点的关联系数,ζ为分辨系数,其值介于0与1之间,可依实际需要调整,一般取值ζ=0.5。

Γ(x,x i)=1n∑nk=1γ(x(k),xi(k))。

(5)其中,Γ=(x,x i)为序列x0与序列x i的灰色关联度。

步骤3　重复步骤2,依序将各指标设为参考指标,并计算其与各项指标间的灰色关联度,直到计算出所有指标两两间的灰关联度,进而形成一个灰关联度矩阵。

步骤4　设定灰关联度的门槛值α(本文取值α=0.75),并以各指标为主,将灰关联度高于门槛值的其它指标挑出,并由高而低排列。

步骤5　依据“群内具有高关联度,群间具有低关联度”的原则[7],利用灰色关联聚类将所有指标加以归类分群。

步骤6　由于同一群内的指标相关性甚高,因而在每群中以一个具代表性名称的指标当作评估指标,并将s个初始指标缩减为n个评估指标。

2.2　顾客满意度的衡量假设针对m个评估对象Ai(i=1,2,…,m),依据n个主要评估指标Sj(j=1,2,…,n)进行物流配送系统顾客满意度的衡量,其步骤如下。

步骤1　由专家利用语意变量值集进行评比[8]。

指标权重的语意变量:非常重要(VL)(0,0,0125),不重要(L)(0,0125,015),普通(M)(0125,015, 0175),重要(H)(015,0175,1),非常重要(VH) (0175,1,1);各项测评值的语意变量:非常差(VP) (0,0,0125),差(P)(0,0125,015),普通(F)(0125, 015,0175),好(G)(015,0175,1),非常好(VG)031　第2期史　伟:物流企业配送系统的顾客满意度测评 (0175,1,1)。

利用这些语意变量来表示各指标的权重以及各个测评对象在各个指标S j 下的测评值。

步骤2　整合k 位专家对于各项指标的模糊权重以及各项模糊评估值的结果如下:w j =1k(・){w j 1(+)w j 2(+)…(+)w jk },j =1,2,…,n;(6)x ij =1k(・){x ij 1(+)x ij 2(+)…(+)x ijk },i =1,2,…,m;j =1,2,…,n 。

(7)其中,w j 为整合k 位专家意见之后,指标S j 的模糊权重。

x ij 为整合k 位专家意见之后,评估对象A i 于指标S j 下的模糊测评值。

步骤3　计算每个评估对象顾客满意度的综合模糊绩效测评值p i (i =1,2,…,n )为p i =1n(・){(w 1(・)x i 1)(+)(w 2(・)x i 2)(+)…(+)(w n (・)x in )} (P i 1,P i 2,P i 3)。

(8)步骤4　利用重心法[1]将各个综合模糊绩效测评值解模糊化后,可求得各测评对象顾客满意度的综合绩效值。

计算方式如下:G i =P i 1+P i 2+P i 33。

(9)其中,G i (i =1,2,…,m )为测评对象A i 解模糊后的综合绩效值。

步骤5　根据G i (i =1,2,…,m )值隶属于顾客满意度等级的区间[3]:顾客满意度非常差(L1)[0-012],顾客满意度差(L2)[012-014],顾客满意度普通(L3)[014-016],顾客满意度好(L4)[016-018],顾客满意度非常好(L5)[018-1]来决定评估对象A i 的顾客满意度等级。