生鲜电商前置仓冷链物流断链风险影响因素研究

申笑宇，赵 悦

(重庆邮电大学经济管理学院，重庆 400065)

2020年我国生鲜电商行业规模达4 584.9亿元，较2019年增长了64.0%[1]。当下前置仓、店仓一体化、社区拼团、门店到家、冷柜自提等新型生鲜电商模式共存，其中前置仓模式的生鲜电商交易规模增速达到47.8%，高于生鲜电商交易规模平均增速[2]。生鲜电商企业通常将前置仓以门店或仓储点的形式设置在距离社区3～5 km范围内，前置仓冷链物流成为解决生鲜产品保质期短、易腐败变质等问题的重要手段。生鲜电商前置仓冷链物流是指生鲜电商企业通过冷链将商品送入前置仓冷藏，收到订单后进行配装并配送至消费者家中的过程，它强调生鲜农产品的仓储、拣货、配装以及运输、送达服务，是生鲜冷链物流的“最后一公里”末端环节[3]。生鲜电商前置仓冷链物流要求一个低温条件下的连续不间断供应链系统，该系统的节点具有多元性、不确定性、动态性和关联性等特点，如果缺乏系统性标准和信息共享，就容易出现“断链”并发生连锁反应，造成食品安全事故[4]。目前生鲜电商行业内没有形成“全程冷链”的标准化意识，很多中小生鲜电商企业为控制冷链运作成本，使生鲜产品在前置仓冷链物流配送环节中由于“脱冷”造成损坏或腐烂的案例屡见不鲜，严重时甚至引发食品安全事故。因此，有必要从风险的影响因素角度出发，构建生鲜电商前置仓冷链物流断链风险影响因素体系，全面分析系统内影响因素的层级关系、相互作用关系及重要性程度，以正确有效地把控断链风险管理的重点方向。

生鲜冷链物流风险受到多方面因素的影响，回顾相关文献发现，理论分析研究者们大多从生鲜冷链物流整个运作流程的宏观视角，研究其发展现状、运作风险及断链成因等[5-6]；
同时，现有的研究大多采用解释结构模型(ISM)法、交叉影响矩阵相乘(MICMAC)法、证据推理(ER)法、模糊综合评价法、模糊贝叶斯网络法等系统工程方法或数理统计方法开展实证研究[7-9]。

近几年前置仓模式的生鲜电商发展较快，目前的研究主要集中在发展现状、选址与优化、物流服务质量管理三个方面。在发展现状方面，王成荣等[10]从供应链视角分析了生鲜电商前置仓运作模式的发展特点，指出了前置仓模式的优劣势所在，并从大数据分析、采购与库存管理等角度对生鲜电商前置仓长远发展提出了建议与方案。在选址与优化方面，宋振波等[11]在“区域配送中心+前置仓”的布局模式下，构建出使总物流成本最少的前置仓位置及布局模型；
郭放等[12]构建的两类算子模型中，前置仓提供存货服务的模式有助于车载容量的循环使用，可减少车辆使用数目并降低物流配送成本。在物流服务质量管理方面，耿秀丽等[8]提出一种基于改进ER的生鲜冷链物流服务质量评估方法用于降低因冲突引起的不确定性，该方法采用cosine相似函数衡量供应商的综合评估信息的冲突程度，并采用ER方法集成各评估专家对每个供应商的评估信息，得出最终的综合评估结果；
刘明菲等[13]结合DEMATEL和ISM方法构建了生鲜冷链前置仓物流服务质量风险影响因素的多层递阶模型，指出在途生鲜农产品货损成本、配送准时性和生鲜农产品物流运作成本是其服务质量风险形成的核心因素。本文研究与刘明菲等[13]研究都运用了DEMATEL法和ISM法，但研究方向与方法仍有所不同。

目前学者们大多从生鲜冷链物流整个运作流程的宏观视角出发研究其断链风险，较少将研究重点聚焦到断链风险的影响因素分析上，而研究断链风险的方法并不适用于研究断链风险的影响因素。本文通过梳理有关系统影响因素的研究发现：DEMATEL法的优势是运用专家经验和知识对复杂系统中因素的逻辑关系进行分析，并用具体数值来表示各因素间的相互作用关系；
ISM法能将多变量、关系复杂且结构不清晰的系统划分为若干层次，以揭示因素间层次结构的关联关系和影响路径；
网络层次分析(ANP)法能克服层次分析(AHP)法中要求各元素相互独立、不存在反馈等局限性，可对复杂网络结构的因素进行权重计算。因此，将这三种方法有机整合能够从因素的属性、层级结构和权重三个方面较为全面地分析断链风险的影响因素，对研究生鲜电商前置仓冷链物流断链风险影响因素体系具有较高的适用性。

