供应商绩效评价文献综述

作者简介：赵祖琴（1987.07-），女，汉族，贵州，贵州大学在读硕士研究生，专业管理科学与工程，研究方向：工业工程管理（含物流与供应链方向）。

摘 要：供应商管理是供应链管理的核心问题，而供应商绩效评价是实现供应商有效管理的必然途径。本文对供应商绩效评价的两个核心问题——指标体系和评价方法进行了文献综述，首先对指标体系的选取原则、常用指标、指标处理、指标选取等方面进行了论述，其次对现阶段常用的现代综合评价方法的原理、优点和问题进行了分析。最后，提出了未来可能的研究方向。

关键词：供应商评价；指标体系；评价方法

1.引言

供应链管理的实质是将供应链上各个节点企业的核心竞争力进行整合，以此达到整体效益的最大化。供应商管理是供应链管理的前提条件，也是供应链管理的核心问题[1]。企业通过对供应商进行评价，选择合格的供应商，可以说供应商评价是实现供应商有效管理的必然途径。在供应商绩效评价中，核心的两个问题分别是绩效评价指标体系的构建和评价方法的选择。

2.供应商评价指标体系研究综述

供应商评价指标体系是用来对供应商的各个方面的表现进行全方位测量体系。对于供应商评价指标体系，学者一般在以下几个方面进行研究：

一是评价指标选取的原则，仲维清[2]、赵小惠[3]、王熙[4]等都提出相关描述。综合看来，学者普遍认为对于评价指标的选取，主要遵循系统全面原则、柔性和灵活性原则、实用性和可操作性原则、可拓展性和可重构性原则、与企业自身及行业特点相适应等原则。

二是研究供应商评价的一般性通用指标和专用指标。在这个方面国外以Dickson C.W.、Weber C.A.为代表，Dickson（1966）通过问卷调查的方式得到了23项常见评价指标的重要性排序，而Weber[5]通过对文献的统计以常见的评价指标的使用频率进行了排序，以此来表明其重要性的排序，二者得到的结论基本一致。国内的学者也对此进行过统计，例如华中理工大学CIMS-供应链课题组（1997）得出质量、价格、交货提前期、批量灵活性等是中国企业重视的评价指标。但是随着市场经济越来越复杂，一些复杂、定性指标被提出，如陈启杰[6]列举的三个指标：产品设计与开发能力、生产柔性及灵活性和环保观念等。此外，一般性的指标并不能适应所有行业、所有市场环境下的企业，因此学者在进行供应商评价指标体系构建时，一般都会在基础指标的基础上，根据企业、行业和环境的要求增减一些指标，如针对钢铁行业而言，王道平[7]、王熙[4]、贺莉[8]等都构建了适用于钢铁企业的指标体系。

三是研究评价指标的具体含义、计算方法、权重确定以及技术处理手段。对于每一个评价指标，都必须明确其含义以及计算度量方法，否则不符合指标选取的可操作性原则。对于定量指标而言一般比较容易理解，但是对于定性指标而言就存在一定的难度。对于这类指标一般会采取一定的技术手段加以处理，例如为了建立基于供应商合作伙伴关系的指标体系，马士华（2000）等对评价供应商和企业合作关系的客户满意度指标进行了详细的说明和技术处理，以使其可量化；刘礼金[9]采用三角模糊数方法对取值不为具体数字而为不同等级的指标进行了量化处理等。

四是对于如何对指标进行取舍，即对指标体系内部关系的分析和指标选取方法的研究。根绝指标选取的全面性原则和简洁性原则，指标体系的构建首先要充分反应被评价对象的各个方面，但是又要尽量减少具有强相关性的指标的同时出现，降低工作难度提高工作效率。常用的指标选取方法有主成分分析法[10]、因子分析法[11]、相关性分析法[12]、灵敏度分析法[13]等是常见的研究方法。这些方法总的来说是采用线性规划的方法对评价指标的重要性和相关性进行分析，具有较强的可操作性和合理性。

3.供应商评价的方法研究综述

供应商评价的方法主要包括定性方法（直观判断法、企业招标法、协商选择法等）、定量方法（采购成本比较法、作业成本法、线性权重法等）以及定性和定量相结合的方法（层次分析法、人工神经网络等）等三类[14]。传统的定性、定量方法的应用相对已经比较广泛，在此主要介绍近年来得到广泛关注和应用的定性与定量相结合的评价方法，即现代综合评价方法，主要包括层次分析法、神经网络法、模糊综合评价方法、数据包络分析方法等。

3.1层次分析法

层次分析法是现阶段在供应商评价方面使用最多的方法之一，是一种定性与定量相结合的方法，其基本原理是将复杂问题分解为若干层次和若干因素，建立判断矩阵，利用矩阵特征值和特征向量代表的经济含义来得到不同方案的重要性排序[15]。对于层次分析法的探讨主要在两个问题上，一是判断矩阵的一致性检验和自我优化[16]，二是对于层次结构的最底层评价指标的权重的确定。层次分析法是一种非结构化的决策方法，简单易行，但是决策本身是一项复杂的社会系统工程，不能一味寻求简单而忽视了决策系统的复杂性[17]。同时对指标权重的人工干预将极大的影响最终的评价结果，不同的权重取值将导致最终结果的较大变化。方法简单易行是层次分析法最大的特征，但也正是这个特征使得层次分析法的理论基础过于薄弱，不具备进一步深入研究的价值，但不可否认其具有较其他评价方法更高的实用性和可操作性。

3.2神经网络法

神经网络法是采用人工智能、利用经验和学习进行决策的一种方法。神经网络方法主要解决了非线性的问题和样本必须服从于正态分布的问题，其非线性的映射能力、自我组织和学习能力、分布式的存储结构，使得其具有较强的容错性，能实现局部资料缺失也不影响总体评价结果。神经网络的基本原理是构建多层网络，通过样本输入值使得神经网络得到学习，在此阶段连接权值随之变化，再将待评价主体的值输入，根据之前有样本构建起来网络得到相应的输出值，此时的连接权值是保持之前的学习结构不变的[18]。对于神经网络而言最主要的有两个问题，一是算法的确定，现阶段比较常用的是Rumelhart（1985）年提出的BP算法；二是中间节点数的确定，为解决这个问题，陈雄华等[19]提出了一种解决方法，即采用逐步增加节点数，通过学习训练，如果引起准确性的下降，则采用未增加前的节点数，但另一个问题随而来，即如何判断准确性下降了，判断的标准是什么却没有得到很好的解决。神经网络法由于以上所述的优点，越来越受到学者的关注，但是其研究的内容主要在于计算机軟件的开发，而且本方法相对比较复杂，在实际应用中比较难以被企业所采用，在方法的实践推广上具有局限性。

3.3模糊综合评价方法

模糊综合评价方法最先由我国学者汪培庄提出，解决的是传统评价方法无法解决的一个问题：评价等级之间的关系是模糊的情况。这里首先要理解“模糊”的概念，当一个概念与其对立的概念之间无法划出一条明确的分界线，它们之间是随着量变逐渐发展到质变的，则称这两个概念之间是模糊的。模糊综合评价方法的基本原理是通过构建隶属矩阵，通过指标权重矩阵与隶属矩阵的合成来对决策单元进行评价。这其中有两个主要的研究要点，一是隶属矩阵的确定，隶属矩阵由隶属度组成，隶属度指每个评价对象在某个指标中对某个等级的隶属程度，确定的方法主要有等级比重法、频率法等；另一个问题是合成算子的确定，常见的有查德算子、普通矩阵乘法等方法[20]。当然，模糊综合评价方法与层次分析法一样，需要主观的对每个指标的权重进行确定。糊综合评价法解决的是一類特殊的问题，在实际应用中常常与其他方法结合起来，作为辅助解决具有模糊性质的指标的处理。

3.4数据包络方法

数据包络方法（DEA，Data Envelopment Analysis）首先由A.Charnes、W.W.Cooper和 E.Rhodes（1978）提出，用以评价决策部门之间的相对有效性。他们提出的第一个模型是CCR模型，该模型对具有多个输入和多个输出的同类型的生产部门的有效性进行评价[21]。该模型的基本原理是通过被评价的全体生产部门本身构建出生产前沿面，所谓的生产前沿面指这部分生产部门不能由其他任意数量的生产部门的线性组合表示出来，这部分生产部门被评价为DEA有效的生产部门。CCR是数据包络分析方法的第一个模型，在该模型的基础上，为解决CCR模型规模效益不变的约束，R.D.Banker、A.Charnes和W.W.Cooper（1984）提出了基于规模收益可变的BCC模型[22]，由此结合BBC模型和CCR模型，可以计算出生产部门的综合效率、纯技术效率和规模效率。现阶段对于DEA方法的研究主要集中在以下几个方面：一是对模型本身的改进和DEA有效性的验证，二是评价指标值存在某些数据特征进行处理，三是根据输出对其进行变性不变形研究、灵敏度分析等。

通过对这些方法的分析，可以看出这些方法存在以下特点：一是对评价指标权重的确定几乎是每种评价方法都要解决的问题之一，常见的确定权重的方法有德菲尔法、主成分分析权值法、模糊聚类最大矩阵元法、因子分析权重法、熵值法等。这些方法有的是主观赋值法，也有客观取值法。但无论是哪种方法，需要对评价指标进行权重处理都是一项相对复杂的工作，同时所赋权重是否符合客观实际情况往往也无从考证。二是某些方法具有较强的针对性，如灰色评价法、模糊评价法等，这些方法是解决具有特殊属性的问题的方法，普遍适用性上有一定的局限。三是这些方法或多或少都存在一些主观性，不仅包括上述提到的权值的确定，还包括如神经网络法算子和结点数的确定、模糊评价方法隶属度的确定等。而数据包络分析（DEA）方法则是其中客观性最强的方法，其不需要对评价模型进行内部构建、不需要主观确定权重、不需要对指标进行无量纲化等处理，因此越来越多的被应用到供应商绩效评价中。同时DEA方法与层次分析法相比，具有坚实的数学理论基础，更具研究潜力，与神经网络法相比又相对比较简单，实践应用更为广泛。

