CN116644991A - 一种基于云模型的仓储绩效评价方法 - Google Patents

一种基于云模型的仓储绩效评价方法 Download PDF

Info

Publication number
CN116644991A
CN116644991A CN202310525652.6A CN202310525652A CN116644991A CN 116644991 A CN116644991 A CN 116644991A CN 202310525652 A CN202310525652 A CN 202310525652A CN 116644991 A CN116644991 A CN 116644991A
Authority
CN
China
Prior art keywords
cloud
warehouse
index
cloud model
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310525652.6A
Other languages
English (en)
Inventor
薛书琦
刘禹含
付澳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN202310525652.6A priority Critical patent/CN116644991A/zh
Publication of CN116644991A publication Critical patent/CN116644991A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于云模型的仓储绩效评价方法，属于仓储绩效评价技术领域，具体技术方案如下：S1、结合仓储运行环节，分析反应仓储运行状态的指标，并构成仓储绩效指标评价体系；S2、确定建立体系的指标综合权重；S3、基于指标综合权重，建立仓储绩效评价云模型；S4、根据仓储绩效评价云模型结果评估仓储绩效等级；本发明采用了层次分析法和熵权法来确定主客观权重，使用功效系数法来对其进行组合赋权，再结合云模型来进行评估，综合使用了客观数据以及专家的经验来进行评估，具有流程精炼、步骤清晰的特点，能够更直观地反映出仓储绩效水平，从而对仓库型企业的日常经营与经营有一定的借鉴与指导意义，可广泛推广应用。

Description

一种基于云模型的仓储绩效评价方法
技术领域
本发明属于仓储绩效评价技术领域，具体涉及一种基于云模型的仓储绩效评价方法。
背景技术
仓储绩效管理是保障和规范仓库日常作业，提高仓库运行效率的重要环节。实行有效的仓库管理的前提条件是该企业有一套合理的绩效评价体系，并在此基础上采取科学的评价方法对仓库绩效进行评估和管理。
目前有关于仓储绩效的评价，常用的评价方法如下：
1)层次分析法：简称AHP，是美国运筹学家萨蒂在20世纪70年代提出的一种方法，根据问题的性质，把一个复杂的多目标决策问题作为一个系统，然后把目标分解成多个目标，进而分解为多指标的若干层次，最后通过定性指标模糊化方法算出层次单排序和总排序，以作为目标决策的系统方法，该方法善于解决一些复杂的问题，但是它需要发挥人的主观能动性，依靠经验判断并运用数学方法对每一层次的元素赋予权重，可能会导致结果片面、不客观。
2)主成分分析法：在研究多变量问题时，变量过多会增加研究的困难程度，主成分分析法将多个重叠的相关变量通过正交变换后，删去多余的变量，组建新的两两不相关但能保持原有信息的变量，新的变量就叫做主成分，该方法由于权重不需人为设定，可以避免因人的主观性带来的影响。
3)模糊综合评判：它是以模糊数学为基础的综合评价方法，在我们的实际研究中，很多指标都是无法进行精确的量化，如企业信誉度、市场应变能力等，模糊综合评判法以模糊数学的隶属度理论把难以精确地定性指标转化为定量评价，对收到多个因素制约的对象作出总体的评价，该方法适用于非确定性、难以量化、模糊问题的研究。
目前为止，仓储绩效评价领域比较缺少加入量化的处理办法，而上述方法虽然对仓储绩效评价领域起到了一定的作用，但是在权重确定方面一般只注重权重确定时的主观性或客观性，未能实现两者的有效结合，且评价构成仅考虑到模糊性，并未充分考虑随机性的特点，无法满足评价需求。
发明内容
为解决现有技术存在的技术问题，本发明提供了一种基于云模型的仓储绩效评价方法，在整个评价过程中实现评价过程的主观性与客观性、模糊性与随机性。
为实现上述目的，本发明所采用的技术方案为：一种基于云模型的仓储绩效评价方法，具体步骤如下：
S1，结合仓储运行环节，分析反应仓储运行状态的指标，并构成仓储绩效指标评价体系；
S2，确定建立体系的指标综合权重；
S3，基于指标综合权重，建立仓储绩效评价云模型；
S4，根据仓储绩效评价云模型结果评估仓储绩效等级。
在步骤S1中，仓储绩效指标评价体系包括四个因素层，具体如下：
运行方面，包括库存周转次数、仓库利用率、设备利用率和劳动生产率；
服务方面，包括客户满意率、准时交货率和商品损坏率；
财务方面，包括成本费用利润率、现金流动负债率和营业增长率；
安全方面，包括安全培训、环境安全和安全事故发生次数。
具体的，步骤S2的具体步骤如下：
S201，利用层次分析法确定指标的主观权重；
S202，利用熵权法确定指标的客观权重；
S203，利用功效系数法确定指标的组合权重。
进一步地，在步骤S201中，确定主观权重的具体步骤如下：
建立仓储绩效指标评价体系的多层次结构模型，采用两两比较的的方法构建判断矩阵A1、A2、……An；
分别计算获得矩阵A1、A2、……An对应的最大特征值λmax和对应的指标权重，并进行一致性检验；
当一致性检验不通过时，修正相对应的判断矩阵，重复上述步骤；当一致性检验通过时，则根据最大特征值λmax分别计算各层级指标对应的特征向量；
得到各层级对应的权重值，获取对应的指标权重集；
进一步地，在步骤S202中，确定客观权重的具体步骤如下：
将仓储绩效指标评价体系中各指标数据进行标准化处理，将初始数据转化为标准化数据；
构建标准化m×n维标准化数据矩阵；
计算各指标的比重yij和信息熵ej，进而确定指标的客观权重；
进一步地，在步骤S203中，确定组合权重中的具体步骤如下：
以距离函数为基础对两种权重进行组合；
计算主客观权重系数：
其中，W1为主观权重，W2为客观权重，α为主观权重对应的分配系数，β为客观权重对应的分配系数；
计算得到指标体系中个指标的组合权重Wj，具体方法如下：
Wj＝αW1+βW2
在步骤S3中，具体步骤如下：
S301，采用正向云发生器生成足够的云滴；
S302，采用逆向云发生器计算云的数字特征；
S303，构建仓储绩效基准云模型；
S304，构建仓储绩效综合云模型。
在步骤S301中，使用正向云发生器包括以下步骤：
以Ex为期望值，He为标准差，生成一个正态随机数Em；
生成一个以Ex为期望值、Em为标准差的正态随机数x；
令x为定性概念的一次具体量化值，称为云滴；
计算
令μ1为x1属于定性概念的确定度；
重复上述步骤，直到产生N个云滴为止。
在步骤S302中，使用逆向云发生器包括以下步骤：
根据云滴xi计算样本均值：
计算样本方差：
计算云滴的熵En：
计算云滴的超熵He：
进一步地，在步骤S303中，构建仓储绩效基准云模型包括以下步骤：
对仓储绩效等级进行划分，评语集划分成5个等级：
Hi＝{H1,H2,H3,H4,H5}＝{优秀，良好，中等，及格，不及格}；
采用基于德尔菲法收集领域专家对体系中指标的评价，建立仓储绩效评价基准云，设论域[Xmin，Xmax]＝[0,1，评语集中的5个评价等级对照5个基准云模型；
进一步地，在步骤S304中，建立仓储绩效综合云模型包括以下步骤：
根据综合云模型算法将两朵子云进行综合，得到各底层指标Uij的云特征值，方法为：
将各底层指标云滴聚集，使用权重直接聚集成最高准则层的父云，该父云涵盖各指标子云的全部论域，即为仓库绩效的综合云模型，方法为：
式中：Ex,En,He为最终评价云的云特征值，Ex1,Ex2…Exn为底层指标的期望值，En1,En2…Enn为各底层指标云模型的熵，He1,He2…Hen为各底层指标的超熵，ω1,ω2…ωn为各底层指标的权重。期望Ex代表了云滴群的重心，是最能够代表定性概念的值；熵En是定性概念的概率和模糊度的综合量度，是代表定性概念；超熵He是来度量熵的不确定性，反映了云滴的凝聚性，数值大小间接反映了云的离散程度和厚度。
进一步地，步骤S4中，对综合云模型与基准云模型以隶属度最大原则进行云相似度分析，确定仓储绩效等级，具体包括以下步骤：
S401，确定Ex,En,He向量权重WEx,WEn,WHe，且WEx+WEn+WHe＝1；
S402，
Ex,En,He为综合云模型的云特征值，为基准云模型的云特征值，i为仓储绩效等级；
S403，进一步得到/>
S404，重复步骤S401到步骤S403，计算出所有的
S405，取对照评语集中5个评价等级，所对应的Hi即为仓储绩效评价等级。
与现有技术相比，本发明的有益效果为：本发明采用了层次分析法和熵权法来确定主客观权重，使用功效系数法来对其进行组合赋权，再结合云模型来进行评估，综合使用了客观数据以及专家的经验来进行评估，在对模糊和随机性进行有效处理的同时，还减少了人的主观意识对其造成的影响，从而在一定程度上达到了主客观统一的目的。此外，本发明还具有流程精炼、步骤清晰的特点，能够更直观地反映出仓储绩效水平，从而对仓库型企业的日常经营有一定的借鉴与指导意义。
附图说明
图1为本发明实施例中仓储绩效评价指标体系示意图。
图2为本发明实施例中仓储绩效评价的基准云模型。
图3为本发明实施例中仓储绩效评价综合云模型与基准云模型对比示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种基于云模型的仓库绩效评价方法，具体步骤如下：
S1，结合仓储运行环节，分析反应仓储运行状态的指标，并构成仓储绩效指标评价体系；
S2，确定建立体系的指标综合权重；
S3，基于指标综合权重，建立仓储绩效评价云模型；
S4，根据仓储绩效评价云模型结果评估仓储绩效等级。
在步骤S1中，仓储绩效指标评价体系包括四个因素层，具体如下：
运行方面，包括库存周转次数、仓库利用率、设备利用率和劳动生产率；
服务方面，包括客户满意率、准时交货率和商品损坏率；
财务方面，包括成本费用利润率、现金流动负债率和营业增长率；
安全方面，包括安全培训、环境安全和安全事故发生次数。
具体的，步骤S2的具体步骤如下：
S201，利用层次分析法确定指标的主观权重；
S202，利用熵权法确定指标的客观权重；
S203，利用功效系数法确定指标的组合权重。
进一步地，在步骤S201中，确定主观权重的具体步骤如下：
建立仓储绩效指标评价体系的多层次结构模型，采用两两比较的的方法构建判断矩阵A1、A2、……An；
分别计算获得矩阵A1、A2、……An对应的最大特征值λmax和对应的指标权重，并进行一致性检验；
当一致性检验不通过时，修正相对应的判断矩阵，重复上述步骤；当一致性检验通过时，则根据最大特征值λmax分别计算各层级指标对应的特征向量；
得到各层级对应的权重值，获取对应的指标权重集；
进一步地，在步骤S202中，确定客观权重的具体步骤如下：
将仓储绩效指标评价体系中各指标数据进行标准化处理，将初始数据转化为标准化数据；
构建标准化m×n维标准化数据矩阵；
计算各指标的比重yij和信息熵ej，进而确定指标的客观权重；
进一步地，在步骤S203中，确定组合权重中的具体步骤如下：
以距离函数为基础对两种权重进行组合；
计算主客观权重系数：
其中，W1为主观权重，W2为客观权重，α为主观权重对应的分配系数，β为客观权重对应的分配系数；
计算得到指标体系中个指标的组合权重Wj，具体方法如下：
Wj＝αW1+βW2
在步骤S3中，具体步骤如下：
S301，采用正向云发生器生成足够的云滴；
S302，采用逆向云发生器计算云的数字特征；
S303，构建仓储绩效基准云模型；
S304，构建仓储绩效综合云模型。
在步骤S301中，使用正向云发生器包括以下步骤：
以Ex为期望值，He为标准差，生成一个正态随机数Em；
生成一个以Ex为期望值、Em为标准差的正态随机数x；
令x为定性概念的一次具体量化值，称为云滴；
计算
令μ1为x1属于定性概念的确定度；
重复上述步骤，直到产生N个云滴为止。
在步骤S302中，使用逆向云发生器包括以下步骤：
根据云滴xi计算样本均值：
计算样本方差：
计算云滴的熵En：
计算云滴的超熵He：
进一步地，在步骤S303中，构建仓储绩效基准云模型包括以下步骤：
对仓储绩效等级进行划分，评语集划分成5个等级：
Hi＝{H1,H2,H3,H4,H5}＝{优秀，良好，中等，及格，不及格}；
采用基于德尔菲法收集领域专家对体系中指标的评价，建立仓储绩效评价基准云，设论域[Xmin，Xmax]＝[0,1，评语集中的5个评价等级对照5个基准云模型，具体的期望、熵、超熵如表1所示；
表1各个仓储绩效等级的期望、熵、超熵
进一步地，在步骤S304中，建立仓储绩效综合云模型包括以下步骤：
根据综合云模型算法将两朵子云进行综合，得到各底层指标Uij的云特征值，方法为：
将各底层指标云滴聚集，使用权重直接聚集成最高准则层的父云，该父云涵盖各指标子云的全部论域，即为仓库绩效的综合云模型，方法为：
式中：Ex,En,He为最终评价云的云特征值，Ex1,Ex2…Exn为底层指标的期望值，En1,En2…Enn为各底层指标云模型的熵，He1,He2…Hen为各底层指标的超熵，ω1,ω2…ωn为各底层指标的权重。期望Ex代表了云滴群的重心，是最能够代表定性概念的值；熵En是定性概念的概率和模糊度的综合量度，是代表定性概念；超熵He是来度量熵的不确定性，反映了云滴的凝聚性，数值大小间接反映了云的离散程度和厚度。
进一步地，步骤S4中，对综合云模型与基准云模型以隶属度最大原则进行云相似度分析，确定仓储绩效等级，具体包括以下步骤：
S401，确定Ex,En,He向量权重WEx,WEn,WHe，且WEx+WEn+WHe＝1；
S402，
Ex,En,He为综合云模型的云特征值，为基准云模型的云特征值，i为仓储绩效等级；
S403，进一步得到/>
S404，重复步骤S401到步骤S403，计算出所有的
S405，取对照评语集中5个评价等级，所对应的Hi即为仓储绩效评价等级。
如图1所示，本实施例选取了某集团的仓库数据，并做出了归一化处理，本实例结合仓库运行过程中的评判因素，建立仓库绩效评价指标体系。
计算各因素的综合权重：
首先，根据德尔菲法收集专家对于各指标的意见进行层次分析，在层级两两对比，确定主观权重；然后根据收集的仓库实际运行数值，使用熵权法处理得到指标的客观权重；在根据距离函数确定主观权重与客观权重的参数，取
α＝0.58,β＝0.41,按公式Wj＝αW1+βW2确定仓库绩效指标评价体系的综合权重，见表2所示；
表2各指标的综合权重
对于定量指标，将数据收集数据进行归一化处理，同时对于定性指标，有10位仓库运行的实际情况尽情打分评价，以最高分和最低分形式展现，通过云模型评价生成各指标的最大云模型可最小云模型，根据步骤S304得到综合云模型，如表3所示：
表3各指标综合云模型
指标各自对应的云相似分析，如表4所示；
表4各指标云相似度分析结果
根据表4，可对仓储绩效体系中各指标的水平进行排序，即：客户满意率＞成本费用利润率＞环境安全＞安全培训＞安全事故发生次数＞准时交货率＞商品损坏率>库存周转次数>劳动生产率>现金流动负债率>营业增长率>仓库利用率>设备利用率。
其中，“设备利用率”处于不合格水平，说明仓库目前的运行中闲置设备较多，没有得到充分利用；“仓库利用率”为及格，待提升的空间很大，加强对仓库现有资源利用，可以有效降低仓储成本；“库存周转次数、劳动生产率、现金流动负债率、营业增长率”在整体的绩效评价是中等水平，管理者可以根据结果进行溯源，找出可以提升运行效率的环节；“准时交货率、商品损坏率、成本费用利润率、安全培训、环境安全、安全事故发生次数”为良好，“客户满意率”为优秀，以上指标对于整体的仓储绩效评价中属于较好状态，在下一阶段可以继续保持；
步骤S303中建立的基准云划分成5个等级，即：优秀，良好，中等，及格，不及格，其基准云图如图2所示；
计算最终仓储绩效的云特征值为(0.762,0.232,0.077)，由云相似度计算得到仓储绩效水平为“良好”，但依然存在部分指标需要改进的情况，需要在下一阶段干预。其云图如图3所示，云相似度分析见表5；
表5综合云模型评价结果
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包在本发明范围内。

