物流供应商评价模型（精选10篇）
物流供应商评价模型 篇1
近些年, 供应链管理成为管理领域的热门研究对象。随着服务经济的快速发展, 服务供应链也得到了更多的重视。物流服务供应链是一种新型的供应链, 它由功能物流服务商, 物流服务集成商和零售商或制造商构成。当物流服务集成商不能够达到客户的需求时, 它将物流业务分发到功能物流服务商去完成服务。
物流服务供应链做为研究发展趋势, 无论在实践和理论研究上都有所发展。因此, 对于物流服务供应链的现状研究, 有的学者把研究重点放在企业之间的合作能力上, 刘伟华等人对物流服务供应商的评价体系进行研究。从其他文献研究也表明, 很少出现完善的物流服务供应链的绩效评价体系的文献。
对于物流服务供应链绩效评价系统的建立, 不用的学者给出了不同的观点和看法, 可从制造供应链中析取经验, 例如供应链协会提出的基于供应链运作参考模型, 包括四个过程 (资源、运作、分配、逆向) 、服务质量模型、标杆学习、平衡记分卡等等建立评价系统的方法。由于物流服务供应链特有的特征, 所以物流服务供应链更具有不确定性和复杂性的特点。所以在建立物流服务供应链系统时很复杂。
在供应链的评价方法上, 常见的评价方法有层次分析法、网络层次分析法、数据包络分析法等等, 在指标权重的确定上会出现主观判断的问题, 而本文的软集合理论可以避免出现主观判断的问题, 可保证指标权重的客观性。
本文从绩效评价的3个方面入手, 从中细化成32个二级指标, 建立物流服务供应链绩效评价体系, 并侧重于将软集合理论应用到物流服务供应链绩效评价中, 该方法可以得到指标的客观权重, 从而避免了主观判断带来的问题和达到更好的绩效评价的目的。
一、物流服务供应链绩效评价体系构建
1. 评价体系建立的必要性
近些年, 物流业的快速发展成为我国经济发展的驱动力, 物流业也越来越受到重视。发展伴随着企业之间的激烈的竞争, 为了在物流业中占有一席之地, 企业需要了解自身企业的优势与劣势。现在, 不是企业与企业之间的竞争, 而是供应链也供应链中的竞争, 所以对于物流服务供应链的绩效评价尤其的重要, 找出供应链中的优势与劣势才能更好的把握竞争和发展, 所以绩效评价的建立是刻不容缓的事情。
2. 指标体系建立原则
指标体系建立最重要的是指标的选择, 尽可能的全面的绩效进行反应。指标的建立必须具有科学性、合理性、全面性的特点。建立一套合理的评价体系时常会出现各种各样的问题, 所以要遵守一定的原则去分析和判断, 才能更好的解决各种各样的问题。
目的性原则:对于指标的设计, 应该围绕着一个特定的目的进行设计。由于物流服务供应链的不确定性和复杂性, 更应该围绕服务进行设计, 才能更好的反应物流服务供应链的绩效。
系统性原则:指标体系的设计涉及多个方面, 必须采用系统的思想去设计, 这就要求在指标的设计时必须考虑指标之间的相关性、整体性和层次性的特点。
科学性原则:坚持科学的原则, 指标体系的设计建立在科学方法的基础上, 这样绩效评价才会更具有可靠性。
可操作性原则:指标设定明确和清楚, 能够很好的进行统计和计量, 这样才有利于分析和说明问题。
3. 指标体系设计
根据指标设计的原则, 考虑到评价系统的不确定性和复杂性的特征, 需要设计一个较为完整的绩效评价体系。从供应链的整体运作、客户服务和合作管理三个方面进行指标体系设计。
供应链的整体运作:在建立系统时, 应该从整体上对供应链进行评价, 在反应性、灵活性和可靠性这3个准则下设计二级指标, 如服务分配时间、客户等待时间、灵活处理订单时间、物流服务质量和客户忠诚度等等进行设计。
客户服务:物流服务供应链是服务中的一种, 归根到底是服务业, 要通过客户的满意度进行衡量服务的好坏。因此, 在有形性、安全性和同感度下设计二级指标, 如服务范围、物流服务能力、客户抱怨率等等进行设计。
合作管理:在供应链中, 讲究的是各个企业之间的相互合作和配合, 对于合作的好坏也会直接影响到绩效, 所以要对合作进行评价。因此, 在风险、信息、利润率、成本、资产和资源利润率的准则下设计二级指标。
二、绩效评价模型
1. 软集合基本概念
定义1:设U是论域, (F, E) 是论域上的一个软集合, 当且仅当F是E到U的所有子集上的一个映射时。
换种方式定义:设U是初始论域, E是参数集。设论域U的幂集是P (U) , 当且仅当F是E到U的所有子集上的一个映射, 则称F (e) 是论域上的一个软集合。每个F (e) 都可以被看作是软集合 (F, E) 中e-元素的集合, 或者 (F, E) 中e-近似元素的集合。
2. 双射软集合基本概念
定义2:设U是论域和 (F, B) 是在论域上的一个软集合, 其中F是B到P (U) 的映射, P (U) 是U的幂集, 则称 (F, B) 是双射软集合, 只有
(2) 对于任意两个参数, ei, ej∈, ei≠ej, 则。
3. 模型及算法
第一步:建立双射软集合决策系统 ( (F, E) , (G, B) , U) 。
假设在论域U上, (Fi, Ei) , (i=1, 2, ..., n) 是定义在论域U上的n个双射软集合, 其中, (G, B) 是定义在论域U上的双射软集合, 其中, 则被称为决策软集合。
设, 则三元组 ( (F, E) , (G, B) , U) 是被称为在论域U上的双射软集合决策系统。
第二步:计算∪ (Fj, Ej) 与 (G, B) 之间的依赖度, 其中0≤j≤n-1。
设 (F, E) , (D, C) 是论域U上的两个双射软集合, 其中。称 (D, C) 依赖于 (F, E) , 用表示依赖度k, 则定义为:
其中, │x│为集合的基数。
双射软集合的依赖度是用来描述一个双射软集合对另一个双射软集合的划分程度。如果k=1, 称 (D, C) 完全依赖于 (F, E) ;如果k=0, 则称 (D, C) 不依赖于 (F, E) 。
第三步:计算双射软集合决策系统的依赖度。
设 ( (F, E) , (G, B) , U) 是双射软集合决策系统, 其中, 并且 (Fi, Ei) 是双射软集合, 则称 (F, E) 为条件双射软集合。双射软集合 (F1, E1) ∧ (F2, E2) ∧...∧ (Fn, En) 和 (G, B) 的依赖度用依赖度k表示, 则定义为:
第四步:计算双射软集合决策系统的重要度。
设 ( (F, E) , (G, B) , U) 是双射软集合决策系统, 双射软集合的重要度用来表示, 其定义为:
其中, 。
第五步:计算双射软集合决策系统中参数集合的权重。
计算参数集权重定义如下:
4. 分明矩阵
定义4:设是在论域U上的个双射软集合, 它的分明矩阵M= (mij) m×n为m×n阶矩阵, 其中
定义5:决策信息系统的分明矩阵, 满足以下条件:
(2) (xi, xj) ∈n×n。设A是决策信息系统中的一个参数集合, 其中, 且A∈W, 那么W-{A}可以从W中删除, 这删除的过程称为双射软集的约减。
三、算例计算过程
假设选择了15个公司作为对象代表物流服务供应链进行评价。
设U={x1, x2, ..., x15}代表15个公司。10个参数集代表10个指标。En代表各项指标。
首先, 运用离散化方法将指标数值转化为高、中、低, 如E1={高, 中, 低}等。
第二, 可以针对每项指标数据构建双射软集合。按照该方法可以构造双射软集合决策系统。其中, (Fi, Ei) 为条件双射软集合, (F10, E10) 为决策双射软集合。
第三, 为了简化计算, 用分明矩阵对数据进行约减, 最终约减出核心指标。
第三, 通过约减出的核心指标, 可以得到一个双射软集合决策系统。
第四, 通过公式1和2, 计算依赖度。
第五, 用公式3得到每个 (Fi, Ei) 的重要度。
第六, 根据公式4, 得到每个参数集的权重。
最后, 可以得到每个指标的权重, 从而得出做种的排名和系统的评价。
通过评价得分, 可以得知物流公司乃至整个供应链哪些方面需要改进, 哪些方面是自己的优势需发扬。
四、结论
对于物流服务供应链绩效评价体系的建立是非常重要的。评价体系具有复杂性和不确定性的特征。本文从3个一级指标和细化的32个二级指标入手, 从而建立起物流服务供应链评价体系。运用软集合理论的运算法则来评价绩效, 并详细的讨论了软集合理论的定义、方法和步骤。结果表明, 该模型的运用可以更好的得知物流服务供应链中的优势和劣势之处, 以便加强供应链的竞争。最后, 证实软集合理论方法的有效性。
参考文献
[1]刘伟华, 葛美莹, 谢东等.基于ANP-Fuzzy方法的物流服务供应链流程对接绩效评价[J], 武汉理工大学学报, 2012, 26 (6) :1113-1117.
[2]Akyuz, G.A., and T.E.Erkan.Supply Chain Performance Measurement:A Literature Review[J].International Journal of Production Reseach, 2010, 48 (17) :5137-5155.
[3]Murata, K., and H.Katayama.A Study of the Performance Evaluation of the Visual Management Case-Base:Development of an Integrated Model by Quantification Theory Category Iii and Ahp[J].International Journal of Production Research, 2013, 51 (2) :380-394.
[6]缪彬, 魏巍.基于双射软集合的参数约减算法及在决策中的应用[J].系统工程, 2012, 30 (2) :115-119.
物流供应商评价模型 篇2
内容摘要：本文应用对应分析方法对我国省级行政区物流经济发展水平进行了实证研究，发现西部经济区物流经济发展水平显著滞后于中部地区和东部地区。文章指出，要推动我国物流经济可持续健康发展，应提升物流公共服务设施供给、实现物流经济发展创新驱动、推动物流企业规模发展、建立多层级冷链物流体系结构、加强境外冷链物流园区建设。
关键词：对应分析 物流经济 综合评价 实证研究 发展对策
我国物流经济发展的驱动力
第一，为了纠正传统的生产过程与消费之间的不协调现象，提高物质资料生产过程效率，我国正大力推动供给侧结构性改革。物流业是现代经济社会发展的晴雨表，物流经济承载着生产与流通过程的大量有价值信息，也是信息化条件下产品价值实现的重要环节。因此，大力发展物流经济是我国供给侧结构性改革的必然要求。
第二，我国正积极推动“一带一路”倡议的实施，以农业为例，在推动“一带一路”倡议的过程中，我国与东南亚沿线国家在现代农业产品结构方面存在较大互补性，通过产品贸易的形式能够满足农产品需求，而农产品普遍存在保质时间较短，对物流要求较高等特点，这就要求我国在推动“一带一路”倡议过程中大力发展现代冷链物流经济，为“一带一路”倡议的有效实施提供支撑。
第三，随着信息化技术的高速发展，特别是各种移动终端的广泛普及，网络环境下的消费者行为习惯发生了巨大改变，网络消费成为高效和有效的消费形式，而网络消费必须要求高度发展的现代物流业予以支撑，特别是各种农业和生产产品进入网络消费时代的环境下，现代物流业催生了当日达、次日达、隔日达等各种新型物流产品和建立在物流经济基础上的商业模式。因此，信息技术的高度发展为现代物流产业发展注入了强大驱动力。
我国物流经济发展的挑战
第一，经济发展总体速度不断放缓。我国经济社会发展进入新常态，经济发展结束了两位数的高速增长模式，由经济发展的总量向经济发展的质量层次过渡，物流业增长速度也由传统的超过20%的增长速度向9%左右的速度调整，产业发展速度调整的同时必然要求产业加速实现转型升级。
第二，物流产业发展的总体成本不断上升。一方面，在土地成本方面，资源要素进入高成本时代，物流用地依然紧缺；另一方面，在劳动力成本方面，随着我国人口总体出生率的下降和人口老龄化速度的不断加快，人口红利不断消失。
第三，信息技术对物流经济发展提出新需求。创新驱动已经成为我国物流业的重要支撑，领先物流企业通过技术创新、管理创新打造战略竞争新优势。此外，大数据、云计算、物联网等新的信息技术，给物流业带来了重大变革和新的挑战。
第四，现代物流经济发展的金融支撑力不足。物流产业是典型的资本密集型和劳动密集型产业，目前物流基础设施相对薄弱是制约我国物流产业发展的重要短板，现有的物流标准化园区等物流基础设施建设主要依托各级政府财政资金作为来源，建立在社会多元化资本来源基础上的金融支持对现代物流经济发展的支撑力显著不足。
基于对应分析的物流经济发展水平综合评价
（一）研究变量
经济发展水平遵循从经济要素投入到生产过程实现并最终形成经济价值的一般性客观规律，物流经济的发展过程也遵循上述规律。在物流经济生产要素投入环节，选取“物流产业从业人员占全体就业人员比例”、“物流固定资产投资比重”分别用于表示物流经济的劳动投入强度和资本投入强度；在物流经济生产过程环节，选取“单位面积铁路里程数”、“物流园区总数”、“通用仓储总面积”、“货运总量”、“物流产业集中度”等指标反映生产过程特征；在经济价值形成环节，选取“物流业增加值”作为经济发展水平的衡量指标。综上，研究变量如表1所示。
（二）研究对象和数据
在具体实践过程中，不同地区的经济发展决定了物流经济发展的需求以及发展水平等，考虑到地区的差??性以及不同地区在物流经济发展中的差异性等特征，本文以我国大陆省级行政区域为研究对象。为了剔除不同时间段的波动性，考察期涵盖2006-2015年共10个，研究变量来源于相关《中国统计年鉴》等权威数据源，各个指标研究变量选择相关平均值作为原始数据值。
（三）研究方法
因子分析模型。物流经济发展水平是多因素综合评估的结果，因子分析模式是进行多因素综合评估的有效方法。因子分析的本质在于在保证指标携带的统计信息不失真的基础上，通过指标降维的形式进行指标缩减。因子分析的基本模型如下：
公共因子F1，F2，„，Fm相互独立且不可测，由于公共因子少于原始变量的个数，且公共因子不可观测，通常使用回归的思想求出线性组合系数的估计值，即建立如下公共因子为因变量、原始变量为自变量的回归方程：
从而得到各个评价对象的综合评价值。
对应分析模型。对应分析又称相应分析，是R型因子分析与Q型因子分析的结合，其利用降维的思想以达到简化数据结构的目的，其基本思想是由Richardson和Kuder在1933年提出，后来法国统计学家Jean-Paul Benzecri和日本统计学家Hayashi Chikio对该方法进行拓展。传统的因子分析只能对数据阵单独进行R型或Q型因子分析，不能同时对行因素和列因素进行分析，这就将行因素和列因素割裂开来，从而遗漏了很多有用信息。对应分析是通过分析由定性变量构成的交叉列连表来分析二维数据阵中行因素和列因素间的关系，揭示同一变量各个类别之间的差异，以及不同变量各个类别之间的对应关系。
对应分析的主要步骤：由原始列联表数据计算规格化的概率意义上的列联表；计算求解矩阵；计算R型因子分析或Q型因子分析，并由R型（或Q型）因子分析结果推导出Q型（或R型）因子分析结果；在二维图上画出原始变量状态，并对结果进行分析。
（四）研究结论
指标相关性分析。指标相关性分析是进行因子分析的基础，各研究变量相关性计算结果如表2所示，通过指标相关性计算结果可以看出，各指标之间总体相关性较高，适应进行进一步因子分析。
模型有效性检验和因子提取。模型显著性检验结果如表3所示，巴特利特球形检验的显著性低于0.05的统计显著性水平，适应进行因子分析。
因子提取结果如表4所示，前两项因子的累计方差百分比达到99.275%，因此，保留第一因子和第二因子即可保证信息保留程度。因此，以第一因子和第二因子的计算值为基础计算综合因子得分。
对应分析结果。根据图1可得到以下研究结论：
从行政区域的角度分析，通过图1可以看出，1级物流经济发展水平与西部地区最接近，2级物流经济发展水平与中部地区最接近，而4级和9级物流经济发展水平与东部地区最接近。因此，可以得出西部经济区物流经济发展水平显著滞后于中部地区和东部地区的结论。
结合本文构建的物流经济发展水平评价指标体系，从造成西部经济区物流经济发展水平显著滞后于中部地区和东部地区的因素分析，“物流业增加值”、“单位面积铁路里程数”、“物流产业从业人员占全体就业人员比例” 和“物流产业集中度”方面的差异是造成不同地区之间物流经济发展水平显著差异的主要原因。
不同地区物流经济发展的重点具有差异性。以陕西省为例，陕西省物流经济发展水平在西部经济区居于中游偏上的位置，结合陕西的区位因素，在发展物流经济过程中应依托综合保税区、铁路物流集散中心、公路港三大核心平台，完善口岸功能，打造“丝绸之路经济带”重要国际物流枢纽港，依托西咸新区空港新城，加快空港物流园区建设，完善航空货运物流网络。
我国物流经济可持续健康发展策略
（一）提升物流公共服务设施供给
从目前各地实践情况分析，物流经济相关公共服务设施是我国发展物流经济需要补足的重要短板。在物流公共服务设施供给资金支持模式上，应由传统的依托财政资金为主的资金支持模式向政府与社会资本合作的PPP模式转变，放大财政资本的杠杆效应；在物流公共服务设施供给发展领域方面，应加大对战略性多式联运枢纽、高速公路、高速铁路、内河航道的投资力度，健全综合交通运输网络，同时为了改变物流产业用地不足以及用地成本过高等问题，应将物流用地纳入城市总体规划。
（二）实现物流经济发展创新驱动
创新驱动成为知识经济发展时代的重要特征，物流经济的发展也不例外，推动物流经济的可持续发展，必须提升物流经济发展的创新能力。一方面，大力支持物流企业技术创新，对物流企业技术创新提供贷款贴息等政策支持；另一方面，大力支持企业模式创新，开展行业示范工作，推行多式联运、甩挂运输、无车承运等组织方式和集中采购、精益物流、物流金融等经营模式；最后，云计算、大数据、移动互联等先进技术的应用对于合理规划物流路线、进行消费者行为分析与预测具有重要意义，应大力支持物流企业应用现代信息技术。
（三）推动物流企业规模发展
我国物流企业规模普遍较小，市场集中度较低。推动物流经济企业规模发展，应支持物流企业通过兼并重组的形式实现联合发展，特别是通过整合国有物流企业的形式实现规模扩大化，同时加强对物流龙头企业的培育力度，强化对龙头企业的政策支持。
（四）建立多层级冷链物流体系结构
随着生鲜产品在现代物流业中比重的不断提升，为了有效支持从田间到餐桌的物流目标，在现代物流经济发展过程中应建立多层级冷链物流体系结构。一方面，在农产品出口区域，以出口农产品基地为依托，中心城区（周边）、重点乡镇、生产基地、示范园区梯次配置，全面推进冷链物流体系建设；另一方面，在中心城区（周边）布局建设综合型或专业型冷链仓储设施，形成辐射带动能力较强的冷链仓储物流中心，在果蔬生产重点区域布点建设果蔬保鲜冷?臁?