鉴于此，本文以生鲜电商前置仓冷链断链风险为研究对象，基于安全生产管理理论，并结合决策试验与评价实验室(decision-making trial and evaluation laboratory,DEMATEL)、解释结构模型(interpretative structural model,ISM)和网络层次分析(analytic network process,ANP)三种方法，构建生鲜电商前置仓冷链断链风险影响因素的多层递阶网络结构模型，分析影响因素的属性及因素间的相互作用关系，并得到各影响因素在系统中的重要性程度，以期为解决生鲜电商前置仓冷链断链风险提供新的思路和研究方向。

ISO 9001:2015标准中将风险定义为不确定性对预期结果的影响[14]，因此本文研究将从生鲜商品从前置仓离开，经冷链物流配送至客户这一过程中可能产生不确定性的环节出发，分析哪些因素会对冷链物流造成断链风险。

图1 生鲜电商前置仓冷链物流配送系统一般运作流程

本研究结合对目前生鲜电商前置仓冷链物流配送系统一般运作流程(见图1)的研究，并根据已有文献中涉及到农产品冷链物流风险和生鲜电商供应链风险的影响因素，同时参考2020年3月起我国实施的新国标《冷藏、冷冻食品物流包装、标志、运输和储存》(GB/T 24616—2019)的有关要求，以及团体标准《前置仓管理规范》(T/CCFAGS 016—2020)中针对前置仓管理的有关规范文件，提出了5M1T法，即从人员(Man)、商品(Merchandise)、管理(Management)、机器(Machinery)、技术(Technology)和外部环境(Macroscopic environment)6个维度对生鲜电商前置仓冷链物流断链风险的影响因素进行了识别与提取。其中，人员是指在生鲜电商前置仓冷链物流系统中所涉及的工作人员；
机器是指生鲜电商前置仓冷链物流系统中所有的设施、设备及复杂系统；
商品是指生鲜电商前置仓冷链物流系统中的生鲜食品；
管理是指生鲜电商前置仓冷链物流系统中所采取的管理制度；
技术是指生鲜电商前置仓冷链物流系统中所使用的物流包装等冷链技术；
外部环境是指生鲜电商前置仓冷链物流系统所处的各种外部宏观环境。建立的生鲜电商前置仓冷链物流断链风险的影响因素体系，如表1所示。

表1 生鲜电商前置仓冷链物流断链风险的影响因素体系

生鲜电商前置仓冷链物流环节众多，其断链风险的影响因素之间存在交叉影响，本文将DEMATEL、ISM、ANP方法有机整合，对生鲜电商前置仓冷链物流断链风险的影响因素进行研究。DEMATEL法和ISM法都运用矩阵和图论分析系统中任意两个因素之间的相互影响关系，通过整合DEMATEL法和ISM法可以降低ISM中可达矩阵的计算量与复杂度，并且得到因素间的因果关系与层级结构[24]；
而ANP法在确定了因素间的多层次网络结构关系后就能进行因素权重评估[25]。因此，通过整合DEMATEL、ISM、ANP三种方法可以提供ANP法所必需的因素间网络结构关系，并完成因素权重值的计算。DEMATEL-ISM-ANP法的基本流程，如图2所示。

基于DEMATEL-ISM-ANP法分析生鲜电商前置仓冷链物流断链风险影响因素的具体步骤如下：

(1) 确定断链风险影响因素。将生鲜电商前置仓冷链物流断链风险的影响因素记为Ri，其中i=1，2，…，n。

图2 DEMATEL-ISM-ANP法的基本流程

(2) 构造直接影响矩阵。开展专家问卷调查，通过统计问卷调查结果，可得到直接影响矩阵A:

A=[aij]n×n

(1)

式中：aij为直接影响矩阵元素，表示因素Ri对因素Rj的影响强度。

(3) 确定综合影响矩阵。计算综合影响矩阵前，首先按下式对直接影响矩阵A进行规范化处理：

(2)

然后，计算综合影响矩阵T，T可表示为因素间直接和间接作用的和，即：

T=B(I-B)-1=[tij]n×n

(3)

式中：I表示单位矩阵;tij表示综合影响矩阵元素。

(4) 确定整体影响矩阵。由综合影响矩阵T及因素对自身的影响，可计算出系统整体影响矩阵H：

H=T+I=[hij]n×n

(4)

式中：hij表示整体影响矩阵元素。

(5) 确定可达矩阵。设定合理的阈值λ，可剔除系统中冗余的信息[26]，即通过比较hij值与阈值λ的大小，将系统中影响程度较小的关系忽略不计，得到可达矩阵M：

(5)

(6) 构建解释结构模型(ISM)。为了弥补传统ISM方法在层级划分时因元素不断增加而导致计算量加大、操作难度增大的不足，可根据因素的驱动力和依赖度对因素进行层级分析[27]。驱动力Oi和依赖度Pj的计算公式如下：

(6)

(7)

式中：Oi为驱动力，可表示为可达矩阵M中行元素相加的和；
Pj为依赖度，可表示为可达矩阵M中列元素相加的和。

(7) 构建ANP网络关系模型。根据可达矩阵M，建立ANP网络结构，并在SD(Super Decision)软件中建立ANP网络关系模型。

(9) 确定混合权重矩阵。按照下式计算混合权重矩阵Q：

Q=H+HW

(8)

其中，Q中各元素qij代表混合影响度的重要性程度[28]，即混合权重。

(10) 建立断链风险影响因素的多层递阶网络结构模型。利用复杂网络分析软件Gephi，按照上步求出的混合权重矩阵Q，建立断链风险影响因素的多层递阶网络模型。

(11) 确定影响因素的最终权重。通过标准化处理混合权重矩阵Q，可得到断链风险各影响因素的最终权重矩阵R：

(9)

其中，R中各元素rij代表断链风险各影响因素的最终权重。

本研究调研了上海、杭州、成都和重庆4个城市的生鲜电商企业和冷链物流行业从业人员，涵盖中高层管理人员、普通职员和一线配送人员，工作范围包括城市中心仓及前置仓区域运营、管理和生鲜商品物流配送等，共收集72份调查问卷，结合专家打分结果，对生鲜电商前置仓冷链物流断链风险的影响因素进行综合分析。

3.1 建立基于DEMATEL-ISM-ANP的生鲜电商前置仓冷链物流断链风险影响因素分析模型

3.1.1 构建直接影响矩阵A

划分相互影响程度的等级标度，即将影响因素之间相互影响程度由低到高划分为L1到L44个等级，如表2所示。

表2 影响因素之间相互影响程度等级划分表

专家们对24个影响因素两两之间的影响关系按照表2进行比较打分，通过对问卷调查结果进行统计，确定各影响因素间的相互影响程度，最终得到生鲜电商前置仓冷链物流断链风险影响因素的直接影响矩阵A：

3.1.2 确定可达矩阵M

基于复杂网络理论[24]，节点度指可达矩阵M中元素mij所在行和所在列的元素数量之和，因素的节点度越大意味着与该因素有直接或间接影响关系的其他因素数量越多，反之亦然。而阈值λ的设定将关系到后续影响因素多层网络结构的确定，即λ取值越大，因素的节点度就越小，系统多层递阶结构越简单，因素间的影响关系越难以准确衡量；
λ取值越小，因素的节点度就越大，系统多层递阶结构越复杂，因素间的影响关系计算也越繁杂[28]。

故将λ分别设置为0.02、0.04、0.06、0.08、0.10，并计算不同阈值下生鲜电商前置仓冷链物流断链风险各影响因素的节点度，得到各影响因素的节点度散点图，见图3。

图3 生鲜电商前置仓冷链物流断链风险各影响因素 的节点度散点图

为了合理分析因素间的影响关系，获得合理的系统结构，遵循影响因素节点度适中，不宜过大或过小的原则[28]，最终选取影响因素节点度适中的阈值λ=0.06，得到可达矩阵M:

3.1.3 构建解释结构模型(ISM)

根据可达矩阵M划分影响因素层级，分别计算可达矩阵的驱动力Oi和依赖度Pj，并以计算结果的中间值作为影响因素层级划分区间，得到生鲜电商前置仓冷链物流断链风险影响因素的层级划分图，如图4所示。

图4 生鲜电商前置仓冷链物流断链风险影响因素 层级划分图

3.1.4 确定混合权重矩阵Q

将SD软件中求得的权重结果保留三位小数后可得到影响因素的初始权重W；
再根据公式(8)计算混合权重矩阵Q，得到各影响因素混合权重qij的计算结果，见表3。

表3 生鲜电商前置仓冷链物流断链风险影响因素混合权重

3.1.5 建立影响因素多层递阶网络结构模型

根据图4和表3，建立了生鲜电商前置仓冷链物流断链风险影响因素的多层递阶网络结构模型，如图5所示。该网络结构模型中，节点的大小表示各影响因素混合重要性程度的高低；
节点间连接线条的粗细反映了影响因素之间的影响关系强弱[29]。

图5 生鲜电商前置仓冷链物流断链风险影响因素的多层递阶网络结构模型

3.1.6 确定影响因素的最终权重矩阵R

将混合权重矩阵Q进行标准化处理，得到生鲜电商前置仓冷链物流断链风险影响因素的最终权重rij，见表4。

表4 生鲜电商前置仓冷链物流断链风险影响因素的最终权重表

3. 2 结果分析

生鲜电商前置仓冷链物流断链风险的影响因素体系是一个复杂的网络系统，本文将从因素的因果属性、层次网络结构和权重三个方面展开分析。

3.2.1 因素因果属性分析

利用DEMATEL方法计算可得整体影响矩阵H，其行元素之和称为因素的影响度，列元素之和称为因素的被影响度，两者之差为因素的原因度，表示该因素与其他因素的因果逻辑关系[30]。若因素的原因度大于0，表示该因素对其他因素有较大的影响，为原因因素；
若因素的原因度小于0，表示该因素受其他因素的影响较大，为结果因素[31]。依据DEMATEL方法计算因素的原因度，可确定生鲜电商前置仓冷链物流断链风险各影响因素的因果属性，详见表5。

表5 生鲜电商前置仓冷链物流断链风险影响因素属性表

由表5可知:管理层冷链风险意识R1、员工素质和操作能力R2、员工在职稳定性R3等6个因素为原因因素，这些因素在系统中影响其他因素的程度更深；
生鲜商品出仓质量R4、生鲜商品在途损耗R5、配送网络规划管理R7等18个因素皆为结果因素，这些因素在系统中受其他因素影响的程度更深。

3.2.2 因素层次网络结构分析

依据DEMATEL-ISM-ANP法可得到生鲜电商前置仓冷链物流断链风险影响因素的多层递阶网络结构，详见图5。根据各影响因素的驱动力和依赖度，可将生鲜电商前置仓冷链物流断链风险的影响因素划分为4个层级，且各层级之间存在因果关联关系。其中，系统第一层驱动层影响因素是指高驱动力、低依赖度的因素，这类因素具有影响其他因素数量较多的特征，包括政策环境R23、管理层冷链风险意识R1、员工素质和操作能力R2、冷链监测系统实时化R15等6个因素；
系统第二层链接层影响因素是指高驱动力、高依赖度的因素，这类因素影响和被影响的其他因素数量均较多，包括物流运作成本管理R8、前置仓库存管理R9、食品质量安全管理R10、冷链物流信息管理R11等5个因素；
系统第三层依赖层影响因素是指低驱动力、高依赖度的因素，这类因素受到其他因素影响的数量较多，包括生鲜商品出仓质量R4、生鲜商品在途损耗R5、出仓检测流程标准化R18、装卸流程标准化R19等9个因素；
系统第四层独立层影响因素是指低驱动力、低依赖度的因素，这类因素在系统中相对独立，不易影响与受到其他因素的影响，包括分拣流程精准化R17、交货流程标准化R20、交通环境R21、自然环境R24等。

3.2.3 因素权重综合分析

因素因果属性描述了各个因素在系统中对其他因素的影响程度，因素多层递阶网络结构直观地展示了因素的影响广度，但是各个因素的重要性不完全相同，下面结合因素权重进行综合分析。本文以表5中影响因素属性(原因因素、结果因素)和图5中影响因素层级结构(驱动层、链接层、依赖层、独立层)为分析的两个维度，并结合表4中影响因素的最终权重，选取系统中12个权重较大的影响因素进行综合分析，具体分类见表6。

(1) 驱动层原因因素。管理层冷链风险意识R1、员工素质和操作能力R2、政策环境R23的权重在系统中排前3位，从因素属性角度，为原因因素，又位于多层网络结构的驱动层，结合前述分析可知，这类因素在系统中对其他因素的影响范围较广、影响程度较深，是生鲜电商前置仓冷链物流断链风险的关键影响因素。