Claims (7)

1.一种基于云模型的仓储绩效评价方法，其特征在于，具体步骤如下：
S1，结合仓储运行环节，分析反应仓储运行状态的指标，并构成仓储绩效指标评价体系；
S2，确定建立体系的指标综合权重；
S3，基于指标综合权重，建立仓储绩效评价云模型；
S4，根据仓储绩效评价云模型结果评估仓储绩效等级。
2.根据权利要求1所述的一种基于云模型的仓储绩效评价方法，其特征在于，在步骤S1中，所述仓储绩效指标评价体系包括四个因素层，具体如下：
运行方面，包括库存周转次数、仓库利用率、设备利用率和劳动生产率；
服务方面，包括客户满意率、准时交货率和商品损坏率；
财务方面，包括成本费用利润率、现金流动负债率和营业增长率；
安全方面，包括安全培训、环境安全和安全事故发生次数。
3.根据权利要求1所述的一种基于云模型的仓储绩效评价方法，其特征在于，在步骤S2中，具体步骤如下：
S201，利用层次分析法确定指标的主观权重；
S202，利用熵权法确定指标的客观权重；
S203，利用功效系数法确定指标的组合权重。
4.根据权利要求3所述的一种基于云模型的仓储绩效评价方法，其特征在于，在步骤S201中，确定主观权重的具体步骤如下：
建立仓储绩效指标评价体系的多层次结构模型，采用两两比较的的方法构建判断矩阵A1、A2、……An；
分别计算获得矩阵A1、A2、……An对应的最大特征值λmax和对应的指标权重，并进行一致性检验；
当一致性检验不通过时，修正相对应的判断矩阵，重复上述步骤；当一致性检验通过时，则根据最大特征值λmax分别计算各层级指标对应的特征向量；
得到各层级对应的权重值，获取对应的指标权重集；
在步骤S202中，确定客观权重的具体步骤如下：
将仓储绩效指标评价体系中各指标数据进行标准化处理，将初始数据转化为标准化数据；
构建标准化m×n维标准化数据矩阵；
计算各指标的比重yij和信息熵ej，进而确定指标的客观权重；
在步骤S203中，确定组合权重中的具体步骤如下：
以距离函数为基础对两种权重进行组合；
计算主客观权重系数：
其中，W1为主观权重，W2为客观权重，α为主观权重对应的分配系数，β为客观权重对应的分配系数；
计算得到指标体系中个指标的组合权重Wj，具体方法如下：
Wj＝αW1+βW2。
5.根据权利要求4所述的一种基于云模型的仓储绩效评价方法，其特征在于，在步骤S3中，具体步骤如下：
S301，采用正向云发生器生成足够的云滴；
S302，采用逆向云发生器计算云的数字特征；
S303，构建仓储绩效基准云模型；
S304，构建仓储绩效综合云模型。
6.根据权利要求5所述的一种基于云模型的仓储绩效评价方法，其特征在于，在步骤S301中，使用正向云发生器包括以下步骤：
以Ex为期望值，He为标准差，生成一个正态随机数Em；
生成一个以Ex为期望值、Em为标准差的正态随机数x；
令x为定性概念的一次具体量化值，称为云滴；
计算
令μ1为x1属于定性概念的确定度；
重复上述步骤，直到产生N个云滴为止；
在步骤S302中，使用逆向云发生器包括以下步骤：
根据云滴xi计算样本均值：
计算样本方差：
计算云滴的熵En：
计算云滴的超熵He：
在步骤S303中，构建仓储绩效基准云模型包括以下步骤：
对仓储绩效等级进行划分，评语集划分成5个等级：
Hi＝{H1,H2,H3,H4,H5}＝{优秀，良好，中等，及格，不及格}；
采用基于德尔菲法收集领域专家对体系中指标的评价，建立仓储绩效评价基准云，设论域[Xmin，Xmax]＝[0,1]，评语集中的5个评价等级对照5个基准云模型；
在步骤S304中，建立仓储绩效综合云模型包括以下步骤：
根据综合云模型算法将两朵子云进行综合，得到各底层指标Uij的云特征值，具体为：
将各底层指标云滴聚集，使用权重直接聚集成最高准则层的父云，该父云涵盖各指标子云的全部论域，即为仓库绩效的综合云模型，具体为：
式中：Ex,en,He为最终评价云的云特征值，Ex1,Ex2…Exn为底层指标的期望值，En1,En2…Enn为各底层指标云模型的熵，He1,He2…Hen为各底层指标的超熵，ω1，ω2ωn为各底层指标的权重。
7.根据权利要求6所述的一种基于云模型的仓储绩效评价方法，其特征在于，步骤S4中包括以下步骤：
S401，确定Ex,En,He向量权重WEx,WEn,WHe，且WEx+WEn+WHe＝1；
Ex,En,He为综合云模型的云特征值，为基准云模型的云特征值，i为仓储绩效等级；
S403，进一步得到/>
S404，重复步骤S401到步骤S403，计算出所有的
S405，取对照评语集中5个评价等级，所对应的Hi即为仓储绩效评价等级。
CN202310525652.6A 2023-05-10 2023-05-10 一种基于云模型的仓储绩效评价方法 Pending CN116644991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310525652.6A CN116644991A (zh) 2023-05-10 2023-05-10 一种基于云模型的仓储绩效评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310525652.6A CN116644991A (zh) 2023-05-10 2023-05-10 一种基于云模型的仓储绩效评价方法

