大规模灾难下应急物流运作的动态救济需求管理
                                   作者：许钜秉
  摘要：
这篇文章为应急物流运作在不完全信息的大规模自然灾害情况下提供了一个动态救济需求管理模型。研究的方法分为三步：
（1） 通过对数据的整合从多个角度预测救济需求
（2） 通过模糊聚集法将受影响的领域进行分组
（3） 用多种决策制定尺度为的重要性进行排序。
各种不同的实验方案的结果显示：这一动态救济需求管理模型整体的预测误差低于10%（对提出的动态救济需求预测方法的预测能力的推断误差值）；动态救济需求管理模型能使应急物流的运作分配在不完全信息下变得更加容易。
引言：
自然灾害在全世界范围内的普遍发生使得应急物流管理作为一个全球备受关注的话题而出现。例如：2008年5月2日，纳吉斯龙卷风对缅甸海岸线进行了无情袭击，由于当地军gov ernm ent对外国援助人员及设备的反常限制，据报道，250万急需救助以求生存的人受到了影严重影响。在此之后，2008年5月12日7.9级的地震又袭击了中国西南部的四川，成千上万被围困与地下的受害者不仅引起了世界范围内的震惊，也使大家意识到了应急物流及援助的重要性，尤其是对救济需求管理的迫切需要。
动态救济需求管理对应急物流在大规模自然灾害情况下的成功运作具有重要的作用，事实上。救济需求管理困难的根源在于由以下几种现象导致的救济需求信息不确定：首先，与企业物流不同的是，顾客自身是需求信息的提供者，在应急物流背景下，救济需求者（受灾群众）并不能成为真正意义上的救济需求信息提供者，相反，在现场的报道者，救援者和慈善机构往往成为信息的主要来源。因此，使得救济信息很不对称。其次，救济需求信息的来源是纷繁复杂的，并且都是在混乱的条件下提供各种数据的，这些数据的得出并没有得到决策支持工具的帮助，也没有足够时间进行验证。此外，应急物流所需要的救济需求信息也是一种以地域为基础的需求信息，也就是说，汇集的救济需求信息是与每个受灾地域相关的，这与企业物流中分散的需求信息可以常规的进行处理有很大的不同。对于这种需求，在某种程度上，由于它不确定性的特征，是很难用历史数据进行估计的。上面提到的关于救济需求的话题致使救济需求管理的绩效受到了严重的影响，这在几个最近的灾害中可以观察到，例如：1999年的台湾大地震，2004年印度洋的海啸，2005年发生在美国的卡特里娜飓风，以及2008年缅甸的龙卷风等等。很明显，在应急物流管理领域，实时的救济需求预测强调动态救济需求管理的挑战。
尽管对动态救济需求管理的需要很迫切，那么对于上述问题就没有直接可用的需求模型了。许多现有的需求模型往往局限于企业运作的普通案例。从学术的角度讲，我们在下面会说明几个与经典模型相关的科目以作进一步的探讨。
在运作研究以及相关的应用领域，时间序列过程理论对动态需求模型来说一直是比较灵活的。其中，自回归和综合移动平均（ARIMA），指数平滑模型，独立同分布模型（IID）被广泛应用于处理各种动态需求预测问题，这些方法相似的特征是，这些随时间变化的需求的预测都与他们的历史数据有一定的联系，这个联系的特征是这些数据呈现线性或非线性的围绕着均值的动态变化过程。尤其是，以往文献多采用一阶自回归过程处理在供应链管理现象影响下的需求变化，例如：牛鞭效应和信息分享。甚至，有的研究者将暂时的需求变化异方差也考虑进去，因此在预测动态需求应用了广义自回归条件异方差这一复杂的模型。
相比于前面提到的以时间序列为基础的需求模型，实时救济需求预测要像前面提到的那样必须更多的克服需求的不确定性。此外，这一问题的实质源于对前期需求信息的缺乏。这也使得仅仅运用时间序列数据处理机制很难找寻出救济需求随时间变化的方式。简言之，现存的以时间序列为基础的需求模型不适宜于本研究中所提到的实时救济需求预测问题。
尽管最近应急物流管理的出现吸引了中多研究者的注意，许多先前的研究倾向于在对救济需求合理假设的基础上解决救济供给和分配问题。Yi和Kumar在2007年提出了蚁群优化（ACO）这一启发式概念，他将最初的应急物流问题分为两个决策制定阶段：运输路线构建和救灾分配中的多商品派遣。其中，他们将受伤群众、车辆和救灾看成物品，然后用蚁群优化这一超启发式算法解决多商品网络流动问题。通过对灾害信息获得和交流进行一定程度的理想化假设使得灾害的背景被简化，Tzeng等人用一个模糊的多目标规划法提出了救灾配送的相关问题。不同的是，他们通过提出多目标函数概念化公平的满意度，以避免在救灾配送过程中出现对特定受灾区域的救灾配送不平衡。大规模自然灾害后，在重要的救援阶段，救灾需求是动态变化和不确定的，考虑到这些因素，Sheu提出了一个应急物流的合作配送方法，这一方法动态的反映在抢救的关键时期的紧急救灾需求。Sheu方法的特征是，他将紧急救灾分为两类，一是日常消费救灾物资（例如水和餐盒），二是难民的日常生活用具（例如睡袋和帐篷）。此外，Sheu在一个简化的动态救灾需求预测模型中定义了缓冲救灾需求。相比较而言，Chiu和 Zheng致力于利用细胞传输为基础的线性模型解决动态安排多种应急措施和在受灾地区疏散交通流的问题。
因此，这篇文章提出了一个动态救灾需求管理模型来解决以上的问题，这一管理模型应用的背景条件是：大规模自然灾害后，在抢救的关键时期，模型运用的从受灾地区搜集的救灾信息是无序与不确定的。在对数据进行技术整合分析以及利用模糊聚集和TOPSIS法的基础上，提出的方法蕴含了三个机制：
（1） 动态救灾需求预测
（2） 受灾地域分组
（3） 识别救灾需求的紧急性
详细内容参见：附件（全文共15000字，21页）
下载: