论文部分内容阅读
作者简介：刘联辉（1965-），男，湖南邵东人，教授，五邑大学经济管理学院物流系主任，中国物流学会理事，研究方向：物流管理。
刘琴（1990-），女，湖南娄底人，硕士研究生，研究方向：物流企业管理。
摘要：物流装备技术水平反映物流产业现代化程度，也是物流系统效率与效益提升的重要保障。本文利用SERVQUAL模型量表，设计物流装备技术水平调查问卷，从流通加工设备、智能化系统、信息处理技术等10个维度构建物流装备技术水平评价指标体系，并应用模糊综合评价法对珠三角某市物流装备技术水平进行度量。结果表明，该市物流装备技术发展仍处于一个相对较低的水平。据此，提出了相应的发展建议。
关键词：物流装备技术；评价指标体系；因子分析；模糊评价
1.引言
物流装备是指开展各项物流活动所必需的成套机械、器物（潘安定，2006）[1]。物流装备技术极大地促进了物流事业的快速发展[2]。供应链物流的智能化、自动化和机械化水平是衡量我国物流服务行业发展情况的重要指标（周秀雄，2013）[3]。许多技术广泛应用于物流领域：二维码技术在各类农产品物流追溯系统中的应用（兰龙辉等，2013）[4]，射频识别技术在仓储管理系统中的应用（张其荣，2013）[5]。尽管物流装备总体数量明显增加、自动化水平和信息化程度提高[6]，但在物流领域存在一种认识误区：即过于强调物流管理而忽视物流技术与物流装备水平提升[7]。因此，本文以珠三角某三线城市物流企业为主要样本，开展物流装备水平发展情况的调查研究，对物流企业装备技术应用质量进行综合模糊评价。
2.研究方法
2.1 问卷设计
Parasuraman等[8， 9]1988年提出了一种能够用来评价服务行业服务质量的量表和指标体系。本研究问卷时在现有SERVQUAL量表的研究基础上，结合当前物流装备技术的应用现状及特点设计的。问卷题划分为82项，基本上能够反映我国企业物流装备技术的应用水平。量表的设计采用李克特5级量表（Likert scale），分别依次赋值1～5分，所在题项得分越高表明该设备或技术的应用频率越高，普及范围越广。
2.2 样本统计信息
本次调查问卷样本主要选取300家珠三角地区企业。调查历时一个多月，共收回问卷300份，有效问卷288份，有效率回收率为96.32%。其中为社会提供第三方物流服务的物流企业占到56%。被调查的企业中，51.2%的企业经营规模在500万元以下，调查样本以中小物流企业占多数。
3.物流装备技术因子分析
3.1 信度分析
本研究以Cronbach'α信度系数来考察量表中各个层面研究内容的可靠性，该调查量表的Cronbach's Alpha 为0.953大于0.80，表明量表具有较好的可靠性和一致性。
3.2 探索性因子分析
首先，对样本数据做KMO和Bartlett’s 检验。KMO统计量0.869，高于0.7的临界标准。Bartlett’s球形检验结果表明，Bartlett’s 值为13275.36，显著性概率为0.000，适合做因子分析。进行探索性因子分析，经过方差最大化正交旋转，以特征值（eigenvalue）大于1.0以上为萃取因素的标准，经过25次迭代，获得20项公共因子。同时，为了保证量表各个层面具有较高的可信度，本研究Cronbach'α取值至少应大于0.70的标准，各因子所对应的题项载荷值须大于0.50且至少其中两项的载荷不得同时大于0.50 ，否则予以剔除该题项。
基于上述分析，同时满足载荷和信度要求的公共因子共计11项。（见表1）
其中，流通加工设备、智能化系统、仓储货架技术位于前三，累计方差占33.550%。从分析中看出，流通加工环节的地位在衡量物流装备的整体水平中上升；条形码技术的地位逐渐被取代。信息技术的应用提升了物流装备的现代化水平，所以智能化系统，信息处理技术在物流行业的应用逐渐增多。
3.3 验证性因子分析
在上述探索性因子分析的基础上，用Smart-PLS2.0进行验证性因子分析，除了包装材料其他因子所在载荷均满足0.40的最低要求。考虑到包装材料并不是物流行业专有的，对物流装配水平的改善与提升作用有限，所以删除这个因素。因而验证性因子分析后，只有10个因子来反应物流装备及技术水平，且各题项满足因子载荷要求，所有因子与其指标变量之间的载荷以及权重均通过p<0.001的T显著性检验。
表1PLS路径模型各变量信度与效度检验指标
潜变量AVEComposite ReliabilityR SquareCronbach's Alpha流通加工设备0.5800.9060.879智能化系统0.6820.9150.883仓储货架技术0.6130.8870.842包装技术0.7050.9050.859计划管理系统0.7500.9000.832大型吊装设备0.7470.8980.831信息处理技术0.6130.8630.788包装设备0.7330.8910.818运输设备0.6690.8580.751条形码识别技术0.8350.9100.804物流装配技术水平0.5280.9350.9999950.929
4.物流装备技术模糊评价
由于物流裝备水平评价问题的多目标性及物流装备的涉及面太广，很多指标难以量化和测量。本文运用因子分析和模糊综合评价的方法，将定性判断和定量分析相结合，较好地克服了传统模糊层次分析中主观性较强、个人偏好等因素的影响，能够增强实验结果的真实性和可读性。
4.1 确定评语值指标集
参照表1和表2的分析结果，构建物流装备技术的评价指标体系。一级指标集B=（B1，B2，B3，B4，B5，B6，B7，B8，B9，B10），分别表示相应潜变量，二级指标集U=（Ui1，Ui2，Ui3…Uii），其中i取值为1，2，3，…，10，分别表示10个一级指标所对应的各具体观测变量。 4.2 确定评语等级
为了较好地克服层次分析中主观判断偏好等对物流装备先进水平的影响。本研究采用5级评语集：V=（V1，V2，V3，V4，V5）=（没有使用，较少使用，一般，较多使用，经常使用），根据其使用频率，其对应百分制的折算点设定为（50，60，70，80，90）。
4.3 确定模糊判断系数矩阵
分别统计各个评价指标在不同评语上的频率，得出对应指标在不同等级上的判断系数值。最终得到10个一级指标的模糊判断系数矩阵C，现以流通加工设备为例计算该指标的模糊判断系数矩阵C1。
C1=0.1110.0830.1180.1220.1390.1010.1390.6420.6320.6940.6940.7010.7390.6700.0830.1040.0870.0900.0730.0700.0900.1010.0870.0660.0420.0590.0550.0770.0630.0940.0350.0520.0280.0350.024
4.4 确定评价指标的权重
由验证性因子分析结果可知，物流装配技术整体水平可以用流通加工设备、智慧化物流设备系统、仓储货架技术等10个因子来构建物流装备水平的评价指标体系。运用Smart-PLS2.0软件，计算各因子以及物流装配整体水平与各指标变量之间的权重值，并对模型中的路径权重关系进行T检验。各因子即一级指标相对于目标层的权重用Wi表示，i=1，2，…，9，10。将模型中的路径权重经过标准化处理以后，得到本文所要研究的评价指标不同层次间的权值。
W=（0.15395，0.15635，0.12993，0.10708，0.08250，0.07325，010348，0.07647，0.06384，0.05315）T
W1=（0.15395，0.15635，0.12993，0.10708，0.08250，0.07325，0.10348）T
4.5 評价结果
由Bi=Ci×Wi得出一级指标的模糊综合评价集。现仍以流通加工设备为例，B1=C1×W1=（0.1161，0.6809，0.0853，0.0701，0.0475）T。同理，可计算得出其他各物流装备技术指标的模糊综合评价矩阵。B=0.11610.15610.10260.10300.23640.09660.17690.05550.04050.13940.68090.55560.63490.41000.39250.65290.38930.35170.27880.36160.08530.13410.10240.12290.12630.11670.10900.12470.10060.10780.07010.07220.07670.16430.11000.06720.14930.20540.18150.16280.04750.08200.08330.19990.13480.06650.17540.26280.39860.2284
由此可以得出当前该城市物流装配水平的模糊评价得分矩阵为：
P=B*W=（0.1258，0.5025，0.1125，0.1150，0.1442）T
将该评价得分矩阵，按前所述规则转化为相应的百分制标准，该城市物流装备技术发展整体水平得分为66.49，属于中等以下水平，具有较大的发展提升空间。从前述因子分析结果可知，流通加工设备、智能化系统、仓储货架技术、包装技术、信息处理技术在整个物流装备技术评价指标中权重占比超过65%，是影响其物流装备技术发展的关键因素。因此，应重视物流装备的仓储能力、流通加工能力以及信息汇总及处理能力，对于改善当前企业物流整体装备技术水平具有重要的参考价值。
5.研究对策与建议
5.1制定物流产业装备技术升级的规划
推动物流业务以仓储配送为核心，向国际货代、物联网等领域拓展。支持物流装备制造业的产品研发，加快仓储业转型升级，着力建设智能快递箱，降低收货人重复率，同时提高安全性。
5.2制定物流装备技术升级的引导支持政策
政府主管部门要结合本地物流企业生产、经营、管理的特点，探索适合物流行业升级模式，大胆借鉴第四方物流、低碳物流等新理论，研发产业升级路径。
5.3 着重强调产学结合
提供人才技术培养相关支持。政府鼓励和引导企业与教育产学结合，有针对性地培养物流综合性人才，引进专业的物流管理人才，为物流产业发展提供人才保障服务。聘请国内外物流领域的资深人士组成专家顾问组，提高公司决策水平，提高企业经营管理水平。
5.4 发挥物流行业协会的引导作用
着力发挥物流行业协会等组织的纽带作用。通过信息发布与交流、人才培训、技术合作、行业评比等方面协助物流企业开展工作并提供相关服务。以广州、深圳等为目标，培育物流装备及技术的应用示范项目，以此来引导物流企业的发展。（作者单位：五邑大学经济管理学院）
参考文献：
[1]潘安定. 物流技术与设备[M]. 广州市： 华南理工大学出版社， 2006.
[2]潘湛. 刍议中国物流设备发展趋势[J]. 经营管理者， 2013（04）：71.
[3]周秀雄. 现代物流运行中仓储营销的思考[J]. 物流工程与管理， 2013（09）：35-37.
[4]兰龙辉， 邱荣祖. 二维码技术在农产品物流追溯系统中的应用[J]. 物流工程与管理， 2013（09）：86-89.
[5]张其荣. RFID技术在仓储管理系统自动化中的应用探讨[J]. 物流工程与管理， 2013（09）：102-103.
[6]王箭. 德阳市现代物流装备业发展战略研究[D]. 电子科技大学工商管理， 2010.
[7]韩刚. 浅谈物流技术与物流装备： 2001年中国机械工程学会年会暨第九届全国特种加工学术年会， 2001[C].
[8]Parasuraman A， Zeithaml V A， Berry L L. SERVQUAL： A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality.[J]. Journal of Retailing， 1988，64（1）：5-6.
[9]Parasuraman A， Zeithaml V A， Berry L L. Reassessment of Expectations as a Comparison Standard in Measuring Service Quality： Implications for Further Research.[J]. Journal of Marketing， 1994，58（1）：111-124.
刘琴（1990-），女，湖南娄底人，硕士研究生，研究方向：物流企业管理。
摘要：物流装备技术水平反映物流产业现代化程度，也是物流系统效率与效益提升的重要保障。本文利用SERVQUAL模型量表，设计物流装备技术水平调查问卷，从流通加工设备、智能化系统、信息处理技术等10个维度构建物流装备技术水平评价指标体系，并应用模糊综合评价法对珠三角某市物流装备技术水平进行度量。结果表明，该市物流装备技术发展仍处于一个相对较低的水平。据此，提出了相应的发展建议。
关键词：物流装备技术；评价指标体系；因子分析；模糊评价
1.引言
物流装备是指开展各项物流活动所必需的成套机械、器物（潘安定，2006）[1]。物流装备技术极大地促进了物流事业的快速发展[2]。供应链物流的智能化、自动化和机械化水平是衡量我国物流服务行业发展情况的重要指标（周秀雄，2013）[3]。许多技术广泛应用于物流领域：二维码技术在各类农产品物流追溯系统中的应用（兰龙辉等，2013）[4]，射频识别技术在仓储管理系统中的应用（张其荣，2013）[5]。尽管物流装备总体数量明显增加、自动化水平和信息化程度提高[6]，但在物流领域存在一种认识误区：即过于强调物流管理而忽视物流技术与物流装备水平提升[7]。因此，本文以珠三角某三线城市物流企业为主要样本，开展物流装备水平发展情况的调查研究，对物流企业装备技术应用质量进行综合模糊评价。
2.研究方法
2.1 问卷设计
Parasuraman等[8， 9]1988年提出了一种能够用来评价服务行业服务质量的量表和指标体系。本研究问卷时在现有SERVQUAL量表的研究基础上，结合当前物流装备技术的应用现状及特点设计的。问卷题划分为82项，基本上能够反映我国企业物流装备技术的应用水平。量表的设计采用李克特5级量表（Likert scale），分别依次赋值1～5分，所在题项得分越高表明该设备或技术的应用频率越高，普及范围越广。
2.2 样本统计信息
本次调查问卷样本主要选取300家珠三角地区企业。调查历时一个多月，共收回问卷300份，有效问卷288份，有效率回收率为96.32%。其中为社会提供第三方物流服务的物流企业占到56%。被调查的企业中，51.2%的企业经营规模在500万元以下，调查样本以中小物流企业占多数。
3.物流装备技术因子分析
3.1 信度分析
本研究以Cronbach'α信度系数来考察量表中各个层面研究内容的可靠性，该调查量表的Cronbach's Alpha 为0.953大于0.80，表明量表具有较好的可靠性和一致性。
3.2 探索性因子分析
首先，对样本数据做KMO和Bartlett’s 检验。KMO统计量0.869，高于0.7的临界标准。Bartlett’s球形检验结果表明，Bartlett’s 值为13275.36，显著性概率为0.000，适合做因子分析。进行探索性因子分析，经过方差最大化正交旋转，以特征值（eigenvalue）大于1.0以上为萃取因素的标准，经过25次迭代，获得20项公共因子。同时，为了保证量表各个层面具有较高的可信度，本研究Cronbach'α取值至少应大于0.70的标准，各因子所对应的题项载荷值须大于0.50且至少其中两项的载荷不得同时大于0.50 ，否则予以剔除该题项。
基于上述分析，同时满足载荷和信度要求的公共因子共计11项。（见表1）
其中，流通加工设备、智能化系统、仓储货架技术位于前三，累计方差占33.550%。从分析中看出，流通加工环节的地位在衡量物流装备的整体水平中上升；条形码技术的地位逐渐被取代。信息技术的应用提升了物流装备的现代化水平，所以智能化系统，信息处理技术在物流行业的应用逐渐增多。
3.3 验证性因子分析
在上述探索性因子分析的基础上，用Smart-PLS2.0进行验证性因子分析，除了包装材料其他因子所在载荷均满足0.40的最低要求。考虑到包装材料并不是物流行业专有的，对物流装配水平的改善与提升作用有限，所以删除这个因素。因而验证性因子分析后，只有10个因子来反应物流装备及技术水平，且各题项满足因子载荷要求，所有因子与其指标变量之间的载荷以及权重均通过p<0.001的T显著性检验。
表1PLS路径模型各变量信度与效度检验指标
潜变量AVEComposite ReliabilityR SquareCronbach's Alpha流通加工设备0.5800.9060.879智能化系统0.6820.9150.883仓储货架技术0.6130.8870.842包装技术0.7050.9050.859计划管理系统0.7500.9000.832大型吊装设备0.7470.8980.831信息处理技术0.6130.8630.788包装设备0.7330.8910.818运输设备0.6690.8580.751条形码识别技术0.8350.9100.804物流装配技术水平0.5280.9350.9999950.929
4.物流装备技术模糊评价
由于物流裝备水平评价问题的多目标性及物流装备的涉及面太广，很多指标难以量化和测量。本文运用因子分析和模糊综合评价的方法，将定性判断和定量分析相结合，较好地克服了传统模糊层次分析中主观性较强、个人偏好等因素的影响，能够增强实验结果的真实性和可读性。
4.1 确定评语值指标集
参照表1和表2的分析结果，构建物流装备技术的评价指标体系。一级指标集B=（B1，B2，B3，B4，B5，B6，B7，B8，B9，B10），分别表示相应潜变量，二级指标集U=（Ui1，Ui2，Ui3…Uii），其中i取值为1，2，3，…，10，分别表示10个一级指标所对应的各具体观测变量。 4.2 确定评语等级
为了较好地克服层次分析中主观判断偏好等对物流装备先进水平的影响。本研究采用5级评语集：V=（V1，V2，V3，V4，V5）=（没有使用，较少使用，一般，较多使用，经常使用），根据其使用频率，其对应百分制的折算点设定为（50，60，70，80，90）。
4.3 确定模糊判断系数矩阵
分别统计各个评价指标在不同评语上的频率，得出对应指标在不同等级上的判断系数值。最终得到10个一级指标的模糊判断系数矩阵C，现以流通加工设备为例计算该指标的模糊判断系数矩阵C1。
C1=0.1110.0830.1180.1220.1390.1010.1390.6420.6320.6940.6940.7010.7390.6700.0830.1040.0870.0900.0730.0700.0900.1010.0870.0660.0420.0590.0550.0770.0630.0940.0350.0520.0280.0350.024
4.4 确定评价指标的权重
由验证性因子分析结果可知，物流装配技术整体水平可以用流通加工设备、智慧化物流设备系统、仓储货架技术等10个因子来构建物流装备水平的评价指标体系。运用Smart-PLS2.0软件，计算各因子以及物流装配整体水平与各指标变量之间的权重值，并对模型中的路径权重关系进行T检验。各因子即一级指标相对于目标层的权重用Wi表示，i=1，2，…，9，10。将模型中的路径权重经过标准化处理以后，得到本文所要研究的评价指标不同层次间的权值。
W=（0.15395，0.15635，0.12993，0.10708，0.08250，0.07325，010348，0.07647，0.06384，0.05315）T
W1=（0.15395，0.15635，0.12993，0.10708，0.08250，0.07325，0.10348）T
4.5 評价结果
