港口物流绩效定量评价理论及应用

文章编号：1000-8462（2009）12-2034-05

港口物流绩效定量评价理论及应用

焦新龙1，2，刘雪莲1，3

，马天山1

（1.长安大学经济与管理学院，中国陕西西安710064；2.宁波工程学院交通与物流学院，中国浙江宁波315211；

3.宁波工程学院机械工程学院，中国浙江宁波315016）

摘要：港口发展日渐成为经济发展所关注的焦点，推行港口物流综合评价是提升港口物流竞争力的有效途径之

一。运用Delphi 法和AHP 法建立了港口物流层次分析模型，

构建了物流绩效综合评价指标体系。选用基于“差动”原理的赋权法———G l 法计算各指标的权重，应用模糊综合评价法对其进行绩效综合评价。采用平均加权法对评价因素的各项指标进行量化处理，从而得到港口物流绩效的综合评价结果。最后，对宁波港港口物流绩效进行了实际验证，比较真实地反映了其绩效状况；对青岛港、大连港、宁波港和上海港港口物流绩效作了比较性评价，

评价结果与这几个港口实际发展情况基本吻合。为这些港口的进一步发展提供了理论依据。关键词：港口物流；FCE-AHP ；数学模型；绩效评价中图分类号：

F224.0；F252文献标识码：A

港口作为水陆空交通的集结点和枢纽，在综合运输体系中占有重要位置，在现代国际生产、贸易和物流中发挥着战略作用。经济全球化的发展、国际贸易的增加、现代物流理念的普及以及现代物流实践的要求，促使港口抛弃以往单一的运输中转节点的定位，转而向集运输、工贸、金融、信息和多式联运为一体的综合物流中心的方向发展。港口物流是港口为适应现代物流发展的需要而形成的新型产业形态，因而对其进行评价是港口物流系统工程的一个必不可缺的重要组成部分。

模糊（Fuzzy ）数学方法是1960年代由美国科学家Zadeh L A 创立的。模糊评价法是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化而进行综合评价的方法[1]。在港口物流绩效评价体系中，将定性描述和定量分析紧密地结合起来，是一种比较合理、科学的评价方法。本文根据模糊综合评价理论，提出主观与客观、静态与动态相结合，以定量分析为主的港口物流绩效综合评价方法。

1FCE —AHP 数学模型的建立

1.1层次分析法的不足

层次分析法[2-3]（Analytic Hierarchy Process ，AHP ）是美国运筹学家、匹兹堡大学的T ．L ．Saaty 教授于1970年代提出的一种定性分析和定量分析

相结合的系统分析方法。层次分析法通过明确问题、建立层次分析结构模型、构造判断矩阵、进行层次单排序和层次总排序五个步骤计算各层次构成

要素对于总目标的组合权重，从而得出不同可行方案的综合评价值，为选择最优方案提供依据。对于层次分析法来说，其关键环节是建立判断矩阵。判断矩阵是否科学、合理直接影响到AHP 的效果。但是，大量的研究发现，层次分析法有一定的缺陷[4]：检验判断矩阵是否具有一致性难度大。检验判断矩阵是否具有一致性需求判断矩阵的最大特征根λm ax ，看λm ax 是否同判断矩阵的阶数n 相等。若λm ax =n ，则具有一致性。当阶数n 较大时，精确计算λm ax 的工作量非常大；当判断矩阵不具有一致性时需要调整判断矩阵的元素，使其具有一致性。这不排除要经过若干次调整、检验、再调整、再检验的过程才能使判断矩阵具有一致性。这个过程往往不太可能在实际中实现和应用。因此，为了解决上述问题，我们引进了模糊矩阵的概念。

1.2FCE —AHP 数学模型以及评价因素集的建立为了能更好地分析问题，首先有必要简要地介绍模糊矩阵的定义和性质。在层次分析法(Analytic Hierarchy Process,AHP)中，通过因素间的两两比较判断，采用一个因素比另一个因素的重要程度来定量表示，则有：

定义：设矩阵A =（a ij ）n ×n 若满足：0≤a ij ≤l ，

收稿时间：2009-09-18；修回时间：2009-10-22基金项目：浙江省教育厅2008年度科研计划项目（编号：Y200805300）、宁波市青年（博士）基金项目（编号：2005A620029）及2008年度宁波市哲学社会科学规划课题项目（编号：G08-AY04）联合资助。

第29卷第12期经济地理Vol.29，No.122009年12月ECONOM IC GEOGRAPHY Dec.，2009

（i=l，2，…，n；j=l，2，…，n），则称A是模糊矩阵[2]。

模糊综合评价是由最底层开始逐层向上做出多层次综合评价，直至到目标层的评价结果，其中第k层评价因素的评价指标向量即为第k-1层评价指标的隶属度。本文就主因素和子因素进行2级综合评价，由子因素再往下的多层综合评价依此类

