基于因子分析的卷煙物流業務影響因素辨識研究

董梅?劉洋?蔡步方

摘 要：作為供應鏈中的重要一環，物流業務在運行過程中可能會受到各個環節多個因素的影響。本文擬通過對A煙草工業企業供應鏈業務流程的梳理，以及對現存的大量供應鏈數據進行分析，識別卷煙物流關鍵業務節點中對物流管理的影響因素，并基于因子分析模型，對影響因素進行相關性和權重分析，探索和建立影響因素分級體系，為未來物流管理和業務能力的提升提供可借鑒的思路。

關鍵詞：卷煙物流；影響因素；分級體系

卷煙物流作為供應鏈中的重要環節，與營銷、研發、生產及商業等互聯互通。物流業務鏈條長、管理內容多而雜，涉及行業、公司、工廠級信息系統多，積累了大量歷史數據。而供應鏈中業務節點與各信息系統數據關聯性不清晰、協同交互關系尚不明確等問題依然存在。本文擬通過研究影響因素識別以及影響因素分級體系的搭建，幫助企業明確影響卷煙物流管理的關鍵因素，可有所側重，重點突破，提高作業效率，有效提升物流管理水平。

一、卷煙物流關鍵業務環節辨識

明確關鍵業務環節是影響因素識別的基礎。本文從卷煙物流核心業務流程入手，梳理各核心業務流程業務協同復雜或時間制約的環節，將這些環節定義為關鍵業務環節。

1.識別關鍵業務流程

通過卷煙物流各業務流程（銷售發貨業務、生產入庫業務、廠際移庫業務、廠內移庫業務等）業務量、業務頻率統計分析以及調研訪談，識別卷煙物流核心業務流程。

首先，采集卷煙物流各業務流程2021年1-12月歷史數據，采用業務量、業務頻率分析以及調研訪談的形式，識別業務活動中的關鍵業務流程。基于行業數據的保密性要求，這里不對具體數據進行展示。通過對卷煙物流各業務量和業務頻率的統計，可以看出：卷煙銷售發貨和生產入庫業務量和業務頻率均比較高，其他業務的業務量和業務頻率均較低。

2.識別關鍵業務環節

卷煙物流關鍵業務環節的確定主要是通過現場調研和關鍵工序法，找出影響某個業務流程的瓶頸環節，即關鍵業務節點。采用關鍵工序法，通過對卷煙銷售發貨作業流程上所有業務活動所占用時間及能力的測算，找出該業務流程的瓶頸環節，即關鍵業務環節。表1為卷煙物流銷售業務作業工序及時間測算結果。

經分析，配車、掃碼、裝車與其他作業工序比，作業時間長。因此，卷煙銷售發貨業務關鍵工序為配車、掃碼、裝車，對應的作業環節為卷煙物流調度環節、發貨環節。通過對卷煙物流業務核心業務流程和關鍵業務環節的辨識，卷煙物流業務共兩個核心業務環節，分別為卷煙物流調度環節、卷煙發貨環節。

二、卷煙物流影響因素辨識

根據專家訪談和影響因素的產生機理，本階段將與卷煙物流供應鏈相關的影響因素分為“外生風險”與“內生風險”兩類。其中，將疫情、限行、修路等外界不可抗力因素以及車輛故障、設備故障等不可控因素歸納為“外生因素”。這類因素之間的關聯性不強，針對這些因素對業務的影響，應加強制度管理和制定相應的應急保障措施。需要說明的是，“外生因素”不在本文研究范疇。同時，將承運商、倉庫作業能力等與業務具有強關聯性的因素定義為“內生因素”。這類因素之間的業務關聯性很強，而在管理上又無法覆蓋。“內生因素”為本文重點分析的因素。通過量化這些業務因素，挖掘各業務因素之間的隱性關系，以及各業務因素對目標值及績效考核的影響。最終，建立相應的管理措施，提升物流整體運營效率和管理水平。