由Bi=Ci×Wi得出一级指标的模糊综合评价集。现仍以流通加工设备为例，B1=C1×W1=（0.1161，0.6809，0.0853，0.0701，0.0475）T。同理，可计算得出其他各物流装备技术指标的模糊综合评价矩阵。B=0.11610.15610.10260.10300.23640.09660.17690.05550.04050.13940.68090.55560.63490.41000.39250.65290.38930.35170.27880.36160.08530.13410.10240.12290.12630.11670.10900.12470.10060.10780.07010.07220.07670.16430.11000.06720.14930.20540.18150.16280.04750.08200.08330.19990.13480.06650.17540.26280.39860.2284
由此可以得出当前该城市物流装配水平的模糊评价得分矩阵为：
P=B*W=（0.1258，0.5025，0.1125，0.1150，0.1442）T
将该评价得分矩阵，按前所述规则转化为相应的百分制标准，该城市物流装备技术发展整体水平得分为66.49，属于中等以下水平，具有较大的发展提升空间。从前述因子分析结果可知，流通加工设备、智能化系统、仓储货架技术、包装技术、信息处理技术在整个物流装备技术评价指标中权重占比超过65%，是影响其物流装备技术发展的关键因素。因此，应重视物流装备的仓储能力、流通加工能力以及信息汇总及处理能力，对于改善当前企业物流整体装备技术水平具有重要的参考价值。
5.研究对策与建议
5.1制定物流产业装备技术升级的规划
推动物流业务以仓储配送为核心，向国际货代、物联网等领域拓展。支持物流装备制造业的产品研发，加快仓储业转型升级，着力建设智能快递箱，降低收货人重复率，同时提高安全性。
5.2制定物流装备技术升级的引导支持政策
政府主管部门要结合本地物流企业生产、经营、管理的特点，探索适合物流行业升级模式，大胆借鉴第四方物流、低碳物流等新理论，研发产业升级路径。
5.3 着重强调产学结合
提供人才技术培养相关支持。政府鼓励和引导企业与教育产学结合，有针对性地培养物流综合性人才，引进专业的物流管理人才，为物流产业发展提供人才保障服务。聘请国内外物流领域的资深人士组成专家顾问组，提高公司决策水平，提高企业经营管理水平。
5.4 发挥物流行业协会的引导作用
着力发挥物流行业协会等组织的纽带作用。通过信息发布与交流、人才培训、技术合作、行业评比等方面协助物流企业开展工作并提供相关服务。以广州、深圳等为目标，培育物流装备及技术的应用示范项目，以此来引导物流企业的发展。（作者单位：五邑大学经济管理学院）
参考文献：
[1]潘安定. 物流技术与设备[M]. 广州市： 华南理工大学出版社， 2006.
[2]潘湛. 刍议中国物流设备发展趋势[J]. 经营管理者， 2013（04）：71.
[3]周秀雄. 现代物流运行中仓储营销的思考[J]. 物流工程与管理， 2013（09）：35-37.
[4]兰龙辉， 邱荣祖. 二维码技术在农产品物流追溯系统中的应用[J]. 物流工程与管理， 2013（09）：86-89.
[5]张其荣. RFID技术在仓储管理系统自动化中的应用探讨[J]. 物流工程与管理， 2013（09）：102-103.
[6]王箭. 德阳市现代物流装备业发展战略研究[D]. 电子科技大学工商管理， 2010.
[7]韩刚. 浅谈物流技术与物流装备： 2001年中国机械工程学会年会暨第九届全国特种加工学术年会， 2001[C].
[8]Parasuraman A， Zeithaml V A， Berry L L. SERVQUAL： A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality.[J]. Journal of Retailing， 1988，64（1）：5-6.
[9]Parasuraman A， Zeithaml V A， Berry L L. Reassessment of Expectations as a Comparison Standard in Measuring Service Quality： Implications for Further Research.[J]. Journal of Marketing， 1994，58（1）：111-124.