Publications (1)

Publication Number Publication Date
CN116644991A true CN116644991A (zh) 2023-08-25

Family

ID=87623896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310525652.6A Pending CN116644991A (zh) 2023-05-10 2023-05-10 一种基于云模型的仓储绩效评价方法

Country Status (1)

Country Link
CN (1) CN116644991A (zh)

Similar Documents

Publication Publication Date Title
Karaşan et al. A novel neutrosophic CODAS method: Selection among wind energy plant locations
Menekse et al. Internal audit planning using spherical fuzzy ELECTRE
CN113537807B (zh) 一种企业智慧风控方法及设备
CN105512465B (zh) 基于改进vikor法的云平台安全性量化评估方法
CN111738843B (zh) 一种使用流水数据的量化风险评价系统和方法
CN115577152B (zh) 基于数据分析的在线图书借阅管理系统
CN112149976B (zh) 一种基于人工智能的电网精准投资项目决策方法
CN113361959A (zh) 一种银行业务集中运营成熟度的计算方法和装置
CN115660170A (zh) 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统
CN115293636A (zh) 基于综合pis与权重的fmea的复杂装备评估方法
CN116468273A (zh) 客户风险识别方法及装置
Ghafori et al. Best cloud provider selection using integrated ANP-DEMATEL and prioritizing SMI attributes
CN116091206A (zh) 信用评价方法、装置、电子设备及存储介质
CN118469405A (zh) 家居供应链数据的处理方法、装置、设备及存储介质
Shiri Daryani et al. Inverse DEA in two-stage systems based on allocative efficiency
CN113011788B (zh) 一种海上交通事故应急决策方法、终端设备及存储介质
CN107220778A (zh) 一种员工信用评价和应用的方法、装置及电子设备
Yang et al. Multi-attribute decision making method based on probabilistic linguistic term sets and its application in the evaluation of emergency logistics capacity
CN110782163A (zh) 企业数据处理方法和装置
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
CN116452154B (zh) 一种适用于通信运营商的项目管理系统
CN117371861A (zh) 基于数字化的家政服务质量智能分析方法及系统
Yang et al. Research on the evaluation of public emergency management intelligence capability in probabilistic language environment
CN116644991A (zh) 一种基于云模型的仓储绩效评价方法
CN115271907A (zh) 基于公开数据对中小微企业评价的方法及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination