基于模糊综合评价对物联网优化冷链物流研究

　　摘要：为了提高冷链物流发展速度与质量,以物联网技术在冷链物流领域应用的影响因素为研究对象,建立评价指标体系,运用模糊综合评价模型获得利于冷链物流发展的结果,即物联网效益和射频识别技术等因子将对冷链物流的推动产生深远影响。文中研究旨在加快物联网在冷链物流实践运用的速度,推进冷链物流发展的步伐。

　　本文源自物联网技术,2020,10(10):40-42《物联网技术》杂志是经国家新闻出版总署批准的物联网专业科技期刊。杂志为月刊，每月20日出版，现已是中国核心期刊(遴选)数据库收录期刊，中国学术期刊网络出版总库收录期刊，中文科技期刊数据库收录期刊，龙源国际期刊网全文收录期刊，中国科技论文在线收录期刊。

　　引言

　　随着互联网与物流行业的快速发展[1],物联网开始被大众熟知,同时也被逐渐投入到冷链物流的应用中,但由于物联网在冷链物流应用方面研究不足,导致其发展缓慢。本文主要通过建立物联网对冷链物流优化影响的评价指标体系,综合评价物联网应用能力,分析物联网在冷链物流优化的方向,此举对物联网技术在冷链物流方面的应用具有重大意义[2]。

　　1、构建物联网对冷链物流优化的影响指标体系

　　根据物联网对冷链物流应用影响的相关文献[3],建立关于对冷链物流优化影响的评价指标体系,选取的一级指标为物联网效益[4]、GIS技术、物联网组织结构、射频识别技术。具体评价指标划分见表1所列。

　　根据表1建立模糊综合评价指标体系,为了使结果更加客观准确,通过搜集对应指标的相关数据,求解指标权重系数,通过该方法来降低模型本身存在的主观性[5]。因此在数据作为支撑的条件下,建立层次-熵权模型求解各指标对应的权重。

　　2、基于模糊综合物联网技术优化影响评价模型的建立

　　2.1数据预处理

　　根据实际数据情况构造关于各级指标的比较判断矩阵:

　　公式1

　　式中:i,j表示判断矩阵中同级的不同指标间的比较系数;n表示矩阵行列[6]。得到判断矩阵后,对数据进行预处理,应用其求解各指标对应的特征向量w,求解公式如下:

　　公式2

　　表1物联网对冷链物流优化的影响指标体系

　　2.2求各级指标权重

　　通过预处理和一致性检验后,用熵权法的权重求值对其进行修正,使权重系数更为可靠,使用二级指标的权重αj乘以二级指标对应的三级指标αkj即可得到修正的指标权重系数:

　　公式3

　　式中,k=1,2,...,10。在求解出各级指标的权重系数后,将权重占比过小的指标删除,以剩下的指标建立模糊综合评价模型,一级指标集合为U={U1,U2,U3},二级指标集合为Uj={u1j,u2j,u3j,u4j},其中j=1,2,...,m。

　　2.3建立模糊综合评价模型

　　设评价集为V={V1,V2,V3,V4,V5},对应评价集中的五个等级分别为:好,较好,一般,较差,差。为使评分更合理,使评价集结果真实有效,通过发布问卷的形式构建判断矩阵。构建模糊判断矩阵:

　　公式4

　　式中,m表示指标个数。该判断矩阵既适用于一级指标,也适用于二级指标,则模糊评价矩阵对应的综合评价值为:

　　公式5

　　同时,关于模糊判断矩阵的隶属度函数,采用模糊合成算子计算:

　　公式6

　　在得到物联网技术优化影响的各指标的模糊关系算子矩阵后[7],求解一级指标对应的模糊关系矩阵,最后将模糊评价值进行归一化处理:

　　公式7

　　利用求解的关系算子和评分等级计算物联网对冷链物流发展影响的综合得分:

　　公式8

　　最后,根据综合得分,判断物联网技术应用对冷链物流发展产生的影响因素高低。

　　3、物联网对冷链物流发展的影响因子分析

　　3.1模糊综合评价模型的求解

　　在建立出较为完善的模糊综合评价模型后[8],求解上述模型,流程如图1所示。

　　图1模糊综合评价求解流程

　　根据图1所示的求解步骤信息可以得知,求解需分两大部分进行,一方面,需根据题目信息分析与设计参数方法确定对应的隶属度函数;另一方面,需确定指标的权重,为模糊评价做准备。其中,第一部分是为确定隶属度准备,第二部分旨在为模糊评判准备。为了使求解更加顺利,首先搜集求解需要的数据,之后进行后续步骤的求解。