4.结束语

供应商绩效评价作为供应链管理的重要组成部分，受到了企业和学者前所未有的关注。通过上述的文献综述发现，学者对于供应商绩效评价的研究是非常全面和深入的，但是仍然有几个问题是值得思考的。

首先，学者在进行供应商评价研究时，在评价方法的选取上存在一定的任意型。也就是说学者一般会采用某种评价方法进行供应商绩效评价的实证研究，但是选取这种方法的理由和依据、方法的有效性验证等却是很少有学者进行深入研究的。因此，在后续的研究上，多种评价方法的对比性研究是一个值得深入探讨的方向。

其次，虽然供应商绩效评价研究在学术界已经取得了大量的研究成果，但是通过对多家企业进行走访调查发现，多数企业（特别是中小型企业）并没有真正的将这些方法应用到实际管理中，主要原因是这些方法对于企业来说过于复杂。针对这个问题，可以增加供应商绩效评价系统的软件实现研究，将后台复杂的过程向企业进行屏蔽，企业只需要通过录入生产管理数据，即可实时获得供应商评价的结果。（作者单位：贵州大学管理学院）

参考文献：

[1] 李向辉. 供应链环境下的供应商选择与管理问题研究[D]. 大连海事大学， 2009.

[2] 仲维清， 侯强. 供应商评价指标体系与评价模型研究[J]. 数量经济技术经济研究， 2003， 20（3）.

[3] 赵小惠， 孙林岩. 供应商选择模糊决策方法[J]. 工业工程， 2002， 5（5）：12-15.

[4] 王煦， 王道平， 王燕. 基于因子分析的我国钢铁企业绿色供应商选择指标实证研究[J]. 软科学， 2009， （10）：46-49.

[5] Weber C A， Current J R， Benton W C. Vender Selection Criteria and Methold. European Journal of Operational Reasearch，1991，50：2-18.

[6] 陈启杰， 齐菲. 供应商选择研究述评[J]. 外国经济与管理， 2009， （5）.

[7] 王道平， 王煦， 王燕. 基于数据包络法的钢铁企业供应商选择模型研究[J]. 现代管理科学， 2009， （2）：23-24.

[8] 贺莉. 基于供应链管理的钢铁企业备件供应商评价与选择[D]. 中南大学， 2009.

[9] 刘礼金， 范如国. 基于三角模糊数比较大小原理的模糊层次分析法在供应商合作伙伴选择中的应用[J]. 物流科技， 2006， （3）：117-120.

[10] 杨小平， 娄彦华， 巫绪芬. 绩效评价指标选取的统计方法及其应用[J]. 技术经济， 2002， （5）：61-63.

[11] 耿金花， 高齐圣， 张嗣瀛. 基于层次分析法和因子分析的社区满意度评价体系[J]. 系统管理学报， 2007， （6）.

[12] 朱顺应， 王红. 公路網规划技术评价指标相关性分析[J]. 系统工程理论与实践， 2002， （12）：131-135.

[13] 李盛阳， 张晓武， 邢立宁. 基于灵敏度分析的动态指标选取方法[J]. 计算机仿真， 2005， （3）：120-123.

[14] 陶运海. 制造业供应链中供应商评价研究及应用[D]. 重庆大学， 2013.

[15] 郭金玉， 张忠彬， 孙庆云. 层次分析法的研究与应用[J]. 中国安全科学学报， 2008， （5）.

[16] 秦吉， 张翼鹏. 现代统计信息分析技术在安全工程方面的应用：层次分析法原理[J]. 工业安全与防尘， 1999， （5）：44-48.

[17] 谢乃明， 刘思峰. 灰色层次分析法及其定位求解[J]. 江南大学学报：自然科学版， 2004， （1）.

[18] 钟田丽， 贾立恒. 中小企业信用评价的神经网络法[J]. 技术经济与管理研究， 2005， （5）：30-32.

[19] 陈雄华， 林成德， 叶武. 基于神经网络的企业信用等级评估[J]. 系统工程学报， 2002， （6）：570-575.

[20] 李玉琳， 高志刚， 韩延玲. 模糊综合评价中权值确定和合成算子选择[J]. 计算机工程与应用， 2006， （23）：38-42.

[21] Chames A， Cooper W W， Rhodes E L. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978，2（6）： 429-444.

[22] Banker R D， Charnes A， Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]， Management Science， 1984， 30（9）： 1078-1092.