三、卷煙物流影響因素分析

采集物流供應鏈關鍵環節數據，通過對數據的處理、分析，采用圖表或相關性分析方法，判定各因子對關鍵業務環節的物流管理產生影響的強弱，即相關性分析。通過相關性分析，篩選出與關鍵業務環節物流運行相關性較強的因子，將其定義為影響因素。

1.相關性分析模型構建

當有兩個或者兩個以上的因素對因變量產生影響時，可以用多因素方差分析的方法來進行分析。多因素方差分析也稱為“多向方差分析”，使用場景為：在有兩個或兩個以上因素對因變量產生影響時，其與單因素方差分析原理基本一致，即運用方差比較的方法，通過假設檢驗方法來判斷業務環節中的多個因素是否對因變量產生顯著影響。在進行多因素方差分析時，因為影響因變量的因子有多個，某些因子除自身對因變量產生影響外，由于各因子本身也存在關聯，因子之間也可能共同對因變量產生影響。在多因素方差分析中，把因子單獨對因變量產生的影響稱為“主效應”，把因子之間共同對因變量產生的影響，或者因素某些水平同時出現時，除主效應之外的額外影響，稱為“交互效應”。多因素方差分析不但要考慮單個因子的主效應，通常還需考慮因子間的交互效應。因此，方差分析的模型建立如下：因變量=因素1主效應+因素2主效應+…+因素n主效應+因素交互效應1+因素交互效應2+…+因素交互效應m+隨機誤差。

2.相關性分析結果

數據采集區間為2021年1月1日至2021年12月31日，數據來源包括物流系統、營銷系統、在途系統、一號工程系統等，共計200440條原始數據。采用多因素方差分析模型對卷煙物流調度與發貨環節的因素進行分析，經對卷煙物流調度環節11個變量綜合分析，結合方差分析原理，將p值小于0.05的因素定義為影響因素。因協議客戶與發貨地相似，這里將兩個因子合并為發貨地。因此，與卷煙調度相關的因子為承運商、發貨地、到達地、營銷開票時間、要求到貨時間、合同數量、合同牌號，經對卷煙發貨環節5個變量綜合分析，結合方差分析原理，將p值小于0.05的因素定義為影響因素。因此，與發貨相關的因子為發貨倉庫、合同牌號、營銷計劃。

四、卷煙物流影響因素分級體系構建

1.權重分析模型構建

決策樹法適用于在數據信息可靠的情況下，計算各影響因子的權重。本文所涉及的權重分析模型基于決策樹搭建，歸其原因為它作為各種復雜組合算法的基礎，作為非技術人員也非常容易理解其結構。

本文中涉及的多數目標變量為連續變量，因此這里簡單介紹回歸樹模型。假設X、Y分別是輸入變量、輸出變量，且Y是連續型數據，給定訓練數據集。一個回歸樹對應特征空間的一個劃分以及在劃分單元上的輸出值。這里假設已經把輸入空間劃分為M個單元R1，R2，…，RM，且在每個單元Rm上都有一個固定輸出值cm，因此回歸樹模型可表達為

在輸入空間劃分確定的情況下，可以用平方誤差表示回歸樹對于訓練數據的預測誤差，并用平方誤差最小的原則來求解每個單元上的最佳輸出值。可以得到，單元Rm上的cm的最優值是Rm上所有輸入實例xi對應的輸出yi的均值，即