推。设R軒

1，R軒

2

，R軒

3

分别为u1（1），u2（1），u3（1）的单因素评价

矩阵，则单因素评价结果由以下模糊变换求得：

B軒=ωo R軒=A軒1o ω

1

莓R軒

1

ω

2

莓R軒

2

ω

3

莓R軒

3

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓

莓莓

莓

综合评价B軒是评价集V上的模糊集，即ωo R軒=ωo。其中“o”称为算子符，有主因素决定型M（∧，∨）、主因素突出型M（·，∨）和加权平均型M（·，茌）等[4]。对于港口物流来讲，虽然各因素对港口物流影响的重要程度存在一定差异，其权重值大小不同，但它们对港口物流发展都是不可缺少的。这就要求在模糊矩阵复合运算中选用“算子”时，必须对所有因素依权重大小均衡兼顾，全盘考虑它们对港口物流的影响程度，因此选用加权平均型，各级综合评价模型分别是：

第1级综合评价模型：B軒i=ωi莓R軒i

第2级综合评价模型：B軒=ω莓B軒i

根据对港口物流现状的调研结果，运用Delphi 法及AHP法，初步构建港口物流绩效综合评估体系。经过2—4轮咨询，在确定评价指标集时，运用优化理论，依据7±2的心理极限概念[5]，根据港口的作用和特点，按照硬件水平、经营管理水平和客户满意度三个主因素以及对应的货物吞吐量、集装箱吞吐量、深水泊位数量等21个子因素来建立港口物流绩效评价指标体系[6-9]（表1）。

2指标权重集和备择集（评价集）的建立

2.1权重的确定方法

指标权重赋值有统计分析法和专家打分法[10]。对权重的确定采用基于“差动”原理的主观赋权法——

—G1法。由港口物流方面的专家，分别对准则层（主因素）、指标层（子因素）进行评价，然后进行标准化。

2.2权重集的建立

根据各子因素u ij（2）对主因素u i（1）的隶属度确定

表1港口物流绩效综合评价指标体系

Tab.1Comprehensive evaluation index system of

port logistics performance

目标层准则层（主因素）指标层（子因素）权重

每个子因素的权重ωij（i=1，2，…，m；j=1，2，…，n），则各子因素u ij（2）的权重集ωi={ωi1，ωi2，…，ωin}，其中，ωij≥0且ωij=1[11]。然后根据每个主因素u i(1)（i=1，2，…，n）对目标层港口物流绩效的重要影响程度，赋予每个主因素以适当的权重ωi（i=1，2，…，n），于是可得到主因素权重集ω=（ωl，ω2，ω3）。

2.3确定因素评定等级及标度分值

根据实际情况确定各因素的评定等级、评语、标度分值。本文分为5个标度等级，H={优；良；中；一般；无}；对应的标度分值为{0.9；0.8；0.6；0.4；0}[12]。

2.4定义评语集

评语集为V=(v1，v2，…，v m)，其中v t（t=1，2，…，m）表示由高到低的各级评语。本文采用五级评分制，取m=5，即V={很好；好；一般；差；最差}[13]。

3实证分析

3.11级模糊综合评价

宁波港正式开埠于公元738年，已有1270年的历史，是我国对外开放最早的港口之一。鸦片战争之后，宁波港与广州、厦门、福州、上海港口一起被辟为五口通商口岸之一。目前，宁波港是我国重要的集装箱远洋干线港，同时也是我国铁矿、原油、液化品中转储存基地和华东地区主要的煤炭中转储存基地，是国家的主枢纽港之一。

宁波港由北仑港区、镇海港区、大榭港区、穿山港区、宁波老港区组成，是一个集内河港、河口港和

第12期焦新龙，刘雪莲，马天山：港口物流绩效定量评价理论及应用2035

港口物流绩效综合评价u 硬件水平u1(1)

ω1=0.3239

经营管理水平u2(1)

ω2=0.4376

客户满意度u3(1)

ω3=0.2385

货物吞吐量u11(2)

集装箱吞吐量u12(2)

深水泊位数量u13(2)

泊位通过能力u14(2)

港口固定资产数量u15(2)

从业人数u16(2)

仓储成本u21(2)

装卸与搬运成本u22(2)

堆场上的集疏运能力u23(2)

堆场容量周转能力u24(2)

装卸机械通过能力u25(2)

港口信息化水平u26(2)

货物吞吐量增长率u27(2)

集装箱吞吐量增长率u28(2)

明码标价u31(2)

发票凭证u32(2)

满足顾客要求u33(2)

港口货物发送的正确率u34(2)

港口货物发送的完好率u35(2)

准时交货率u36(2)

投诉查询及问题的处理率u37(2)

0.1972

0.1598

0.2362

0.1953

0.1131

0.0984

0.0938

0.0727

0.2013

0.0895

0.1296

0.1561

0.1373

0.1197

0.1228

0.0985

0.0871

0.1803

0.1668

0.1489

0.1956