表6 权重较大的生鲜电商前置仓冷链物流断链风险影响因素分类表

目前，政府从冷链基础设施建设、食品安全防范、追溯平台建设等方面出台了多项政策[32]，引导生鲜电商冷链物流行业健康发展。同时，相关研究表明生鲜电商企业意识到员工素质和操作能力、管理层冷链风险意识的重要性。虽然生鲜电商冷链物流行业高速发展，但冷链人才缺乏问题仍普遍存在。为此，建议专本科院校开设冷链物流专业，综合分析我国冷链企业人才需求和全链条工作流程，形成涵盖物流管理、冷冻冷藏技术、质量检测与监控三大核心能力的课程体系[33]，并通过企业调研、顶岗实习等形式，培养高素质冷链技术与管理人才。同时，建议企业深化校企合作，构建理论与实践、知识与能力紧密结合的人才培养模式，促进高素质专业人才向行业流动。此外，建议企业应对在职员工定期开展培训学习与考核，壮大企业人才队伍[34]。

(2) 驱动层结果因素。冷链监测系统实时化R15的权重在系统中排在第10位，是前12位权重较大影响因素中唯一位于驱动层的结果因素，其影响范围较广，但受特定因素的影响显著。根据网络层次结构分析，R15对权重较大的链接层和依赖层因素有一定的影响，如生鲜商品在途损耗R5、物流运作成本管理R8、食品质量安全管理R10等因素。

目前，部分生鲜电商企业已意识到R15对全程冷链起关键作用，也采取了更新冷藏运输设施等具体措施，但生鲜在途损耗率较高、食品质量安全隐患大等问题仍普遍存在[35]。实际上本文通过分析因素属性发现，R15受R1、R2、R23的影响显著，因此建议企业在提升R15水平的同时，还需要考虑R1、R2、R23对其的内生影响作用。同时，在政策环境R23方面，建议政府监管部门在针对食品质量安全问题加大处罚力度的同时，更应正向激励生鲜电商企业完善健全冷链实时监测体系。而从企业自身角度出发，建议在提升R15水平的同时，还应完善仓储、装卸及运输等环节智能实时监测系统的建设，实现各个环节温湿度等冷链信息可视化、可控化[36]，并增强员工全程冷链风险意识，培训员工对智能系统的操作能力，做到当出现食品质量安全问题时，能立即启动应急预案，保障冷链不断链。

(3) 链接层结果因素。物流运作成本管理R8、食品质量安全管理R10、冷链物流信息管理R11这三个因素是链接层结果因素。从因素属性角度，这类因素受原因因素的影响程度较深，如管理层冷链风险意识R1、员工素质和操作能力R2、政策环境R23等。从网络层次结构角度，这类因素不仅受R1、R2、R23等驱动层原因因素的影响，还会影响权重较大的依赖层因素，如生鲜商品出仓质量R4、生鲜商品在途损耗R5、出仓检测流程标准化R18、装卸流程标准化R19等，因此生鲜电商企业要想实现R8、R9、R10、R11等链接层因素对R4、R5、R18、R19等依赖层因素的影响作用，应先考虑到R1、R2、R23等驱动层原因因素。

以食品质量安全管理R10为例，盒马鲜生在经营中曾多次出现食品质量安全问题，如线下门店销售的罗氏虾(淡水虾)在检验中发现，其含有的呋喃西林代谢物超过了国家食品质量安全标准，若摄入过量有关该物质的食品将会危害人体健康。企业通常将其归属于食品质量检测流程R18问题，便严管质检环节。但食品质量安全问题仍频频发生，如2019年12月线下门店销售发霉水果、鲫鱼被检出恩诺沙星超标等。而本文研究结果表明，出仓检测流程标准化R18主要受企业食品质量安全管理R10的影响，同时员工素质和操作能力R2又会直接影响R18。因此，建议企业应针对商品管理人员、销售人员和配送人员进行专门培训，提升其专业素质，进一步加强临近保质期食品质量安全管理，避免员工管理不当导致的食品质量安全问题。

(4) 依赖层结果因素。生鲜商品出仓质量R4、生鲜商品在途损耗R5、物流包装标准化R16、出仓检测流程标准化R18、装卸流程标准化R19这5个因素作为依赖层结果因素，受驱动层和链接层因素的影响程度较深，如管理层冷链风险意识R1、员工素质和操作能力R2、冷链监测系统实时化R15、食品质量安全管理R10等因素。

目前，生鲜电商企业已意识到这类因素主要受其他因素的影响，因此对这类因素的管控应建立在对驱动层和链接层因素的管控之上。如生鲜商品物流包装标准化R16水平的提升，会受到管理层冷链风险意识R1、物流运作成本管理R8的影响，基于此建议企业应先改进R1、R8等因素；
此外，提高生鲜商品装卸流程标准化R19的程度，依赖于装卸作业区温度控制及人员操作，建议企业应先提升冷链监测系统实时化R15、员工素质和操作能力R2等驱动层因素。

除表6中因素之外，系统中还有12个权重较小的因素，如员工在职稳定性R3、基础设施设备完备水平R12、冷冻冷藏设备智能化R13等因素。

(1) 基于安全生产管理理论，从人员、商品、管理、机器、技术和外部环境6大维度，识别并提取出生鲜电商前置仓冷链物流断链风险的24个影响因素，通过整合DEMATEL、ISN、ANP三种方法研究了各影响因素之间的因果关系，并将这些复杂的因果关系转化为直观的多层递阶网络结构模型，进而通过模型计算，从因素属性、层次网络结构和权重三个不同视角进行综合分析，为生鲜电商前置仓冷链物流断链风险管理提供新的思路与研究方向。

(2) 本文研究结果表明：权重排在前3位的政策环境、员工素质和操作能力、管理层冷链风险意识是驱动层原因因素，对系统中其他因素的影响范围广、程度深，是生鲜电商前置仓冷链物流断链风险的关键影响因素；
同时，食品质量安全管理、冷链物流信息管理、物流运作成本管理、前置仓库存管理等链接层结果因素，既受到政策环境、员工素质和操作能力、管理层冷链风险意识等因素的影响，又会影响生鲜商品出仓质量、生鲜商品在途损耗等依赖层结果因素。因此，生鲜电商企业对依赖层结果因素的管控不应仅关注商品质量、机器设备、流程标准等指标本身的高低，还应追溯到链接层因素的直接影响和驱动层的间接影响作用。但值得注意的是，其中一个权重较大的因素冷链监测系统实时化既为驱动因素，影响因素范围广，又属于结果因素，会受到其他因素的影响，两者看似矛盾，实则不然。以往的研究[13]中仅结合DEMATEL、ISM方法分析因素间的层次结构与中心度，而本文在此基础上集成DEMATEL-ISM-ANP三种方法更为全面地剖析了因素的层次网络结构、属性和权重，由此通过ANP法计算得知冷链监测系统实时化是权重较大的因素；
从因素属性角度看，冷链监测系统实时化受权重较大的政策环境、员工素质和操作能力、管理层冷链风险意识的影响显著；
从层次网络结构角度看，冷链监测系统实时化驱动作用范围较广，影响了权重较大的8个因素(不包括政策环境、员工素质和操作能力、管理层冷链风险意识)。因此，建议生鲜电商企业在提升冷链监测系统实时化水平的同时，还需进一步强化管理层冷链风险意识、提高员工专业素质和操作能力，以正向影响食品质量安全管理、生鲜商品在途损耗等其他关联因素，降低生鲜电商前置仓冷链物流断链风险。

(3)本研究重点在于分析影响生鲜电商企业前置仓冷链物流断链风险的影响因素，但局限性在于尚未针对具体企业提出直接解决方案，后续将根据具体生鲜电商企业有关案例做进一步的研究。

猜你喜欢断链冷链前置“科技创新是人类发展进步的成果，没有任何国家可以独享，更不应该利用科技优势打压遏制别国发展”宁波经济(财经视点)(2022年11期)2022-12-16要不要做冷链物流？中国储运(2022年6期)2022-06-18被诊断为前置胎盘，我该怎么办中国生殖健康(2020年5期)2021-01-18前置性学习单：让学习真实发生教书育人(2020年11期)2020-11-26国企党委前置研究的“四个界面”当代陕西(2020年13期)2020-08-24变频一体机断链保护在刮板输送机中的应用分析机械管理开发(2020年2期)2020-04-16被诊断为前置胎盘，我该怎么办中国生殖健康(2018年5期)2018-11-06冷链物流用复合蓄冷材料的研究制冷技术(2016年2期)2016-12-01劲达电装联手开发冷链物流市场专用汽车(2016年5期)2016-03-01城镇化进程中农民工流动子女教育的断链与衔接学术论坛(2015年6期)2015-12-24