（五）加强境外冷链物流园区建设
随着我国“一带一路”倡议的不断推进，“一带一路”沿线国家对我国产品需求不断提升，特别是对我国西部经济欠发达地区农产品存在较大需求，但是其普遍存在物流基础设施薄弱等现实问题。为了借助“一带一路”提升我国西部地区物流经济服务经济发展的能力，在利用“一带一路”倡议发展跨境农产品销售业务的同时，应加强对“一带一路”沿线国家冷链物流产业园区的投资建设。
参考文献：
1.陈志卷，赵放.物流网络规模与区域经济发展关联度及协调度分析―以天津市为例[J].物流技术，2011，30（3）
2.薛婷婷，吴娜.基于灰色理论的农村物流与区域经济协调机制研究[J].物流技术，2014，33（4）
3.戴君，谢，王强.第三方物流整合对物流服务质量、伙伴关系及企业运营绩效的影响研究[J].管理评论，2015（5）
4.李晓梅，白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析―基于16家上市物流企业的样本数据[J].中国流通经济，2016（4）
5.汪小京，刘志学，徐娟.基于系统动力学的第三方物流管理库存模型[J].系统管理学报，2016（2）
6.白元龙，杨柔坚.“一带一路”战略下江苏物流业发展研究[J].宏观经济管理，2017（1）
7.王丽萍.物流业碳排放与能源消耗、经济增长关系的实证研究―以河南省为例[J].系统工程学报，2017（2）
8.朱瑜馨，张锦宗.对应分析在土地利用综合效益评价中的应用[J].地理科学进展，2010（4）
9.亢婷.对应分析法在课堂教学质量评价中的应用[J].数理统计与管理，2015（1）
合作供应链：模型和绩效评价 篇3
关键词：合作供应链；绩效评价；动态绩效
中图分类号：F252 文献标识码：A
一、引言
合作供应链就是把系统观点引入到供应链的管理当中，把供应链作为一个整体来看待，通过供应链成员之间的有效合作，达到改善整个供应链绩效的目的，为企业赢得竞争优势。
二、基本模型
一个合作供应链模型由六个部分组成，分别是供应链网络布局、合作水平、供应链成员、信息系统、企业战略、运作流程。
1、供应链成员
供应链成员在合作供应链中扮演着非常重要的作用，供应商提供原材料和并且参与制造的库存计划的制定，以达到最大的响应时间。制造商的主要作用是开发和生产新产品为中间商或最终用户。在很多情况下，制造商都是供应链网络的设计者和管理者。分销商作为制造商和消费者的连接者。零售商负责把商产品销售给最终消费者。顾客被认为是供应链的终端，产品的接受者。
增加的供应链成员会影响到供应链的成本（C）。随着供应链成员的增加，供应链的管理会变得更加困难，供应链的运作成本变得更高且会有更多的信息时滞（ID），会增加订单在供应链各个层次传递的时间。同时还会影响到预测的准确性（FA）和对市场的反应速度（TB）。预测精度衡量期望的顾客需求（ECM）与真实的市场需求之间的差距，对市场的反应速度衡量了从接受顾客订单到最终交货的时间间隔，用天来表示。
2、供应链网络布局
供应链网络布局是指供应链参与者的选择及分布情况，它是供应链战略的一个重要组成部分，它的协调对供应链的运作和企业的发展有很大的意义。到底要选择多少供应链的参与者，会影响到整个供应链网络的布局。增加分销商的数量，可能会增加供应链的运作成本，例如，额外的产品计划和运输，可能会导致成本的增加。而且为了协调更多的需求计划，信息系统的投资也会增加。
3、合作水平
到底要选择多大的合作水平取决于整个市场的环境及企业的发展战略。在操作层次上的合作可以采取例行的方式。更进一步的在管理层次上的合作会提高企业的计划能力和预测能力。在合作供应链中的合作伙伴间的有效的信息流动，使得信息的时滞明显减少同时改善预测精度；能力和库存信息的共享可以降低库存水平，还可以增加供应链的柔性，管理决策可以在更短的时间内完成，市场变化马上就能反映到企业的决策中去。
4、信息系统
信息系统的运用给企业带来了巨大的收益，它体现在不同的战略层次上。在操作层上，事务外理系统（TPS）为企业的供应链过程提供支持，同时使企业能够有一个更好的对内对外的基础交流平台。在管理层次上，管理信息系统（MIS）能够提供及时、准确且与决策相关的信息来支持企业的计划和协调活动。在战略层次上，决策支持系统（DSS）和执行系统（EIS）能够帮助企业的决策者解决非结构化或半结构化的问题。
5、运作流程
供应链中的合作伙伴有四个共同的核心过程，计划、原材料供应、制造、交付。这些过程的绩效影响着整个合作供应链的绩效，每一个核心过程又受其它过程的影响。
6、企业战略
供应链的合作并不是完全的一体化，每一个合作伙伴都想保持一定的独立性，每一个企业都有自己的竞争战略、企业目标。企业的基本竞争战略主要有三种：成本领先战略、差异化战略和目标集聚战略。
三、动态合作供应链绩效评价
1、关键绩效变量
要对供应链的绩效进行合理评价，必须选择一些影响供应链绩效的关键变量，关键绩效变量的选择会影响整个供应链绩效评价的结果。表1列举了一些受合作供应链模型中的各个要素影响的关键绩效变量，这些变量是衡量合作供应链绩效的重要因素。不同要素的变化可能会影响同一变量。
2、合作供应链绩效评价框架
本文通过构造一个综合性的供应链绩效评价指标从动态角度对合作供应链的绩效进行评价。评价的内容主要从三个方面来衡量，分别是资源评价（RV），产出评价（OV），及柔性评价（FV）。
（1）资源评价
资源评价是目前最广泛使用的评价供应链绩效的方法，主要从减少成本或者最大化资源的利用效率角度来考虑改善供应链的绩效，主要的评价指标有总成本、配送成本、制造成本、库存成本等。如果合作供应绩效评价没有资源评价，则合作供应链就是一个无约束问题，它可以允许实现100%的顾客满意同时也可能最快响应顾客的需求。这样一个最优问题只能是一个局部最优问题，对于整个供应链评价来说是无意义的，因此资源评价是合作供应链绩效评价的一个重要方面。
（2）产出评价
产出评价主要是评价一条供应链的产出，试图优化供应链的绩效。例如，销售量，利润，产品周期，顾客服务水平等。一条合作供应链的建立就是为改善企业运行的效率，增加企业的产出，因此，产出评价对供应链的绩效评价不可或缺的一部分。如果没有了产出评价，资源评价也就没有意义了，因为，任何在成本控制和资源利用效率方面的改善都是为了增加企业的净产出。
（3）柔性评价
柔性评价也可称作灵活性评价，它是衡量一条供应链对顾客需求的波动及供应量的波动的反映能力，它可以定义为在一定的时间内，企业能承受的最大的订单量。因此，柔性决定了一条合作供应链的潜在绩效，而资源和产出衡量的是实际的绩效。一条合作供应链柔性的程度取决于所处的市场环境及顾客需求的波动性。
资源评价、产出评价、柔性评价可以用如下的公式来表示：
作者单位：广东外语外贸大学，国际工商管理学院
参考文献：
[1] E.G. Anderson Jr., C.H. Fine, G.G. Parker, Upstream volatility in the supply chain: the machine tool industry as a case study, Production and Operations Management 9 (3) (2000).
[2] H.A. Akkermans, Renga: a systems approach to facilitating inter-organizational network development, System Dynamics Review 17 (3) (2001).
[3] P.D. Berger, A. Gerstenfeld, A.Z. Zeng, How many suppliers are best? A decision-analysis approach, Omega 32 (2004) 9–15.
[4] J. Dejonckheere, S.M. Disney, M.R. Lambrecht, D.R. Towill, The impact of information enrichment on the bullwhip effect in supply chains: a control engineering perspective, European Journal of Operational Research 152 (2004) 727–750.
物流供应商评价模型 篇4
关键词：应急物流,供应链,结构可靠性,物元模型
应急物流供应链联盟结构可靠性评价需要从应急物流供应链联盟质量、应急物流供应链整体协调能力和应急物流供应链联盟实体成员的能力等三个方面进行综合评判, 以便找出影响应急物流供应链联盟结构可靠性的潜在问题, 加以完善。因应急物流供应链联盟结构可靠性评价的内容不同, 评价指标组成也就不同。应急物流供应链结构可靠性评价是一个不确定性的多准则决策问题。为此, 评价方法的选择, 必须要能够满足评价指标可以依据评价目的、评价内容而灵活设定, 以及评价指标模糊取值的要求。目前, 很多常用的评价方法, 如德尔菲法、层次分析法、遗传算法等, 其适用性均存在一定的不足, 难以满足应急物流供应链结构可靠性评价的应用要求。通过可拓方法理论体系, 建立的物元模型以及关联函数, 能够对评价对象进行综合评判, 满足针对不同评价对象而灵活设定评价指标体系的需求。
1. 模糊综合评价物元模型的建立
设评价对象Objecti (第i个待评对象) 对应的评价指标体系中包含n个评价指标。首先, 对这些指标取值进行统计聚类分析, 我们将评价对象的质量 (能力) 等级分为较差——Q1、一般——Q2、中等——Q3、良好——Q4、优秀——Q55个标准等级, 并将其描述为以下的定性、定量的综合评价经典域物元模型。
其中, Qr表示第r标准等级物元模型, Dr表示第r标准等级, Zj (j=, 1, 2L, n) 表示评价对象对应的评价指标, Frj=[a rj, brj]表示第r标准等级时第j个评价指标Zj的量值范围。
根据评价对象的类型, 从数据库中检索出相应评价指标Zj (j=, 1, 2L, n) 的数据或由领域专家等赋值, 形成评价对象待评物元模型, 表示如下:
其中, Qdi表示待评对象物元模型, Ddi表示待评对象的质量 (能力) 等级, Valij (j=, 1, 2L, n) 表示待评对象第j个评价指标的值。
2. 可拓模糊综合评价方法
2.1 待评对象与标准等级相应评价指标之间关联度的计算
应急物流供应链结构可靠性评价指标均可以设定为效益型指标, 故, Qdi与各标准等级物元模型Qr的关联系数函数为:
其中, j=, 1, 2L, n;r=, 1, 2 L5, 。
Kir (Valij) 表示待评对象第j项评价指标与r标准等级物元模型中的相应评价指标之间的关联系数。由此可以得到待评对象第j项评价指标与各标准等级物元模型Qr中相应指标之间的关联系数为
显然Kir (Valij) ≥0。若Kir (Valij) >1表示Valij不在区间Frj区间范围内, 只有当0
2.2 指标等级确定方法
令:
则, 与值相同的的应的标准等级即为被评对象Objecti的第j项评价指标的质量或能力等级。
2.3 待评对象等级确定方法
则, 与值相同的对应的标准等级即为被评对象Objecti综合质量或能力等级。
式 (3) 中wi为各指标权重系数, wi= (wi1, wi2, L, win) , 可采用G1[6]法来进行指标权重的设定。
3. 仿真算例
3.1 算例描述
设根据实际情况以及领域专家意见, 某应急物流供应链联盟质量 (其评价指标为业务流程标准化程度、业务流程精简程度、业务流程的完整性、业务流程分割边界明确性、数据格式标准程度、物流资源布局合理程度、物流资源配套程度、应急物资储备合理性8项指标) 的经典域物元模型、待评物元模型如下所示。
由式 (4.3) 和式 (4.4) 可以得出:
则该应急物流供应链联盟的业务流程标准化程度为中等、业务流程精简程度为良好、业务流程的完整性为优秀、业务流程分割边界明确性为中等、数据格式标准程度为良好、物流资源布局合理程度为优秀、物流资源配套程度为良好、应急物资储备合理性为良好, 仍需要在业务流程标准化、业务流程分割边界等方面加强建设和完善。
3.2 应急物流供应链联盟质量等级确定
设由G1法确定的指标权重系数w= (0.1, 0.1, 0.15, 0.050.20.10.20.1) , 则根据式4.5, 可得:
由式4.6可得:
4. 结论
可拓理论是一种用形式化工具, 从定性和定量的角度, 认识和分析现实世界、解决现实世界中复杂问题的新的方法理论体系。
在应急物流供应链可靠性评价中, 该方法通过建立能够反映真实评价对象的物元模型, 以及评价指标利弊程度的关联函数, 对评价对象进行综合评判, 不仅能够满足针对不同评价对象而灵活设定评价指标体系的需求, 而且还能够满足有效排除伪优解、获得最优评价结果的需求。
此外, 该方法还具有计算效率高、可操作性强、易于计算机处理等优点, 满足应急物流供应链结构可靠性评价的应用需求, 比较适合于应急物流供应链结构可靠性的评价分析与建模。
参考文献
[1]韩松, 谢慧.应急物流理论与实务[M], 化学工业出版社, 2010
[2]邵娜, 申桂香, 张英芝.基于物元可拓模型的数控机床可靠性评价[J], 吉林农业, 2011 (6) :314
[3]李琳, 潘福臣.可拓关联函数的非线性逼近方法[J], 中国科技信息, 2011 (4) :60~62
[4]陈梓杰, 徐菱, 程园.应急物流供应链可靠性探讨[J], 铁道运输与经济, 2009 (9) :69~71
[5]刘元洪, 罗明, 刘仲英.供应链可靠性管理[J], 现代管理科学, 2005 (5) :15~16
物流供应商评价模型 篇5
关键词：第三方物流；数据包络分析；评价
中图分类号：F251文献标识码：A
文章编号：1002-3100(2007)11-0090-03
Abstract: DEA is a useful tool to evaluate and analyze the relative efficiency of decision making units. This paper is mainly about to find out the problems in the process of the enterprise operation by DEA models. Based on the DEA results, the high efficient logistics activities are reserved and the low efficient ones are improved with explicit goals and methods.
Key words: the third party logistics; DEA; evaluation
1问题的提出
第三方物流企业在向其他企业或客户提供物流项目服务时，都力求做到在完成既定服务目标的前提下，能够严格控制和尽量降低其自身物流成本投入，以确保企业整体收益最大。这就要求对其物流项目服务系统进行综合的绩效评价，对自身的物流系统运作有一个全面的了解，从而在运作过程中对其投入成本和产出情况加以控制和调整。
（1）DEA规模有效性和技术有效性分析
由表2可以看出达到DEA有效的物流项目为：项目2、3、4。只有这三个项目处在DEA有效生产前沿面上，同时也说明这三个物流项目的投入要素达到了最佳的组合，并且在得到了最大利润的同时也达到了规模经济。而项目1、5、6、7均为非DEA有效，即这4个项目其成本投入存在冗余的问题。项目1处于规模收益递减的状态，其控制管理成本和仓储成本投入存在冗余现象；项目5、6、7处于规模经济递增的状态，从松弛变量的数据来看，控制管理成本和固定成本投入方面都存在冗余，这两个方面都应该加以降低，以达到最佳的规模收益。由表3可知项目2、3、4、6、7均属于技术有效，项目1、5为技术有效。对于非DEA有效的物流项目，可以按照2.2的步骤调整输入与输出，使其最终达到DEA有效。
（2）针对具体的物流项目做影子价格分析
非DEA有效的物流项目中哪些指标的变动效率值影响最大呢？我们对非DEA有效的项目进行各指标的影子价格分析，结果见表4。
从影子价格上分析，项目1首先应对其固定成本进行调整，其次是降低运输成本，这样才能最快接近生产前沿面；同理，项目5需要首先调整运输成本，其次是仓储成本；项目6和7首先需要降低仓储成本，然后是运输成本，以尽快达到增加物流项目净利润的目的。
4结束语
本文应用DEA模型对某第三方物流企业的7个物流服务项目，主要从成本投入和利润输出方面进行了评价和分析。不仅达到了物流绩效评价的目的，而且通过对DEA无效项目的投入进行调整和影子价格分析，为第三方物流企业的物流项目运作提供了改进意见。
参考文献：
[1] 盛昭瀚，朱乔，吴广谋. DEA理论、方法与应用[M]. 北京：科学出版社，1996:22-86.
[2] 魏全龄. 评价相对有效性的DEA方法[M]. 北京：中国人民大学出版社，1998:51-87.
[3] 刘巧娣. 企业物流成本的控制途径研究[J]. 江苏工业学院学报，2006(2):29-31.
[4] 吴文江. 用数据包络分析进行规模收益分析的探讨[J]. 系统工程理论方法应用，2000,9(3):80-82.
[5] 潘文荣. 企业物流绩效评价指标体系的构建[J]. 统计与决策，2005(11):162-163.
[6] 杨克磊，高博，卢赫. 企业物流绩效评价的DEA分析[J]. 哈尔滨商业大学学报：社会科学版，2006(3):67-69.
物流供应商评价模型 篇6
第三方物流是物流活动的一种新的经营方式, 也是企业日益关注的一个重要环节, 而企业物流外包的选择对象往往是第三方物流供应商。随着应运而生的第三方物流企业数目增多, 需要第三方物流服务、认识到物流外包的重要性和迫切性的生产企业增多。对于物流需求的生产企业的经营者来说, 如何从大量的第三方市场上选择合适、满意的供应商, 选用之后, 如何对第三方的物流服务水平及质量作出合理的评价, 在很大程度上是关系到企业竞争优势的问题。
对第三方物流供应商服务水平及质量作出合理的评价其实是一个典型的涉及多因素的综合评价问题, 其中客观存在的不确定信息是影响结果有效性的重要因素之一。目前对不确定性信息的定量分析主要采用随机或模糊分析方法, 但是随机过程的分布函数和模糊数学的隶属函数通常都不容易确定。事实上, 因数据不完全表示特征行为的原始数据往往不是一些确定的数, 而是一些区间数。因此, 用区间数分析其中的某些不确定性问题更符合人们的习惯思维和更接近客观情况。本文探讨将区间数排序应用于对第三方物流供应商评价, 提供一种新方法。
二、第三方物流供应商的区间数排序模型
记实数轴上的区间a=[a-, a+], 称a为区间数。若a={x0≤a-≤x≤a+}, 称a为正区间数;若a-=a+, 该区间数退化为普通的实数。
定义1当a、b均为实数时, 则称
为a>b的可能度。
定义2当a、b同时为区间数或者有一个为区间数时, 设a=[a-, a+], b=[b-, b+], 且记Ia=a+-a-, Ib=b+-b-, 则称
为a>b的可能度, 且记a、b的次序关系为a>b。
在此定义下, p (a>b) 具有下述性质:
(1) 1≤p (a>b) ≤1
(2) p (a>b) =1当且仅当a+≤b-
(3) p (a>b) =0当且仅当a-≥b+
(4) (互补性) p (a>b) +p (a
(5) (传递性) 对于三个区间数a、b、c若a>b, 则p (a>c) >p (b>c) 。
定义3称P= (aii) n×n为区间判断矩阵, 如果对于i, j=1, 2, …, n, 均有
对n个被评估供应商的定量考核我们按此方式用区间数来刻画, 对给定的这组区间数ai=[aiai+], i=1, 2, …, n将它们进行两两比较, 建立基于可能度的区间判断矩阵, 即
其中, pij, i, j∈{1, 2, …, n}表示ai>aj的可能度。该矩阵包含了所有方案相互比较的全部可能度信息。因此, 对区间数进行排序, 就转化为求解可能度矩阵的排序向量。而矩阵p是一个模糊互补判断矩阵, 利用下面排序公式可进行求解:
得到可能度矩阵p的排序向量ω= (ω1, ω2, , ωn) T, 利用ωi (i∈{1, 2, …, n}) 的大小对区间数αi, i∈{1, 2, …, n}进行排序, 排序中数值最大者为评估相对最好者。
三、实证分析
某需求企业欲从5个第三方物流供应商A、B、C、D和E中进行选择, 根据自身企业的统计需求数据和著名物流专家的意见确定了3个评价准则:服务质量、专业水平、价格。首先请评估人员以区间数形式分别给出考核三方面的属性值, 得评估供应商的综合评估值如下:
取属性的权重向量W= (0.4, 0.4, 0.2) T, 按区间数的加、乘运算法则, 利用公式Zi=Ri⋅W得到五人的综合属性值分别为区间数:
为了对各方案进行排序, 先利用定义2中的公式, 求出上述Zi (i=1, 2, 3, 4, 5) 两两比较的可能度矩阵:
由排序向量ω及矩阵p中的可能度, 得到区间数Zi (i=1, 2, 3, 4, 5) 的排序Z2≥Z3≥Z1≥Z4≥Z5, 则相应的5个供应商A、B、C、D、E之间在可能度下的排序为B>C>A>D>E, 因此供应商B的评估结果相对最好。
四、区间数排序模型的特点分析
相对其他评估方法而言, 区间数排序模型有以下主要特点:
1. 科学性。
该方法考虑到第三方物流供应商评估中信息的不确定性或模糊性, 区间数分析更容易接近复杂不确定的实际情况, 更符合人们的模糊思维习惯。
2. 可靠性。
考核中的评估指标能比较全面地反映第三方的物流服务水平及质量。在实际的企业管理中可使定性描述定量化, 尽可能减少由主观因素产生的误差, 达到比较客观公正地评估员工工作的目的。因此, 评估结果更相对可信、可靠。
3. 简便性。
较之其他方法, 该方法整个计算步骤明确、判断简单、便于计算。只需评估人员以区间数形式给出评估值, 根据公式便可直接计算、节省了时间、提高了效率。
4. 有效性。
评估中常用的一些定量分析方法有一定的局限:层次分析法最多只能对9个元素进行两两比较, 超过9个就超过了人们的心理比较极限;在运用模糊评判法中最大隶属度原则时丢失的信息较多, 甚至会得出不合理的结论。因此, 该方法在一定程度上避免了模糊分析方法的这些缺点, 评估结果理想度相对更好。
五、结语
人类对事物本质的认识常常会受到某种局限的影响, 特别是对发展中的事物和模糊事物的认识不会停留在一个固定点上, 此时的数量化可用区间数表示。本文将区间数排序应用于第三方物流供应商服务水平及质量评估, 此方法既可以相对有效地将评估中的定性评估指标进行定量化处理, 提高评估结果的可靠度, 还可以进一步应用于第三方物流管理过程的其他环节中, 从而相对提高第三方物流管理的有效性。
参考文献
[1]张吉军.区间数的排序方法研究[J].运筹与管理, 2003, 12 (3) .
[2]徐泽水, 达庆利.区间数的排序方法研究[J].系统工程, 2001, 19 (6) .
[3]宋华.现代物流与供应链案例[M].北京:经济管理出版社, 2001.
[4]比得·F·德鲁克.公司绩效测评[M].北京:中国人民大学出版社, 1999.
集中采购供应商评价指标模型研究 篇7
(一) 灵活和可操作原则
针对本企业集中采购工作中实际特点在指标的设定和对指标数据的获取必须遵循灵活、可操作的原则。每个指标的设定必须考虑到获取指标的方法是否可量化、易操作。首先要考虑的是“可量化”的问题。不可量化的指标违背了客观性原则, 是不可取的。其次要考虑的是“易操作”的问题, 太复杂的获取指标数据的方法会影响指标的正确性和增加运作成本。
(二) 系统全面性原则
要对一个供应商进行系统全面的评价, 就必须有个系统全面的评价指标模型与之相匹配。作为企业采购人员, 在削减采购成本的压力下往往较注重价格而忽略了对品质和售后服务的考察。结果常常适得其反, 影响整个供应链的运作。因此, 建立的评价指标模型不仅能够全面反映供应商企业的现有状况, 还能够体现供应商企业的未来发展趋势。
(三) 适应变化性原则
评价指标模型的设定不是一劳永逸的。它是一个不断完善、不断发展的系统工程。市场环境在不断地变化, 供应商在不断地发展, 我们自身对供应商的要求也在不断地改变。今天适合的并不等于明天也同样适合。要想用一套永远不变的评价指标模型来衡量一个供应商无异于刻舟求剑。因此, 在建立评价指标系统的过程中, 适应变化性原则是我们自始至终必须遵守的。
(四) 科学适用原则
指标模型要能反映供应商的实际情况, 适中实用。如果指标过细、层次过多, 则增加实际应用的难度, 也不能突出评价的重点;如果指标过粗、层次过少, 则不能全面评价供应商的实际情况。
二、集中采购供应商评价指标模型的建立
通过对供应链管理相关理论的研究, 借鉴前人的研究成果和经验, 本文确定了集中采购供应商评价指标模型, 下面就具体评价指标进行研究。
(一) 顾客满意度
这项指标就是指供应商提供的产品或服务是否能够令顾客满意。这里所指的顾客是广义的顾客包括内部顾客和外部顾客, 内部顾客为企业内设部门, 外部顾客为广大客户群体。
1.产品质量。对产品质量而言, 较为传统的衡量指标是产品的合格率。
为全面衡量供应商对产品质量的掌控能力, 我们还可以从供应商是否通过ISO9000标准为基础的质量评估模型。对于服务类型的采购可以采取提供服务受到质疑数量来衡量, 或者进行一次服务调查问卷。
2.产品价格。产品价格包括供应商报价、财务预算价格、谈判价格和合同价格。产品价格指标主要衡量采购资金节约、是否超预算花钱还有供应商价格谈判的诚意如何, 一般按照以下指标评定:
采购资金节约额=采购财务预算价格-采购谈判价格。
供应商报价较采购谈判价降低额=采购报价-采购谈判价格。
3.产品交货。交货时间遵守率=按时交货次数/总交货次数。
交货批量遵守率=总实际到货量/总计划订货量。
4.同业业绩。采购人员应收集供应商有成功的国内外企业独立合作的案例数量, 并电话咨询、查看合同原件或实地考察同业与供应商合作后, 采购人员评价情况。
5.企业声誉。供应商获得的地市级、自治区级或全国级产品或服务相应领域的表彰奖励或荣誉证书等的数量和级别。
(二) 供应商运营状况
1. 管理水平。
管理水平反映了一个企业管理能力的高低, 毕竟管理经营业务并做决策将影响供应商的竞争力。管理水平的衡量用量化的方式来进行评价是比较困难的事情, 最有效的办法就是通过一次走访或者一份调查问卷, 去供应商企业实地走访。与供应商经理面谈的时候, 尽可能接触更多的人, 以得到“真实情况”, 这将会使采购人员有一个全面的感性了解。
2. 人员素质。
对供应商员工素质进行评估其实就是对非管理人员的一次评估, 不要低估了这些经过专业培训的固定的有积极性的劳动力所带来的利益, 特别是在全球金融危机时期, 能留住一个好员工是一件多么难的事情, 人员素质通常可以用大专或本科以上的人员所占全体员工的比例和用有高级职称员工所占全体员工的比例来表示, 也可以用供应商委派给我行服务人员的学历、职务和职称。
3. 研发能力。
供应商在新产品或软件系统上的开发能力是供应链创新的原动力, 也体现了其长期发展的潜力。供应商的研发能力可用科研经费投入率、新产品开发周期、新产品销售比率和自主知识产权、技术成果数量来描述。科研经费投入率=年科研费用/年销售收入。新产品开发周期指开发一个新产品所需要的时间。新产品销售比率= (一定时期内) 新产品的销售额/总销售额。公司拥有自主的知识产权和技术成果数量多少。
4. 售后服务能力。
企业竞争领域不只局限于营销环节, 拼售后服务也成为现在的必争之地, 评价供应商售后服务能力结合内蒙古实际情况可以从售后服务机构数量、售后服务响应时间、培训次数、处理突发事件的恢复能力等, 评价供应商时可以对照签订的合同具体要求进行核对。售后服务机构数量:分公司或办事处或售后服务机构数量, 不包括直、代销售网点的数量。售后服务响应时间:响应时间的长短决定了供应商维保能力的重要指标。培训次数=实际培训我行员工次数/合同要求次数, 在售后服务过程中, 供应商可以委派技术专家对企业员工做产品的操作和处理故障的培训, 以便能够让企业员工及时处理一些简单的问题。处理突发事件能力=成功处理突发事件次数/年度突发事件发生次数。
(三) 供应商财务状况
对于任何企业来说, 评价供应商财务状况是最基本的条件, 选择财务状况较差的供应商意味着有许多风险, 包括倒闭风险、缺乏资源投入、缺乏设备或者研究投资;另一方面, 供应商可能在资金方面过分依赖于采购方, 最后潜在财务问题也许是来自于企业低劣的产品质量还是交付绩效, 或者是企业管理层腐败, 还是这个供应商承担了太多的债务?如果供应商是公开上市的企业, 那么其具体的财务比率以及产业平均值可以从网上取得;如果是一些小型企业, 那么可以从其提供的经过会计师事务所测算的财务会计报告中解读。
常用用于供应商财务状况评估的比率有:
流动比率=流动资产/流动负债, 应该大于1, 但要参考产业的平均水平, 高可能意味着较弱的资产管理。
速度比率= (现金+应收款项) /流动负债, 至少0.8, 如果供应商采用赊销方式, 低可能意味着现金流有问题, 高意味着较弱的资产管理能力。
总资产周转率:是反映企业运营能力的指标, 有库存周转率, 应收账款周转率和总资产周转率。由于存货和应收账款都是总资产的一部分。总资产周转率在一定程度上综合反映了供应商的资金周转能力。因此, 总资产周转率是反映企业营运能力的核心指标。
总资产周转率=年销售收入/平均资产总额。
总资产收益率:反映了企业全部资产的获利能力。集中体现着其经营能力和盈利能力, 比销售利润率等指标更具有表现力。
总资产收益率= (利润率+利息支出) /平均资产总额。
反映企业赢利能力的指标是净利润额和资产回报率。
净利润额=税后利润/销售收入, 比较行业标准, 表示税后回报;
资产回报率=税后利润/资产总额, 比较行业标准, 表示公司各项资产的回报。
资产负债率:是指企业偿还债务的能力。反映了供应商的经营安全程度和可持续发展的能力。这对于长期合作是一个非常重要的指标。资产负债率=负债总额/资产总额。
(四) 供应商发展前景
供应商发展前景包括企业发展环境和企业发展潜力两方面。企业发展环境可通过企业所处的地理位置、经济税收和技术政策、社会人文环境和政治法律环境这几个方面的一个综合性评价;企业发展潜力可以通过供应商在技术创新能力、人力资源开发能力、市场营销能力、抵御财务风险的能力和管理能力等方面结合前面几大类指标评价结果进行综合评价。
综上所述, 本文确定了集中采购供应商评价指标模型。该评价指标模型由4个一级指标、15个二级指标和31个三级指标构成, 详见下表:
摘要：本文就如何科学合理地对集中采购类供应商进行评价做了研究, 首先对集中采购供应商评价指标模型遵循原则做了阐述, 然后通过对关键指标逐个分析, 从而确立了集中采购类供应商评价指标模型。
关键词：集中采购,供应商,评价模型
参考文献
[1]余飞张, 黎明.供应链管理中供应商评价选择的比较研究[J].当代经济, 2007 (10) .
[2]姜红刚.基于供应链环境下的供应商评价指标体系的研究[J].物流技术, 2006 (7) .
物流供应商评价模型 篇8
供应链是由供应商、制造商、分销商、零售商及最终客户组成, 它们之间具有内在的关联性。工业经济时代, 在市场竞争中, 产品质量的好坏、成本的高低、服务的优劣无疑是产品在竞争中获得胜利的关键因素。知识经济时代, 人的创新能力成为企业在竞争中获胜的关键因素。对于供应链上的企业来说, 其敏捷性和对市场的快速反应能力是关键因素。由此可见, 影响供应商选择的因素主要为质量、成本、服务、时间、人等因素。根据 Steven E.Leahy等的研究结果, 目前, 对于供应链上的企业评估准则一般将顾客服务、成本节约和合作关系作为基本准则。供应商在交货期, 产品质量、提前期、库存水平、产品设计等方面都影响着制造商的成功。同时, 供应商所供产品的价格和质量决定了最终消费品的价格和质量, 从而也决定了最终产品的整个市场竞争力、市场占有率和市场生存能力, 并且对供应链各组成部分的核心竞争力会产生一定的影响。因此, 为了实现企业低成本、高质量、柔性生产、快速响应客户的需求, 企业的业务重构就必须包括供应商的选择。供应商的选择对于企业来说是多目标的, 包含许多可见和不可见的多层次指标。
2 层次分析法步骤
2.1 建立层次结构模型
仔细分析所研究的问题, 把复杂问题进行条理化和层次化, 按属性的不同将构成要素或者组成部分分成若干组, 每一组构成一个层次, 层次之间的要素互不相交。同一层次的元素作为准则对下一层的全部或部分要素起支配作用, 同时, 它又受到上一层要素的支配。如最高层 (目标层C) 表示评价所要实现的目标;中间层 (准则层Ci) 表示采用某种方案实现目标所涉及的原则;最低层 (措施层Cij) 表示解决问题所选用的各种方案等。据此, 可以画出层次结构图来表示层次的递阶结构和相邻两层要素的从属关系。
2.2 构造判断矩阵
判断矩阵的元素值表示人们对各要素关于目标相对重要性的认识。由于层次结构模型中有许多指标的数据难以通过统计方法获得, 因而, 采用Delphi法或1—9标度法对同属一级的要素以上一级的要素为准则进行两两比较, 根据评价尺度确定其重要性, 以此来构造两两比较判断矩阵。常用的判断尺度有九分判断尺度, 如表1所示。
通过上述要素间的两两比较关系, 可以得出判断矩阵为式中:cij为Ci层要素i与要素j两两比较对于C层目标重要性程度的标度值, n为判断矩阵的阶数。
2.3 计算权重
计算判断矩阵的特征向量以确定各要素的相对重要度, 可采用平均值法、方根法或特征根法等方法来确定权重。
2.4 层次单排序及一致性检验
计算一致性指标CI, 其中
当CR<0.1时, 认为判断矩阵的一致性可以接受, 否则应调整矩阵中的元素, 直到判断矩阵具有满意一致性为止。
2.5 层次总排序及一致性检验
各层次要素的组合权重是层次分析法的最终目的。通过组合权重找到层次结构中方案层的每一个要素 (方案) 对目标层的相对重要性, 即准则层Ci对目标层C的相对权重W (1) = (w
在计算各层判断矩阵有关要素的权重以后, 即可从最下层开始, 自下而上地求出方案层关于最上层要素目标层的总重要度 (综合权重) 。通过综合重要度计算, 对所有备选方案进行优先排序, 按排序结果挑选出最优方案。
3 数据包络分析法
数据包络分析法 (Data Envelopment Analysis, 简称DEA) 是1978年美国著名运筹学家A.Charnes和W.W.Cooper等人提出的评价决策单元 (Decision-Making Unit, 简称DMU) 相对有效性的一种方法。DEA作为一种非参数评价方法, 以相对效率的概念为基础, 评价具有相同类型的多输入 (投入) 、多输出 (产出) 指标的决策单元的相对有效性。其基本思路是把每一个被评价单元 (部门、行业、组织、结构等) 看作一个DMU, 由被评价的众多的DMU构成被评价群体, 通过对投入、产出比率的综合分析, 以各个DMU的投入和产出的指标权重为变量建立DEA模型, 进而对决策单元进行分析评价。
假设有n个决策单元DMU, 每个单元DMUj (j=1, 2, …, n) 都有m项输入Xj= (x1j, x2j, …, xmj) T, s项输出Yj= (y1j, y2j, …, ysj) T。则第j0个被评价决策单元DMUj0的相对效率评价模型为
令Xj0=X0, Yj0=Y0, DMUj0=DMU0, 则以 (X0, Y0) 为DMU0的输入输出, 其中X0= (x10, x20, …, xm0) T, Y0= (y10, y20, …, ys0) T, Xj∈Em, Yj∈Es, Xj>0, Yj>0, j=1, 2, …, n, U= (u1, u2, …, us) 为DEA规划模型的输出权重向量, V= (v1, v2, …, vm) 为DEA规划模型的输入权重向量。
利用Charnes-Cooper变换, 即令t=1/ (vTx0) , ω=tv, μ=tu, 则可将分式规划 (
此线性规划的对偶规划模型 (D) 为
带有非阿基米德无穷小量ε (ε通常取10-3～10-6 之间的数) 的线性规划 (Pε) 为
其中,
(Pε) 的对偶规划问题 (Dε) 为
若线性规划 (P) 的最优解ω*, μ*满足Vp=μ*T·y0=1, 则称决策单元DMUj0为弱DEA有效。
若线性规划 (P) 的最优解ω*, μ*满足Vp=μ*T·y0=1, 且ω*>0, μ*>0, 则称决策单元DMUj0为DEA有效。
4 DEA/AHP两级评价模型
本文采用的DEA/AHP两级评价模型, 是在第一阶段使用DEA方法构造判断矩阵, 避免了AHP法用专家经验法及德尔非法直接构造判断矩阵时权重的主观性及任意性;第二阶段使用AHP方法对方案进行全排序, 因此, 依据上述步骤实现了DEA方法的全排序。这样既组合了数据包络分析法对多输入、多输出指标评价的绝对优势和层次分析法系统性、灵活性、综合性的优点, 又避免了AHP方法中判断矩阵主观性与DEA不能进行全排序的缺点, 使两种评价方法的优势得到互补。
供应商选择的DEA/AHP方法步骤
1) 分析影响供应商选择的因素, 确立供应商选择的评价指标体系, 构造供应商选择的层次结构模型。
2) 利用DEA方法为AHP方法构造判断矩阵。 假设有n个决策单元 (DMU) , 即供应商, 每个决策单元DMUj (j=1, 2, …, n) 都有m项输入Xj= (x1j, x2j, …, xmj) T, s项输出Yj= (y1j, y2j, …, ysj) T, 与前面给出的C2R模型不同, 在此, 从所有的决策单元中任选两个决策单元M和N, 对这两个决策单元使用数据包络分析法确定它们的相对效率。 用下列公式求供应商M和N的相对效率AMN和ANM。
问题MN
问题NM
其中, ω=tV, μ=tU, t=1/ (VTXj) >0, V= (v1, v2, …, vm) T, U= (u1, u2, …, us) T。AMN=VMN/VNM, ANM=VNM/VMN, 即ANM=1/AMN。
求出供应商M和N相对效率的比值, 作为n维矩阵中的第 (M, N) 和第 (N, M) 个元素。用同样的方法求出这n个供应商两两组合的相对效率, 以此确定判断矩阵中各元素的值。
3) 用同一层次下的AHP方法对供应商的判断矩阵求出措施层对准则层的最大特征根及特征向量, 对判断矩阵进行一致性检验。
4) 对供应商的判断矩阵求出准则层对目标层的最大特征根及特征向量, 对判断矩阵进行一致性检验, 得到n个供应商的全排序。
5 实例应用
实例:某加工工厂处于供应链的核心位置, 为了提高供应链的核心竞争力, 工厂所需的零部件大都需要外购, 这时就需要对提供同类零部件的不同供应商进行评价, 以便选择出质量可靠并对工厂生产最有利的供应商。下面以为加工工厂提供某一零部件的四个供应商为例, 用DEA/AHP对这4个供应商进行评价, 其基本数据如表3所示。
5.1 构造输入输出指标
数据包络分析模型中, 与相对效率的概念相一致, 一般以越小越好的指标作为输入指标, 越大越好的指标作为输出指标, 即为了用最少的投入得到最大的产出。而供应商的售货成本、延误率、售后服务指标均越小越好, 因此, 作为输入指标;而质量指标、供货历史均越大越好, 因此, 作为输出指标。
1) 输入指标。
购货成本 (x1) 表示各供应商对同一零部件的价格; 准时供货 (x2) 表示准时完成合同的指标, 以延误率来表示, 即以迟到完成货物的数量与合同应该完成货物的数量之比来表示; 售后服务 (x3) 表示其售后服务水平, 以响应天数与返修数量的乘积表示。
2) 输出指标。
质量 (y1) 表示到货后合格的零部件数量, 以合格的数量与总的到货数量之比来表示; 供货历史 (y2) 表示供应商以往供货的数量。
5.2 相对效率指标
将表4中的数据代入前面给出的公式, 用MATLAB软件求出各供应商的相对效率指数vij, 如表4所示。
5.3 构造判断矩阵
矩阵C最大特征根为λmax=4.001, 其特征向量W= (0.551 2 0.557 5 0.486 8 0.385 2) T, 对矩阵做一致性检验, 由CI= (λmax-n) / (n-1) <0.1, 因此, 判断矩阵满足一致性要求, 不需要对判断矩阵进行调整。
按照特征向量对方案进行全排序, 可知供应商的优先顺序依次为:供应商2, 供应商1, 供应商3, 供应商4, 与算例的预期设计相一致。对于线性规划的求解有一定的计算量, 如果有n个供应商, 则要做n2-n个线性规划求解, 但用计算机软件进行求解, 问题就会变得比较简单。
6 结束语
本文所采用的供应商选择的DEA/AHP 两级评价模型, 其实质是在DEA方法框架中综合了AHP 方法, 弥补了原来DEA方法只能将决策单元分为有效和非有效两类所存在的缺点, 结合AHP方法对各个决策单元进行全排序。这种将两种常用评价方法的优点集成做法, 既避免了运用AHP 方法排序时构造判断矩阵的主观性, 又避免了运用DEA 评价时对决策单元无法排序的缺点, 从而使评价者和决策者做出最佳的评价和决策, 并通过实例证明该方法具有一定的理论和实用价值。
摘要：供应链环境下供应商的选择是一个多目标决策问题, 通过分析影响供应商选择的评价指标, 综合DEA方法确定权重较为客观及AHP方法对评价方案易于排序的优点, 给出供应商选择的DEA/AHP两级评价模型, 并用实例验证用此模型选择供应商的可行性。
关键词：供应链,供应商,数据包络分析法,层次分析法,两级评价模型
参考文献
[1]马士华, 林勇.供应链管理[M].北京:机械工业出版社, 2005.
[2]Chopra S and Meindl P.Supply Chain Management:Strategy, Planning, and Operation[J].Upper Saddle River, NJ:Prentice-Hall, Inc.2001.
[3]Bowersox DJ, Closs DJ and Cooper M B.Supply Chain Logistics Management[J].Avenue of the Americas, 2002.
[4]魏权龄.数据包络分析[M].北京:科技出版社, 2004.
[5]陶经辉, 李旭宏, 毛海军.数据包络分析在物流园区规划方案评价中的应用[J].公路交通科技, 2005, 22 (2) .
[6]徐兵, 熊孟英.AHP法在供应链合作伙伴选择中的应用[J].电视技术工业工程版, 2005.
[7]吴容, 李文.基于DEA的第三方逆向物流服务动态绩效评价[J].铁道货运, 2008 (1) :8-10.
物流供应商评价模型 篇9
随着经济全球化和信息技术的不断进步, 供应链管理对企业的经营发展起着至关重要的作用。由于供应链风险对全球经济带来的负面影响, 科学的选择供应商已成为降低供应链风险的重要途径, 为企业提供一套合理地选择供应商的评价方法已成为亟待解决的问题。
国内外学者主要从供应商的评价指标体系、评价方法等角度对供应商的选择评价进行了分析, 并构建了相应的模型提出了解决方法。代表性的有:liram提出厂商在做供应商选择时, 除了要考虑如成本、质量、交期等一般的量化标准之外, 还应考虑某些如管理相容性、目标一致性等所谓的软性指标;Symtk等提出将风险因素、企业需求因素、以及可衡量的成本因素作为供应商选择的三项评价准则;周文坤等建立了从技术水平、经营能力、服务水平和经营环境四个方面进行考察的供应商评价指标体系;潘永锋等利用AHP确定各种指标的相对权重, 结合模糊评价方法, 建立了基于A H P模糊评价的食品供应商选择模型;马林建立了基于熵权多目标决策的供应商选择评价模型;熊淑丽等建立了供应链风险管理下供应商选择的线性规划模型, 并验证了模型的可行性。现有研究主要存在两方面的问题:一是没有综合、全面、客观、科学地建立供应商评价指标体系。二是评价方法单一, 或者偏重于依靠主观经验、或者偏重于依靠客观数据, 所建立的评价模型没有综合考虑供应商的主客观信息。
TOPSIS方法是多目标决策分析中一种常用的有效方法, 现有研究中, 物理、医疗、能源等各个领域都可运用TOPSIS方法。它通过检测评价对象与最优解、最劣解的距离来进行排序, 可解决多目标决策问题。然而, 现有研究中运用TOPSIS对多目标决策进行评价时, 常常对方案作两两比较, 没有统一的参照基准。本文对TOPSIS的方法做了改进:在求规范决策矩阵时, 对指标进行分类处理, 得出绝对正理想解和绝对负理想解, 建立了统一的参照标准;在对指标权重进行的事先确定上也做了改进, 以组合赋权的方法确定指标权重。本文首先对供应商选择的影响因素进行分析, 建立了供应商选择方案的评价指标体系, 再通过改进现有研究中TOPSIS法的弊端, 建立了基于改进TOPSIS的供应商选择评价模型, 对备选供应商进行评价排序, 从而确定最佳供应商, 为企业如何选择供应商提供一套科学的评价方法。
二、供应商评价指标体系的建立
本文以供应链绩效最大化为目标、以五大原则 (即合作风险、合作成本最小原则, 系统综合性原则, 合理科学性原则, 定量与定性相结合的原则, 动态性原则) 为依据, 设计供应商评价指标体系 (如图1所示) 。共计5个准则, 20个指标。所有指标按不同属性分为两种类型:即效益型指标与成本型指标。效益型指标是指数值越大表明供应商的竞争力越强的指标。例如产品质量、专利水平等指标;成本型指标是指数值越小表明供应商的竞争力越强的指标。如产品价格等指标。
三、基于改进TOPSIS的供应商评价模型的构建
1、TOPSIS法及其弊端
TOPSIS法是一种逼近理想解的排序方法, 是由Yoon和Hwang提出的处理多属性决策问题的多方案排序和选择的经典方法之一, 它以方案全集的正负理想解为统一参照基准来建立偏好关系。TOPSIS的基本思想是:设定一个虚拟的最优解 (称为理想解) 和一个虚拟的最劣解 (称为负理想解) , 在目标空间中求解方案的相对接近程度, 以度量某个方案靠近理想解和远离负理想解的程度, 用相对接近程度的值决定方案的排序, 相对接近程度越大, 则方案越优, 反之, 越差。然而, TOPSIS法在实际应用中主要存在以下缺点:一是求规范决策矩阵时, 未对指标进行分类, 所有指标均按越大越好的思想进行归一化处理;二是权重是事先确定的, 其值为主观值, 具有一定的随意性, TOPSIS在计算中直接将指标权重作用于原始数据, 这会改变原评价数据间的关系结构, 影响最终评价结果。
2、改进的TOPSIS方法的供应商评价的思路
本文针对TOPSIS现有研究中的弊端, 对TOPSIS进行改进。主要分为以下三个步骤:第一, 对不同类型的指标分别进行归一化处理;第二, 利用组合赋权的思想对指标进行赋权;第三, 将指标归一化矩阵和指标权重代入TOPSIS模型中求解, 即建立了基于组合权重的TOPSIS评价模型。
2.1指标规范化处理。将建立的供应商评价指标体系分类为效益型指标和成本型指标, 针对不同类型的指标分别进行指标打分 (即归一化处理) , 得到指标归一化矩阵。
效益型指标打分:
成本型指标打分:
其中, yij为第j个供应商第i个指标规范化处理后的值;xij为第j个供应商第i个指标的评价值;m为被评价供应商的个数。
对于矩阵Y= (yij) n×m (i=1, 2, …, n;j=1, 2, …, m) , 显然理想解Y+和负理想解Y-为:
2.2 指标权重的确定
(1) 熵值法权重的确定
1) 熵值计算。根据熵值的计算公式, 求出第i个评价指标的熵值:
其中ei>0, 为第i个指标下第j个供应商的特征比重, 为第i个指标的所有评价值之和。
2) 熵权计算。第i个评价指标的熵权:
其中, ej为第i个指标的熵值。
(2) AHP法权重的确定
1) 建立层次结构。在进行系统分析的基础上, 明确各指标间的定性关系, 将各指标分层分组, 建立层次结构, 见图1。
2) 构造判断矩阵
对建立的层次结构, 通过两两比较指标间重要程度, 采用分值1~9标度来测量, 见表1。
3) 指标层对准则层的权重
对得到的判断矩阵, 求解其最大特征值λm a x和对应的特征向r'= (r'1, r'2, r'3, …, r'n) , 对特征向量进行归一化处理, 得每个准则层下第i个指标的权重ri:
其中, ri为准则层下第i个指标对该准则层的权重;r'i为判断矩阵最大特征值所对应的第i个特征向量;n为准则层下指标的个数。
同时, 将判断矩阵代入式 (7) , 求得一致性指标C.I., 再将C.I.代入式 (8) 求得一致性比例C.R.进行一致性检验。如果C.R.<0.1, 则认为该权重是有意义的, 否则重新构造判断矩阵, 求权重。
其中C.I.为一致性系数, λmax为矩阵的最大特征值, n为判断矩阵的阶数。
其中C.R. (Consistency Ratio) 为一致性比例。R.I.为平均随机一致性指标, 可以从表2中查得。
4) 指标层对总目标层的权重
根据指标对总目标的权重计算公式, 则pi等于:
其中pi为第j个准则层下第i个指标对总目标的权重;ri为第j个准则层下第i个指标对第j个准则层的权重;sj为第j个准则层对总目标的权重。
(3) 组合权重的确定
两种赋权方法组合后第i个指标权重wi, 计算公式如下:
其中, pi为第i个指标的AHP权重;qi为第i个指标的熵值法权重。
2.3基于改进TOPSIS的供应商评价模型
依据TOPSIS原理, 评价第j个对象到正理想解和负理想解的距离。若评价对象最靠近最优解同时又最远离最劣解, 则为最好;否则为最差。
(1) 第j个评价对象到正理想解和负理想解的加权距离:
其中wi为两种赋权方法组合后指标的权重, yi j (i=1, 2, …, n;j=1, 2, …, m) 为指标归一化矩阵。
(2) 第j个评价对象到理想解的贴近度cj (值越大供应商的竞争力越强) 为:
五、实例分析
为了更好地验证上述模型的可行性, 通过一个实例进行分析与计算。德国HK化工公司, 拟在三家供应商中选择确定一家做为其新型材料的供应商。在对供应商进行选择评价的过程中, 通过八个指标对这三家潜在供应商进行选择评价。并把评价的指标分成两类, 一类是效益型指标, 这种指标越大越好;另一类是成本型指标, 这种指标越小越好。其中产品质量、供应能力、净利润增长率、市场占有率4项指标属于效益型指标, 其余4项属于成本型指标。具体指标数据如表3所示:
1、指标打分
将表3中的效益型指标数值代入式 (1) , 对4个效益型指标归一化处理;将表3中的成本型指标代入式 (2) , 对4个成本型指标归一化处理, 指标归一化结果如表4所示:
由表4可知, 理想解Y+和负理想解Y-分别为:Y+= (1, 1, …, 1) T, Y-= (0, 0, …, 0) T。
2、指标权重
(1) 熵值法权重
按照4.3.1, 将表3中各指标的数据代入式 (4) - (5) , 求得各指标的熵权:
(2) AHP法权重
按照4.3.2, 以专家打分的方式为指标赋权, 具体关系如图所示:
一级指标:企业产品、综合实力, 计算权重如表5:
二级指标:产品质量、产品价格、市场占有率、地理位置, 计算权重
二级指标:供应能力、订货提前期、资产负债率、利润增长率, 计算权重
根据公式 (9) , 求得各指标的AHP权重:pi= (0.22, 0.02, 0.14, 0.10, 0.06, 0.02, 0.22, 0.22) T
(3) 组合权重
将上述所求得的q i和p i代入式 (10) , 求得8个指标的组合权重:
5.3基于改进TOPSIS的供应商选择评价结果
将5.2求得的组合权重wi和Y+= (1, 1, …, 1) T, Y-= (0, 0, …, 0) T代入式 (11) - (12) , 分别求得:
再将所求得的d+j和d-j代入式 (13) , 得:cj= (0.37, 0.32, 0.67)
最后, 将各供应商企业与理想解 (理想供应商) 之间的距离cj从大到小进行排序, 得到各供应商的优劣排名为:C, A, B。由此可见, 3个供应商中, 供应商C的竞争力最强, 该企业应该选择这家供应商作为其合作伙伴。
六、小结
本文的创新与特色:
(1) 建立了基于改进TOPSIS法的供应商评价模型。该模型不是传统TOPSIS法的指标权重主观赋权, 而是由客观赋权和主观赋权组合赋权得到, 避免了现有研究的客观赋权法无法反映专家经验或主观赋权法无法反映客观条件变化的双重弊端。
(2) 在供应商评价指标体系上, 改进了传统TOPSIS法中所有指标同一的规范化处理的弊端, 将指标分为效益型指标和成本型指标, 解决了现有TOPSIS法评价过程中片面认为指标越大越好的不合理问题。
物流供应商评价模型 篇10
20世纪90年代以来, 随着信息技术的飞速发展, 敏捷制造、动态联盟、集成化供应链等先进制造技术和管理思想的日益流行, 使得供应链中的主体企业、协作企业或供应企业、客户或最终用户间不再是传统的交易关系, 而是利益休戚相关的合作伙伴关系, 市场竞争也由单个企业之间的竞争转向企业集团供应链之间的竞争。选择良好的供应链合作伙伴是供应链合作关系运行的基础, 它们能否与供应链步调一致, 成为供应链竞争力提升的关键, 因此, 如何正确评价供应商、选择好合作伙伴对供应链管理的重要性越来越深远。
目前国内企业主要用层次分析法、德菲尔法、熵权法、模糊数学方法、神经网络、数据包络分析等来进行供应商的评价。在供应商评价过程中, 只能获取部分信息, 而另一部分信息无法获取, 是一种典型的灰色系统。传统数学方法在客观、全面地分析此类问题就显得无能为力了, 灰色综合评价解决了这个问题。其中灰色关联度分析是一种衡量因素关联程度大小的量化方法, 它对数据要求不苛刻, 可以用来解决数据量少, 信息不完全情况下的评价问题。
国内有不少学者进行研究, 文献[1]建立了基于熵权的供应商选择灰色关联投影评价模型, 提出灰色关联投影角来衡量关联程度的大小;文献[2]求出各个方案与最优比较和最差比较方案的关联度, 得到各个方案的评价值;文献[5]中基于熵权法得到灰色综合评价方法。本文加入定性转变定量指标的方法, 在确定指标权重时, 针对分层的数据采用了层次分析法, 构造了基于灰色关联度和层次分析法的灰色综合评价模型, 并进行实例分析。
1 基于灰色综合评价模型的供应商评估要素分析
1.1 指标体系建立的原则
由于供应商评价过程涉及众多的因素, 而且各因素的重要性又有所不同, 因此, 在选择评价指标时, 应遵循以下几项原则:
(1) 系统全面的原则:建立的指标体系不仅能够全面反映供应商企业的现有状况, 还能够体现供应商企业的未来发展趋势。 (2) 灵活可操作原则:指标体系的设立应该有足够的灵活性, 使企业能够根据自身特点和实际情况进行运用。 (3) 科学实用性原则:指标体系要能科学地反映供应商的实际情况, 适中实用。如果指标体系过大、层次过多、指标过细将使评价的注意力不能体现整体;而指标体系过小、过粗又不能反映供应商的实际水平。 (4) 可拓展性原则:因为各个产业和行业的企业有自己的特殊要求。因此一些特殊的指标需要加入, 这就要求指标体系和相应的评价模型有扩展的空间[3]。
1.2 基于灰色综合评价的供应商评估指标体系
实施供应链合作伙伴关系, 意味着新产品和新技术的共同开发、数据和信息的交换、研究和开发的共同投资。在供应链合作关系环境下, 供应链合作伙伴也不再是只考虑价格, 而是更注重选择能在产品质量、企业业绩和交付能力及信息化等方面提供合作的伙伴。数据的分层对供应商的评价更具有准确性, 应用层次分析法对指标确定权重。
质量代表供应商产品的性能及使用价值。产品质量是供应链下游客户满意度之源, 是企业生产的产品能为客户提供的使用价值之本, 产品的使用价值是以产品质量为基础的。质量包括产品合格率、质量认证体系、准时交货率。
企业业绩包括产品报价和信誉两方面。供应商的价格高低对采购企业生产成本有重要影响, 将直接影响生产商和销售商的利润率, 从而决定供应链的低成本竞争优势。信誉是供应商在企业采购和交货过程中所提供的各种担保, 反映了采购企业在订货和交货过程中对供方产品的性能和售后服务的满意程度。
交付能力包括按时交货率和提前交货期。按时交货率从数量上反映物流供应商保证企业的产品或所需原材料准时到达需求地的水平。提前交货期是响应需求的时间量度, 衡量以多快的速度响应JIT采购需求。提前期越短, 企业的库存持有成本就越低。
信息化也是选择供应链合作伙伴关系的重要因子之一。降低供应链各级库存, 减少供应链的需求放大效应, 相互合作提高供应链的整体效益, 需要准确的需求信息作保证, 要求供应链成员各方信息共享和透明, 这是供应链有效运作的前提。
2 基于灰色综合评价模型的供应商评估体系构建
(1) 确定评价指标:评价对象的各种属性和性能, 是对评价对象进行评价的依据。
(2) 定性指标量化:上述指标质量中的质量体系认证、企业业绩中的企业信誉度、交付能力中的提前期都是定性指标。为了指标体系的可操作性和完整性, 需要对定性指标其进行量化处理。设V=!V1, V2, …, VK"为评语集, 评价划分为K个等级, 例如V=好!, 较好, 一般, 较差, 差"。由于二级评价指标Umi, i=1, 2, …, nm是定性的, 则对评价对象An, n=1, 2, …, N定义模糊
矩阵
其中0≤r (m) ik≤1, i=1, 2, …, nm, k=1, 2, …, K, m=1, 2, …, M, r (m) ik表示二级评价指标Umi属于评语集VK的隶属度。由于二级评价指标Um1, Um2, …, Umnm的模糊性, rik (m) .通过专家调查法, 对某个具体的评价对象得到Umi隶属于第K个评语集VK的程度。假设有T位专家赞成评估小组进行评估, T (m) ik表示对Umi做出评价尺度VK的专家人数, 则, 。。
好的评定值为10分, 较好为8分, 一般为6分, 较差为4分, 差为2分。介于其中的为之间的分数。则最终的分为:
(3) 采集定量指标的值, 并和量化的定性指标值一起填入表中。
(4) 确定最优集V*。最优指标是从各评价对象的同一指标中选取最优的一个, 各评价指标的最优值组成的集合称为最优指标集, 它是各评价对象比较的基准。最优指标集和各评价对象的指标组成矩阵, 其中vik是第I个评价对象中第k个指标的原始值。
(5) 数据的无量纲化处理。各因素组成的序列, 一般来说取值单位不尽相同, 因此必须把原始数据进行无量纲化。无量纲化的方法有数据初值化、数据均值化、数据极差化和数据标准化等, 这里采用数据均值化。
数据均值化:设原始的n+1个序列为｛xi (0) (k) ｝ (I=0, 1, …, n;k=1, 2, …, m) 。则均值化处理后的新序列为。
(6) 确定评价矩阵。经量纲归一化处理后, 以最优指标集为参考序列, 各评价对象的指标为比较序列, 有下式计算第I个评价对象与最优指标集的第k个最优指标的灰色关联系数。式中ρ为分辨系数, 在[0, 1]中取值, 通常取0.5;
(7) 确定各评价指标的权重。由于各指标的重要程度不同, 因此需要对各个指标赋予不同的权数ai!I=1, 2, …, m"。通常各权数应满足归一化和非负性条件, 。用层次分析法确定权重。得到ω= (α1, α2, …, αn) 。
(8) 灰色多层次综合评价。由评价矩阵R和权重举重ω, 可求出用灰色关联度表示的评价结果:B=ω×R, 灰色关联度越大, 说明该评价对象越接近于最优指标。因此可以根据关联度的大小排出各评价对象的优劣顺序[4]。
3 实例
某厂商需要从8个供应商所获取的有限信息中选择一个合适的合作伙伴。
(1) 确定评价指标:如第一部分所述。
(2) 定性指标量化:发放调查问卷给厂商的40位专家, 给8个供应商的三个定性指标打分, 经过上述方法计算后, 得到的值如表1中。
(3) 采集定量指标和将定性指标定量化得到的值得到表1:
(4) 确定最优集。价格和提前期是值越小越好的指标, 其他的是值越大越好的指标:V*=｛0.96, 10, 0.96, 8.15, 10, 1, 4, 10｝得
(5) 将原始数据无量纲化得到:
(6) 确定评价矩阵:
(7) 确定各评价指标的权重。用层次分析法确定权重, 首先通过专家的意见得到判断矩阵, 通过计算得到权重。
通过层次分析法计算最低层指标质量下的权重:得到最大特征值λmax=3.0883, 各指标的权重为ω1=[0.6370 0.1047 0.2583]。CI1=0.0442, RI1=0.5800, CR1=CI1/RI1≈0.076<0.1, 满足满意一致性。
最低层指标企业业绩下的权重:得到最大特征值λmax=2, 各指标的权重为ω2=[0.75 0.25]。一阶、二阶判断矩阵总是完全一致的。
最低层指标交付能力下的权重:得到最大特征值λmax=2, 各指标的权重为ω3=[0.6667 0.3333]。一阶、二阶判断矩阵总是完全一致的。
中间层指标的权重:得到最大特征值λmax=4.1471, 各指标的权重为ω'=[0.5586 0.2559 0.1225 0.0630]。根据得到CR≈0.076<0.1。
根据层次总排序得到最终具体指标的权重为:ω=[0.3558 0.0585 0.1443 0.1919 0.0640 0.0817 0.0408 0.0630]。
(8) 灰色多层次综合评价。由评价矩阵R和权重举重ω, 可求出用灰色关联度表示的评价结果:
可见, 供应商8的关联度是最大的, 最接近于最优指标, 选择此供应商。
4 结论
对于有分层、具有定性指标、信息不完全且没有符合典型的概率分布的指标数据, 本文将传统的灰关联分析方法进行了改进, 加入定性指标转变为定量指标的方法, 将层次分析法和灰色关联分析方法结合得到灰色综合评价模型。用该模型来评价供应商克服了传统灰关联分析中要求数据简单信息不全的缺点, 克服了传统方法中定性指标难以量化的局限, 克服了数理统计方法中要求大量数据、服从某个典型的概率分布, 为信息社会的供应商评价提供了新的思路。
摘要：针对有分层、具有定性指标、信息不完全且没有符合典型的概率分布的指标, 基于层次分析法和灰色关联分析, 提出了进行供应商评价的灰色综合模型。最后进行了实证分析, 表明该模型是可行的, 为解决供应商评价工作提供了一种全新的思路。
关键词：层次分析法,灰色关联度,灰色综合评价,供应商评价
参考文献
[1]李高扬, 吴育华, 刘明广.供应链中供应商选择问题的研究[J].工业工程, 2005, 8 (6) :81-85.
[2]郜振华, 陈森发.基于改进灰色关联分析的供应商评价方法[J].制造业自动化, 2004, 26 (10) :60-63.
[3]Chun-Chin Wei, Chen-Fu Chien and Mao-Jiun J.Wang.An AHP-based approach to ERP system selection[J].International Journal of Production Economics, 2005, 96 (1) :47-62.
[4]吴祈宗.系统工程[M].北京:北京理工大学出版社, 2006.
[5]兰洪杰, 施先亮, 赵启兰.供应链与企业物流管理[M].北京:清华大学出版社, 2004.
[6]朱颢.供应链管理中供应商选择的灰色综合评价法[J].天津理工学院学报, 2004, 20 (2) :89-93.
[7]朱立伟.ERP环境下供应商评价与选择策略[J].商场现代化, 2007 (19) :5-7.
【物流供应商评价模型】推荐阅读：
供应商物流优化07-16
第三方物流供应商11-02
供应物流系统09-26
供应物流管理分析07-01
汽车制造企业供应物流11-02
物流与供应链管理09-22
港口物流服务供应链07-26
企业物流与供应链管理08-26
供应链物流管理发展10-01
物流与供应链管理技术05-13