基于層次分析法和主成分分析法的倉庫KPⅠ評價體系構建
——以中國外運公司為例

解婧瑤XⅠE Jing-yao；童慧TONG Hui；陳立中CHEN Li-zhong

（安徽工程大學，蕪湖 241000）

0 引言

近些年隨著國民經濟收入水平的提升，物流業務得到了長足的發展。倉儲是物流的一個重要環節，若想提高物流效率，就全面認識倉庫的運作水平。因此建立科學的評價體系是如今亟待解決的問題。針對這個問題，本文將以中國外運公司為例來進行闡釋。

中國外運是中國最具規模的合同物流業務公司之一，其業務范圍廣泛，所建的倉庫的性質和結構多有不同，不同行業客戶對于倉庫條件、設施、運作要求也不相同，很難對倉庫的評價建立統一的標準。沒有統一的倉庫評價標準就無法明確經營考核指標、運作指標和財務指標等權重，無法進行統一管理，也無法進行公平公正的績效考核。

因此，針對中國外運公司對多類型差異化的倉庫KPI難以建立統一的評價體系的問題，本文首先基于解釋結構模型對倉庫KPI 評價體系結構進行分析，然后基于層次分析法確立倉庫KPI 指標權重，最后基于主成分分析法對倉庫運作水平進行量化，構建科學的倉庫KPI 評價體系。

1 中國外運倉庫KPI 評價體系結構分析

為了更好地設計針對中外運的多類型差異化倉庫評價體系，[1]本文對國內學者當前對于倉庫評價體系指標的選取進行了統計，從盈利能力，倉庫成本，運營水平，服務水平，主要行業領域增長率和外部環境因素這六個方面進行分析，如表1 所示。

表1 倉庫KPⅠ評價指標

2 基于層次分析法的倉庫KPI 指標權重確立

2.1 建立AHP 模型

層次分析法（Analytic Hierchy Process，AHP）是將半定性、半定量的問題轉化為定量計算的一種行之有效的方法。它把復雜的決策系統通過逐層比較各種關聯因素的重要性來為分析、決策提供定量的依據。[2]其計算步驟如下：

2.1.1 建立層次結構模型

將決策的目標，考慮的因素（決策準則）和決策對象按它們之間的相互關系分為最高層，中間層和最底層。

2.1.2 確定量化的標度

在兩個因素互相比較時，需要有定量的標度，來確定每個指標的重要程度（標度方法一般采用重要程度1-9 標度表）。對于準側C，n 個元素相對重要性的比較得到一個兩兩比較判斷矩陣：

其中，aij就是元素ui和uj相對于準側C 的重要性比例標度，判斷矩陣的性質如下：

2.1.3 構造判斷矩陣

運用兩兩比較方法，對各相關元素進行兩兩比較評分，根據中間層的若干指標，可得到若干兩兩比較判斷矩陣B。從層次模型結構的第2 層開始，對于從屬于上一層每個因素的同一層諸元素，用成對比較法和重要程度標度表構造判斷矩陣。

2.1.4 權重計算

建立判斷矩陣B 之后，計算滿足BW=λmaxW 的特征根和特征向量t。W 的分量，即相應指標單排序權重。用層次分析近似求解的方法求得權重。本文借助MATLAB 進行計算。

2.1.5 對判斷矩陣進行一致性檢驗

對于每一個判斷矩陣計算其一致性比例，若一致性比例小于0.1，則檢驗通過；若不通過，需重新構造判斷矩陣。為了檢驗判斷矩陣一致性，需要計算其一致性指標CI。CI的計算公式為：

通過計算一致性比例CR 而進行檢驗，為此，將CI 與平均隨機一致性指標RI 進行比較，CR 的計算公式為：

2.2 模型求解

構造上述層次分析模型，其中整個判斷矩陣中各相關元素的比較主要以專家意見評分為準。借助MATLAB 進行計算，最終倉庫KPI 評價要素指標和權重歸納如表2。

根據表2 可知，以上權重的分析結果可知影響倉庫KPI 因素主要有六類，按其影響程度從大到小來排序：盈利能力、運營水平、倉庫成本、服務水平、主要行業領域增長率、外部環境因素。其中，倉庫KPI 評價直接因素就是盈利能力，運營水平因素中主要是庫存周轉率和倉庫吞吐量，服務水平因素間接反映倉庫管理水平，其中客戶滿足程度影響更大，其他因素對倉庫KPI 的評價影響較小。