=ave（yi|xi∈Rm）

所以，怎樣對輸入空間進行合理劃分，可以運用啟發式算法，其步驟如下所示：

（1） 選擇第j個變量x（j）和其值s，作為分割變量、分割點，并且定義兩個區域：

和

其次找尋最優分割變量j與最優分割點s。具體地求解為：

對于固定輸入變量j，可以找到其最優分割點s：

=ave（yi|xi∈R1（j， s） ）和 =ave（yi|xi∈R2（j， s） ）

輪詢所有的輸入變量，直到找到最優分割變量j，并構成一個對（j， s）。

（2） 采用選定的對（j， s）劃分區域并且決定相應的輸出值：

和 ，

，

（3） 繼續對兩個子區域調用步驟（1） 、（2） ，直至滿足條件。

（4） 將輸入空間劃分為M個區域R1，R2，…，RM，并生成回歸樹：

這樣的回歸樹通常被稱為最小二乘回歸樹[4]（least squares regression tree）。

2.權重分析結論

基于上述對影響因素的辨識以及決策樹模型分析，卷煙物流調度環節和發貨環節影響因素權重分析結果如下表2所示。

3.影響因素分級體系構建

基于上述影響因素的權重分析結果，采用帕累托法則，并結合帕累托圖對影響因素劃分等級。帕累托法則的應用原理為：通常情況下，數據的絕大多數存在于很少的類別中，極少剩余數據存在于大部分類別中。帕累托圖在業務應用中主要用來找出產生大多數問題的關鍵原因，運用較少的資源來解決大多數問題。

在本文中，依據帕累托法則，上述影響因素的分類原則為：（1） 累計權重占比在0%-80%區間，稱主要因素，記A類；（2） 累計權重占比在80%-90%區間，稱次要因素，記B類；（3） 累計權重占比在90%-100%區間，稱一般因素，記C類。

在卷煙物流調度環節，要求到貨時間、合同數量、到達地、合同牌號累計權重系數為71.09%，在0-80%區間，定義為主要因素，記A類；合同牌號累計權重系數在80%-90%區間，定義為次要因素，記B類；承運商、營銷開票時間、發貨點累計權重系數在90%-100%區間，定義一般因素，記C類。在卷煙物流發貨環節中，發貨倉庫權重系數為44.48%，在0-80%區間，定義為主要因素，記A類；營銷計劃權重系數為38.51%，累計權重系數為82.98%，接近于80%，且單一因素權重系數較大，定義為主要因素，記A類；卷煙牌號累計權重系數主要分布在80%-100%區間，定義為次要因素，記B類。

五、結語

本文以“關鍵業務環節辨識-影響因素辨識-影響因素分析-影響因素分級體系構建”為研究思路，結合調研訪談、關鍵工序法、帕累托法則及數據分析模型等，辨識影響卷煙物流業務的核心影響因素。

通過本文的研究，一方面可以明確影響卷煙物流管理的所有影響因素，為未來公司物流中心和各卷煙廠的進一步研究和物流管理改革升級提供思路和理論支撐；另一方面，通過影響因素分級體系的建立，通過對關鍵因素的辨識，有助于指導物流中心在特殊時期為保證物流能力的提升進行主要精力和資源的調配，并提前制定應對措施。

參考文獻：

[1]陳潔.基于因子分析的港口服務供應鏈關鍵風險因素識別[J].中國儲運，2021（9）：98-99.

[2]張芳.基于DEMATEL的物流服務供應鏈發展關鍵因素識別方法研究[D].昆明：昆明理工大學，2013.34-35.

[3]周思益.基于多類別權重標簽模糊決策樹的核素識別方法研究[D].昆明：西南科技大學，2022：28-30.

[4]張瑞敏，楊曉英.基于SEM-CM的裝備制造業供應鏈物流協同評價方法[J].計算機應用與軟件.2022，39（6）： 61-69.

[5]趙國利，肖涵方.基于因子分析法的四川省農產品冷鏈物流發展水平研究[J].現代農業.2022，（5）：68-72.

作者簡介：董梅（1972.03— ），女，漢，山東省德州市人，本科，物流中心一級助理/助理工程師，河南中煙工業有限責任公司，研究方向：物流信息化；劉洋（1983.01— ），男，漢族，河南省葉縣人，研究生，信息中心二級助理/工程師，河南中煙工業有限責任公司，研究方向：物流信息化；蔡步方（1979.01— ），男，漢族，河南省鄭州市人，本科，物流中心一級助理/經濟師，河南中煙工業有限責任公司，研究方向：物流管理。