企业物流外包风险评价和控制——基于AHP-模糊综合评价方法的视角-论文.pdf

《企业物流外包风险评价和控制——基于AHP-模糊综合评价方法的视角-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、丝重堡堕!垡企业物流外包风险评价和控制——基于AHP一模糊综合评价方法的视角口项丽【摘要1企业物流外包风险中，模糊因素量化是有效评价外包风险、规避风险的重要步骤，也是进行评价的难点。本文基于AHP一模糊综合评价方法研究企业物流外包风险，实现了模糊不确定因素的量化处理，对构建风险指标体系，正确定量化物流外包风险十分有益。最后通过案例分析，提出有效规避物流外包风险的对策建议。【关键词1物流外包；风险评价和控制；AHP一模糊综合评价f中图分类号1F251[文献标识码】A【文章编号】1006—5024(2013)04—0072—04f作者简介】项丽，四川师

2、范大学信息技术学院财务部会计师，研究方向为经济管理。(四川成都610068)Abstract：Intherisksofenterpriselogisticsoutsoureing，thequantizationoffuzzyfactorsisanimportantsteptoeffectivelyevaluateoutsoureingrisksandavoidrisks。andalsoadifficultyforevaluation．Thisarticle。basedontheAHP—fuzzyeomprehensiveevaluationmeth

3、od，studiesenterpriselogisticsoutsourcingriskstorealizethefuzzyfactorquantization，whichishelpfulforconstructingtheriskindexsystemandquantizinglogisticsoutsoureingrisks，andfinallythroughthecaseanalysis，putsfor—wardsomecountermeasurestoavoidlogisticsoutsourcingrisks．Keywords：logi

4、sticsoutsoureing；riskassessmentandcontrol；AHP—fuzzycomprehensiveevaluation一、引言评价和预警等。纵观以上研究，企业物流外包风险的研究总是从定企业物流外包是指销售、生产制造等类型的企业，为性和定量的角度出发，本文在企业物流外包风险研究中了集中企业的核心竞争能力，将企业的物流方面的业务基于AHP一模糊综合评价方法。该方法的优点在于将不交给第三方物流公司，以合同的形式委托运作。在企业物确定的定性风险指标定量化。因此，在指标构建过程中，流外包过程中，风险往往是不确定的，各种风险影响下

5、，采用了定性指标和定量指标相互结合的方法，这样更能不可避免地使企业的经济效果发生偏差。企业物流外包恰如其分地描述企业物流外包风险状况，有利于得出风中各种不确定的风险因素包括：物流管理风险、市场运行险大小的结论，提高风险决策的准确性。另外，放眼物流中企业双方的信息不对称、企业文化环境的差异等。这些发展程度，企业物流外包的发展在整个产业价值链过程不确定的风险因素对企业物流外包的影响都是不同程度的，如果对这些风险因素评价不当，企业物流外包中风险中居于十分重要的地位，企业物流外包作为一种新的业就会加大，企业预期的经济效益就会下降，甚至与第三方务，将被不断扩

6、展在企业领域，在整个价值链中企业物物流企业之间的合作关系将会掐断。因此，鉴于这方面的流外包的风险来源是多方面的，十分复杂的。如何将物问题，目前国内外理论界主要从两个方面着手对企业物流外包涉及到市场风险、自然风险、社会风险、经济风险流外包风险的研究。第一，主要是采用定性研究的方法，等并人物流外包风险体系，这对优化风险决策极为重通过物流外包定义、风险形成的原因、风险形成的机制以要。本文从四个方面构建的物流外包风险评级体系，无及风险的规避等方面的研究，运用管理学知识、心理学知疑具有信息全、实用性广的特点。确立正确的物流外包识、市场学知识等，提出物流外包风

7、险管理理论。第二，从风险决策，将直接影响企业核心竞争力，构建企业物流定性的研究视角，建立企业物流外包风险模型，进行风险外包风险评价模型是十分必要的。72◆企业物流外包风险评价和控制(五)多因素模糊评价模糊综合评价的模型为：『r11n⋯n“]B=A·R=(a，a，⋯，a)【r二r2一r．2l。．：J=(b，b2，⋯，b)其中，bi(j=1，2，⋯，n)是由A与R的第J列运算得到的，表示被评级对象从整体上看对v等级模糊子集的隶属程度。常用的模糊合成算子有以下两种：M(^，V)算子：bj=V(ai^_J)=眦{min(ai，．J))，j：1，2，⋯，ni

8、=．l，1-