表2 最終倉庫KPⅠ指標體系權重

3 基于主成分分析法的倉庫運作水平量化

3.1 主成分分析模型的建立

主成分分析（Principal Component Analysis，PCA），是一種統計方法，其原理是設法將原來變量重新組合成一組新的相互無關的幾個綜合變量，同時根據實際需要從中可以取出幾個較少的總和變量盡可能多地反映原來變量的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法，其計算步驟如下：

3.1.1 對原始數據進行標準化處理

假設進行主成分分析的指標量有m 個，[3]分別為，共有n 個評價對象，第i 個評價對象的第j個指標的取值為aij。

將各指標aij轉化成標準指標?aij，有

得出標準化指標變量：

3.1.2 計算相關系數矩陣R

3.1.3 計算特征值和特征向量

計算相關系數矩陣R 的特征值，且λ1≥λ2≥…≥λm≥0，以及對應的特征向量μ1，μ2，μ3…μm，μi=[μ1i，μ2i，…，μmi]T由特征向量組成m 個新的指標變量，即m 個主成分：

3.1.4 選擇p（p＜m）個主成分，計算綜合評價值：

當累積貢獻率＞85%，則選擇前p 個指標變量作為p 個主成分，代替原來m 個指標變量，從而可對p 個主成分進行綜合分析，計算綜合得分：

3.2 模型的求解

結合主成分分析模型對中外運在北京、沈陽、西安、成都、云南、武漢、廣州、南京城市建造不同的倉庫進行評價，然后把一些與分析關聯性較小的指標剔除，選取15 個三級指標{人均創利、倉儲營業收入、項目倉庫毛利、倉庫吞吐量、庫存準確率、空間利用率、單位面積堆存量、破損率、庫存周轉率、租賃費用、員工平均工資、設備投資與維護費、客戶滿足程度、準時交貨率、缺貨率}進行求解，借助SPSS 求解得到三個主成分，y1，y2，y3的線性組合：

表3 成分系數

第一主成分除了x4，x7，x9，其余變量系數相當，[3]所以第一主成分可以解釋成人均創利、倉儲營業收入、項目倉庫毛利，服務水平上對倉庫運作水平評價的影響比較大，第二主成分可以解釋成低成本下庫存準確率、空間利用率、單位面積堆存量、庫存周轉率對倉庫運作水平評價的影響較大。第三主成分可以解釋成高毛利率下租賃費用、員工工資對倉庫運行水平評價影響因素較大。

為了分析各倉庫在主成分所反映的意義方面的情況，將標準化后的原始數據代入（7），得到8 個市的主成分的得分，將這8 個市在平面直角坐標系上描出來，進而可進行分類，看出城市的不同。主成分得分圖如圖1所示。

圖1 得分圖

根據圖1 可以看出，分布在第一象限的是南京、北京、廣州3 個城市，這三個城市建立的倉庫運作水平在這幾個城市來說是很高的，分布在第四象限的是武漢。因為第四象限的主要特征是第一主成分，第一主成分占信息總量的比重最大，所以在武漢建立的倉庫運作水平也比較好。分布在第二、三象限的分布為西安、云南、成都、沈陽，倉庫運作水平一般。但成都位于第二象限，這說明倉庫內部的運營能力較好。

4 結論

本文以中國外運公司為例，分析倉庫評價體系的影響因素并細化具體指標，針對中外運的多類型差異化的倉庫評價標準難以統一的問題，本文采用層次分析法和主成分分析法相結合的方法，首先基于層次分析法確定倉庫KPI評價體系影響因素及各個指標的權重，該量化方法能有效反映各影響因素的重要程度，經過分析后得出最直接的因素就是盈利能力，運營水平因素中主要是庫存周轉率和倉庫吞吐量，服務水平因素間接反映倉庫管理水平，其中客戶滿足程度影響更大，其他因素對倉庫KPI 評價方案影響較小。然后，基于主成分分析法來量化倉庫運作水平，進一步將倉庫KPI 評價體系進行實證應用。采用層次分析法和主成分分析法可以構建倉庫KPI 評價體系并量化其運作水平，但是由于選取的指標在確定上帶有一定的主觀性，可能會導致結果的不準確。因此，在模型后續的優化上可以考慮增加更多指標和樣本，使倉庫KPI 的評價結果更為準確。