《基于主成分与灰色关联分析的乳制品供应链风险因素评价.docx》由会员分享，可在线阅读，更多相关《基于主成分与灰色关联分析的乳制品供应链风险因素评价.docx（4页珍藏版）》请在三一文库上搜索。
1、基于主成分与灰色关联分析的乳制品供应链风险因素评价1引言随着经济的高速发展,人们的生活水平逐渐提高,人们对乳制品需求也越来越高,不少家庭将乳制品作为生活营养品。同时随着乳制品的盛行,生产乳制品的厂商也越来越多,而原来的乳制品厂商也在逐渐扩大自己的生产规模,形成了较为完善的供应链,而供应链的环节众多,任一环节上出现问题就会影响整个供应链,使得供应链的运作出现问题,最终影响到消费者,所以对乳制品供应链环节风险的把控至关重要。几年前的三聚氰胺事件至今还在人们脑海中留下了深刻的负面影响,使得人们对国产乳制品不信任。越来越多的生产商也加大了乳制品行业的竞争。乳制品本身的质量问题就更加得到了关注,不仅仅是
2、人们对各类乳制品的相互对比,政府也加强了乳品行业的安全监督与管控。这就要求企业与厂商更加完善和管理自身供应链,加强供应链的风险防范措施。乳制品供应链相比其他供应链来说有着自己的特点。首先,乳制品属于食品,安全与卫生至关重要,这要求在生产过程中有严格的消毒设备,合格的工艺手段,以及完善的检测标准。其次,乳制品由于保质的问题,要求冷链运输。最后，乳制品的存放与销售也要考虑到保质期的问题。如何让消费者买到安全放心的乳制品是个至关重要的问题。2相关理论及方法21主成分分析主成分分析法是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原
3、随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统。主成分分析方法的步骤如下：(1)原始数据标准化。分析或评价中确定的各个指标,都有不同的量纲、不同的数量级,而不同量纲、不同数量级的数据不能放在一起直接进行比较,也不能直接用于多元统计分析,需要对指标的数值进行标准化处理,以消除其量纲、数量级上的差异,使其具有可比性。(2)计算相关系数矩阵。通过计算相关系数矩阵,可以得出各因素变量之间的相关关系,关联
4、系数越大则代表各因素之间重复的信息越多。(3)计算相关系数矩阵的特征值和特征向量。(4)确定主成分。选取特征值大于1,并且累计贡献率大于85%的前p个变量作为主成分,这p个主成分包括了所有因子85%以上的信息,因子个数减少起到了因子筛选的作用。根据主成分载荷与特征值可以得到主成分表达式。3乳制品供应链因素分析31指标体系的建立根据乳制品供应链流程,从原奶生产,经过加工包装,配送至分销商和销售商,最后再销售给消费的流程中,逐步分析每个环节所存在的风险因素,设计了乳制品供应链风险因素二级指标体系,得出5个1级指标和14个2级指标如下图所示。32数据及标准化处理邀请本行业专家分别对上图中的各个风险因
5、素打分,对各个因素赋予01的权重,权重越大代表风险越高,并将数据进行标准化处理,如表1所示。33主成分的提取根据公式计算各因素之间的相关系数,如表2所示。可以发现其中有些因素之间存在较大的相关性,适合使用主成分分析。计算相关系数矩阵的特征值与特征向量,特征值可以被看作主成分的影响力大小的指标,如果特征值小于1,说明该主成分的作用还不如直接引入一个原变量的作用大,因此主成分个数的提取原则之一为主成分对应的特征值大于1。根据表3的特征根,前4项成分的特征值大于1,并且累计贡献率达到了91%,说明包含了大多数指标的信息,所以认为前4项成分为新的指标。34主成分表达式主成分特征向量表示主成分和相应的原
6、变量的相关关系,通过主成分载荷除以主成分对应的特征值平方根得到,绝对值越大,则主成分对该变量的代表性越大。以主成分F1,F2为例,各因素前的权重越大,代表该主成分包含的该因素的信息越多,但是主成分取4个,所以仅依赖某个主成分不能得出该因素的的重要性,依然要靠总体得分来评定。F1=-0240X1-0337X2-0233X3+0247X4+0379X5+0183X6-0220X7-0237X8-0199X9+0008X10-0063X11+0352X12+0264X13+0336X14F2=0334X1+0237X2+0363X3+0196X4+0075X5-0078X6-0418X7-0366X
7、8-0340X9+0292X10+0278X11+0087X12-0003X13-0236X1435主成分得分将原始数据代入主成分表示式中,可以分别得到各主成分的得分和总体得分,总体得分分别为Y=(-0090,0437,0217,0225,0246,0518,-0029,0275)36灰色关联度将总体评分作为新的参考序列成立新的指标体系,并计算各指标因素与新序列的关联度,初值化序列之后得两极最大差与最小差,分别是M=12998,m=0。根据公式可得灰色关联度,如表4,与参考序列关联越大风险越大。由排序可知运输车温度X7,运输时长X8,储存环境X9产生和面临的风险较大。4结论显然在乳制品供应链中
8、,原料及产品的运输及储存往往面临着较大的风险。同时由于信息不对称,也造成了较大的风险。首先,在运输时间上,合理配送可以有效减少运输时间,在有限的保质期内,减少运输时间相当于给销售环节提供了更多时间,同时也给消费者更长饮用周期。一方面，可以加强配送设施,增加配送节点,提高运输的准确性,减少错误订单,订单不及时等现象；另一方面，优化配送路线和配送模式,从而达到节省时间的目的。其次,在运输温度上,升级运输设备,加强运输车的温度管理,引入最近的冷冻技术,防止因温度不当影响产品质量,同时应制定相关的规定,提高操作人员和技术人员的水准,对设备进行有效的检查和维护。在供应链中,信息不对称的现象普遍存在,这就
9、需要供应链的各环节资源信息共享,加强各环节的合作,从整个供应链利益出发,降低风险。乳制品对改善人体膳食、加强营养有着非常重要的作用,本文从风险识别,评估方面评价了乳制品风险指标,并提供了相关建议,相信今后乳制品的需求也会越来越大,乳制品风险管理也会成为各企业需要重视的环节。参考文献:【1】张蔚俊,郑锦荣基于主成分和灰色关联度综合分析法的食品安全因素分析.中国农学通报,2014,30(3):295-301【2】孙晓东,胡劲松,焦玥基于主成分分析和灰色关联聚类分析的指标综合方法研究.中国管理科学,2005(13）：18-22【3】李赢乳制品供应链质量风险评价和控制研究.北京：北京交通大学,2016【4】韩高文乳制品供应链中的食品安全风险识别与评估.天津：天津科技大学,2013【5】孔德财乳制品冷链物流系统风险评价研究.长沙：长沙理工大学,2014【6】鲍学英,李海连,王起才基于灰色关联分析和主成分分析组合权重的确定方法研究.数学的实践与认识,2016,46(9):130-134