　　通过发布问卷调查的方式,获得有效问卷共144份,得到指标原始数据,以此求出指标对应的判断矩阵,并根据所得数据进行计算与分析,剔除异常值。在剔除数据异常值后,对剩下的数据进行分析,并以分析的数据结果作为依据,得到关于一级指标和二级指标的比较判断矩阵,如下所示:

　　矩阵

　　求解上述判断矩阵,得到层次分析-熵权法的权重,结果见表2所列。

　　表2评价指标权重系数

　　用层次分析法对各级指标进行一致性检验。一级指标检验中,CR=0.0518,在各一级指标检验值下,二级指标的检验值分别为CR(B1)=0.043,CR(B2)=0.077,CR(B3)=0.0689,CR(B4)=0.071。检验结果均小于0.1,即求解的指标权重可行。根据上表所得权重可知,物联网效益和射频识别技术对冷链推进及作用更大。

　　根据求解的权重系数,不足以直接得到物联网对冷链物流发展的影响程度,因此建立综合评价模型[9],将评价等级分为{好,较好,一般,较差,差}。根据144份有效问卷的统计数据得到表3。

　　表3评价等级打分统计表

　　根据专家对各指标的评分,构建关于物联网效益、GIS技术、物联网组织结构、射频识别技术的模糊评价矩阵:

　　矩阵

　　根据模糊判断矩阵求解物联网对冷链物流发展的影响因素的模糊判断集,用MATLAB求解出各一级指标下的模糊关系判断子矩阵:

　　矩阵

　　3.2物联网评价体系因素分析

　　结合一级指标的特征向量求解物联网判断集与模糊关系判断集,并对其进行归一化处理,得到结果b1=0.2259,b2=0.3522,b3=0.1686,b4=0.1384,b5=0.1149。

　　物联网对冷链物流发展的影响“好”的占22.59%,影响“较好”的占35.22%,影响“一般”的占16.86%,影响“较差”的占13.84%,影响“差”的占11.49%。

　　又因评分等级分为五个等级,因此对应的综合评分为3.4359,故最大隶属度有效,评价体系对物联网优化发展冷链物流影响因素的探究有效[10],即物联网效益和射频识别技术等物联网因素对冷链物流发展意义重大。

　　4、结语

　　随着现代物联网技术的发展,相关建设日臻完善,尤其在物流相关作业中的运用,使得物流运作方便、高效、快捷,但在冷链物流中的运用却仍需要长足的研究与完善。因此在冷链物流整体设备上,需要通过更新换代加强物联网在冷链中的运用。如GIS、实时温度检测和射频识别等技术的运用,冷链与物联网效益系统的优化布置可将传统零散、小众的冷链运作构建成以物联网技术为基础的冷链物流园区等形式,促进冷链相关产业发展,增强冷链集体间的关联性,形成完整的物流运输产业链。

　　参考文献：

　　[1]任栋,董雪建,曹改改,等.物联网技术在统计数据采集中的应用探索[J].调研世界,2020,33(4):62-65.

　　[2]胡梦杰,孟凡婷.基于物联网技术的冷链智能化应用研究[J].物联网技术,2020,10(3):64-66.

　　[3]喜崇彬.零售冷链物流发展新变化:访京东冷链战略规划负责人李秀强[J].物流技术与应用,2020,25(3):108-110.

　　[4]丛林.基于技术､应用､市场三个层面的我国物联网产业发展研究[D].沈阳:辽宁大学,2016.

　　[5]李瑾,郭美荣,冯献.农业物联网发展评价指标体系设计:研究综述和构想[J].农业现代化研究,2016,37(3):423-429.

　　[6]张彦轩.物联网终端安全问题的研究[D].南京:南京邮电大学,2019.

　　[7]苏美文.物联网产业发展的理论分析与对策研究[D].长春:吉林大学,2015.

　　[8]陈晓红,杨志慧.基于改进模糊综合评价法的信用评估体系研究:以我国中小上市公司为样本的实证研究[J].中国管理科学,2015,23(1):146-153.

　　[9]黄洪金.层次分析和模糊综合评价方法在公共政策评价中的应用研究[D].武汉:华中师范大学,2014.

　　[10]向欣,罗煜,程红胜,等.基于层次分析法和模糊综合评价的沼气工程技术筛选[J].农业工程学报,2014,30(18):205-212.