梁小燕，张 翔

［1.中海油能源物流有限公司，天津 300480；2.中海石油（中国）有限公司深圳分公司，广东 深圳 518054］

0 引言

海洋石油后勤基地是联通陆地与海上的核心要塞，为海上的勘探、开发、生产提供设备设施和物资等服务，是集合仓储、运输、配送、港口服务及系统资源调度等多方面功能于一体的大型复合类行业。在保障海上石油勘探开发作业的前提下，落实节能减排，优化用能结构，构建绿色低碳化物流园区成为海洋石油后勤基地的改革转型目标之一。科学地评价基地的碳排放效率、劳动生产效率和保供作业量，可为企业因地制宜、因时制宜的决策提供必要的依据。

1 DEAˉBCC 模型基本思路

DEA 是著名运筹学家A. Charnes，W. W. Cooper和E. Rhodes 提出的一种用来评价不同DMU 相对有效的方法[1]。该方法通过保持DMU 的输入和输出不变，借助数学线性规划，形成经验生产可能集。当DMU 位于有效生产前沿面上，则能判断DMU 的有效性。

2 DEA 数据包络分析模型构建

2.1 产出导向 DEAˉBCC 模型构建

基于以上的建模思路，根据海洋石油后勤基地指标特点，现在构建以产出为导向的DEAˉBCC 数据包络分析模型[2]。模型假设有n 个基地DMU，每个基地都有m 种投入变量和s 种产出变量，用xij（i=1，2，3，…，m）表示投入指标，其越小越好；用1，2，3，…，s）表示产出指标，其越大越好，则得出DEA 模型表达式。

其中：xj——物流基地j 的投入评价指标，其值越小越好；yr——物流基地j 的产出评价指标，其值越大越好；λj——未知的权重；n——模型中各区域物流基地的个数；m——投入指标的个数，即xj指标的数量；s——产出指标的个数，即yj指标的数量；Ø——DMU的效率值。

以上模型中，主要通过找到系数Ø 来增加输出，Ø*就是该DMU 的效率得分。如果Ø*=1，那该DMU 就在生产前沿面上，属于DMU 有效，输出无法成倍增长；如果Ø*＞1，那相同的投入可以获得更多的产出。

2.2 产出松弛变量

通过上述模型，可以计算出各DMU 的有效性。但是在实际的基地生产运营中，并非所有的DMU 均能位于生产效率前沿上，即DMU 有效，还会存在弱DMU 有效，此时就存在松弛变量，它能在确定投入产出的比例基础上，确定能增加多少，能为管理决策提供准确的目标数据。求解模型中的最优松弛变量，在模型（1）中，在Ø*的基础上，以输出导向的DEA模型来计算最优松弛如式（2）所示。

如果Ø*=1，那该基地位于生产有效前沿上，没有其他DMU 比它更有效；如果Ø*＞1，那么该基地的评价无效，就需要考虑调整投入产出。

2.3 非期望产出转化

在现实海洋石油后勤基地中，增加输出的产值是决策管理者的目标，但其会伴随着碳排放量的增加，并非我们所期望的。针对非期望产出，考虑使用单调递减的数学转化方法，建模过程中，对每个非期望产出都乘以-1，然后寻找一个合适的转换值νr，使得每个负的非期望产出都转化成正值，即＞0，在该文章建模中，可定义则以产出导向模型可转换为：

上述模型中，增加期望产出产值，降低了非期望产出二氧化碳排放量，并确保了最优的非期望产出非负，满足现实情况。根据以上3 个阶段模型计算，可以得到一个在有效前沿面上的DEA 投影目标，并计算出最优值。

3 海洋石油后勤基地DEA 模型计算

3.1 指标数据选取

本文根据海洋石油后勤基地运营情况，选择联通陆地与海上的5 个港口基地作为DMU，选取2021年基地生产运营的投入产出数据，进行效率分析。相关指标如表1 所示。

表1 海洋石油后勤基地DEA 模型投入产出变量

其中各指标构成如下：第一个投入指标为选择基地的固定资产，主要涉及机具设备的数量；第二个投入指标为劳动力，即基地生产运营需求的劳动力资源，表现为员工数量；第三个投入指标为生产所需要的能源消耗，主要涉及基地内的燃料、电力与热力，其中基地的燃料主要使用柴油[3]，根据《省级温室气体清单指南（试行）》，柴油折换标准煤系数为1.46 kg[4]，而采用当量值计算出电力折算标准煤系数为0.1229 kg（/kW·h），热力折算标准煤系数为0.034 12 t/百万kJ。基于以上参数，根据基地生产投入的能源消耗，计算得出总计的吨标准煤，并将其作为第三个产出值。

3.2 模型计算

将处理后的投入产出变量数据代入第二部分的模型，通过DEAP2.1 软件运算，得出海洋石油基地2021 年在期望与非期望产出约束下的效率分析。

第一步，基于模型（1）对 5 个 DMU 的 DEA 效率进行产出导向模型测算，得出以下各DMU 的效率值，如表2 所示。

表2 海洋石油后勤基地DEA 模型效率值

其中，基地B 和Z 已经处于有效的生产前沿线上，每排出一单位的二氧化碳所创造的产值是最高的。而基地S、H、G 未在有效前沿面上，基地S 和G的综合效率未达到有效，是源于规模效率不足，因此可调整规模结构，使得综合效率提升，实现每单位二氧化碳创造的产值最大化。而基地H 的综合效率受纯技术效率值的影响，技术应用与管理还有较大的优化空间，即现有的技术还未发挥到最大值，导致该DMU 处于弱有效状态。因此，需要对H 基地的综合效率提升数据进行进一步分析。

第二步，针对弱有效的第4 个DMU，即H 基地，进行松弛变量测算，基于模型（2），经过DEAP2.1 软件的运算，得出相关投入/产出松弛变量数据如表3所示。

表3 投入/产出松弛变量数据

基于计算得出松弛变量，即模型（2）中的s，根据松弛变量投影的取值，计算出可达到DMU 有效的投入产出变量。对于弱有效的H 基地，可改进基地的技术管理，使其发挥最大效用，可在保持现有的每单位碳排放量情况下，每年约增加18 566 万元的产值，从而实现高效绿色基地发展目标。

第三步，在现有的产值情况下，考虑到通过模型计算，来进一步验证保持现有产值下，节能减排目标的设定，即寻找最优的基地碳排效率。通过模型（3），对非期望产出进行线性变换后，求解出基于产出导向的有效DMU，并将目前产出投影到目标产出中，如表4 所示。

表4 产出变量投影生产前沿目标对比

从表4 中可见，根据模型测算，5 个DMU 在保持现有的产值前提下，可降低碳排放量的对比，在这些基地中最多可减排53%，最少的也可减排4%，年二氧化碳减排量可达到1381 t。这对于保生产、保供应的基地生产运营而言，实现绿色低碳的目标同时不影响生产是至关重要的，而上述模型的测算，能给基地整体的运营效率与减排方向提供科学精准的决策数据。

4 结语

表2 中H 基地的综合效率呈现弱有效，主要是由于纯技术效率值的影响。但在现实的应用场景中，该基地是最早进行智能优化的试点基地，可见其技术效率的管理与使用仍存在增大产值的空间[5]。由于海洋石油后勤基地是一个集多方位功能于一体的专用港口园区，对其碳排放效率评价进行研究，有助于保障我国海上能源的开采。