基于MCDM模型的汽车行业第三方逆向物流供应商的选择

潘爱娟

（江南大学 商学院，江苏 无锡 214000）

基于MCDM模型的汽车行业第三方逆向物流供应商的选择

潘爱娟

（江南大学 商学院，江苏 无锡 214000）

基于多标准决策，提出基于熵方法、接近理想值法（TOPSIS）和灰色关联分析的整合模型。熵决策得到最初的权重，TOPSIS和灰关联分析得到最终的排序。并根据汽车行业确定和总结了评价标准，以一家中国的汽车制造商案例证明了模型的可行性和有效性。

第三方逆向物流供应商；MCDM模型；熵；逼近理想值法；灰色关联

1 引言

第三方逆向物流（3PRL）是将部分或全部逆向物流活动外包给第三方物流服务供应商，意味着产品从终端客户流向最初制造商。汽车行业繁荣导致环境污染、资源浪费和汽车制造商内部激烈的竞争。随着国家绿色立法的颁布，可持续发展意识的深入人心，逆向物流的复杂性和物流追踪设备先进性要求，越来越多汽车制造商外包逆向物流给第三方物流供应商，选择合适的第三方逆向物流供应商成为物流外包过程中至关重要的一步。

国内外学者对于供应商、供应链选择的评价进行了广泛的研究，其研究范围主要为供应商的评价与选择，供应链模式的剖析选择以及供应链中逆向物流供应商评价与选择的方法研究。文献[1]-[2]运用综合方法对物流服务供应商进行了评价选择，基于层次分析法(AHP)构建了包括四个一级指标和11个子指标的评价体系，并通过修正灰关联法改善了指标之间的差异型[1]-[2]。供应链的运营模式由于供应商和供应链的不确定性而存在高度复杂性。倪明等（2012）运用Multi-Agent技术结合Anylogic仿真软件，构建了四种逆向物流事件合作伙伴动态仿真模型，协调了供方与需方的需求，识别了影响逆向物流事件的主要因素指标[3]。与此同时，逆向物流供应商选择由于环保意识、绿色立法及其自身复杂性等问题引起了高度重视，其主要研究方向是指标体系的构建和评价方法的选择及指标的敏感性分析。文献[4]-[8]构建了包括成本、环境、服务能力和企业发展概况等在内的指标体系，Kannna，Devika（2012）补充了第三方物流服务（3PLs）、逆向物流功能（RLF）、组织角色（OR）、顾客满意度（US）、3PL应用影响（IU3PL）、组织性能标准（OPC）和网络应用（IT）七种评价标准。对于逆向物流供应商的评价方法主要归类于多标准决策法，并且多数文献基于不同的评价指标进行了敏感性分析。文献[9]-[10]发现公司为了成本节约和生态友好发展逆向物流，然而逆向物流外包过程中在质量、数量和回收时间上存在不确定性。运用层次分析法（AHP）和理想值逼近法（TOPSIS）提出了模糊环境下供应商选择与评价。Ramesh等（2014）认为评价和选择最有效的逆向物流承包商这一挑战性的任务对于成本节约、运输、库存至关重要。决策的过程是不确定或模糊的，文章在不确定环境下，运用层次分析法（AHP）和模糊接近理想值法（TOPSIS），敏感性分析确认稳定性是必要的[11]。

汽车行业繁荣虽然引起了学者们的高度重视，国内汽车行业第三方逆向物流供应商的指标体系构建以及评价仍然障碍重重。文献[12]-[13]强调汽车物流可以分为整车物流和零部件物流，零部件物流远复杂于整车物流，闭环由正向供应链和逆向供应链构成的供应链也变得越来越复杂，再循环供应商由于复杂性成为当今最主要的问题。自主创新薄弱限制了汽车行业的可持续发展，由于管理技术、先进设施、专家的缺乏和供应链的复杂性，企业不能集中于核心竞争力的发展以及复杂供应链的运营[14]。逆向物流由于资源减少和环境破坏获得世界范围发展契机。逆向物流发展存在四个重要障碍：管理、金融、政策和设施，外包逆向物流的最终目的是发展核心优势和降低成本，企业不仅需要获得利润也要保护环境和保护资源[15-16]。

本文基于上述文献，分析了汽车行业物流外包现存问题，构建相应评价标准体系，呈现由熵、接近理想值法（TOPSIS）和灰色关联分析的混合模型，同时将这一模型与汽车行业3PRLP选择算例相结合，目的在于为汽车行业选择最合适的逆向物流供应商。文章基于专家对比矩阵，从战略规划角度得到最终的排序，将3PRLP问题与实践相结合，并运用了新型的模型评价选择方法，结果更加客观可靠，且实用性强。

2 建模

2.1 汽车行业3PRLP指标体系构建

本文基于上述文献综述，结合我国汽车行业的发展现状，构建了包括成本、质量、逆向物流服务功能、组织角色、兼容性、风险以及互联网的7个一级指标和相对应的29个二级指标的汽车行业第三方逆向物流供应商指标体系，囊括了汽车行业在供应商选择过程中所考虑的关键因素，不仅仅是成本、服务质量，也包括信息的畅通及时和服务的完善等。具体的指标体系见表1。

表1 评价指标体系

2.2 基于熵权法的指标权重确定

熵是利用概率论衡量信息不确定性，信息量越大，不确定性越小，熵值越小；反之信息量越小，不确定性越大，熵也就越大。熵权法基于指标所能提供的信息量来确定权重[17]。具体过程如下：

（2）标准化。为了消除指标量纲不同的影响，对评估指标进行标准化处理。当指标j是效益指标时，用式子进行标准化；当指标j是成本指标时，用式子进行标准化，得到标准状态矩阵Y。

（3）计算评估指标的熵，如下：

（4）计算标准权重。

2.3 基于TOPSIS法的灰色关联分析的3RLP选择

接近理想解法（TOPSIS）首先由Hwang&Yoon（1981）提出，根据评价目标与理想方案的接近程度对候选者进行排序的方法，广泛应用于多标准决策中（MCDM）。1982年邓聚龙教授提出了灰色理论，其基本观点是分析和比较系统数据的关联度。TOPSIS可以揭示目前的位置关系，而灰色关联度精确地解释了关联程度，文章提出了由TOPSIS和灰色关联相加权的新的评价方法，达到第三方物流供应商的最终排序[18]，具体步骤如下。

（1）赋权标准矩阵。根据熵权法得到初始标准化矩阵Y，用式子 Vij=Yij×wj得到赋权标准矩阵V=[Vij]m×n，i=1,2,···,m; j=1,2,···,n

（3）计算第i个方案分别与理想方案和负理想方案关于第j个指标的距离。

（4）计算赋权灰色关联度。

则赋权灰色关联矩阵为：

其中，α1、α2反映了决策者对位置和形状的偏好程度，并且满足α1+α2=1，得到方案的相对贴近度为：

新贴近度基于欧式距离和灰色关联度，同时反映了方案与理想方案和负理想方案之间的位置关系和数据曲线相似性差异。按照贴近度的大小对方案进行排序，贴近度越大方案越优；贴近度越小方案越劣。

3 算例分析

为了说明模型的可行性、实用性，本文选择了一家汽车制造商作为算例分析对象。公司A是中国东南部的一家汽车制造商，主要生产各种各样的汽车零配件。公司A运用尖端设备、先进技术、高质量人才对产品进行铸造、电镀和焊接等加工。在最近几年，公司拓展经营规模导致了物流复杂性的增加。在绿色立法颁布和环境保护、资源节约意识加强的背景下，公司A作出了战略性决定，即为保护环境和满足顾客需求外包逆向物流。公司A基于供应商评价指标的专家对比矩阵见表2。

表2 供应商一级评价指标原始数据

根据熵权法计算步骤，计算一级评价指标权重见表3。

表3 一级评价指标权重

将一级指标权重赋予二级评价指标，仍然根据熵权法计算出二级指标的权重见表4。

表4 二级评价指标权重

基于熵权法确定的权重，计算第i个方案分别与理想方案和负理想方案关于第j个指标的距离，见表5。

表5 方案分别与理想方案和负理想方案的距离

基于熵权法确定的权重，计算第i个方案分别与理想方案和负理想方案关于第j个指标的关联度，见表6。

表6 方案分别与理想方案和负理想方案的关联度

基于熵权法确定的权重，计算加权贴近度，α1、α2取不同的值，得到最终的加权排序，见表7。

表7 加权贴近度

分析的过程说明第三方逆向物流供应商的选择高度取决于管理者和专家制定的评价标准，确定理想方案和负理想方案非常重要，综合性的方案可以使外包获得成功。同时，本文选取了不同的加权贴近度，得到了一致的排序，说明基于熵权法赋权，灰关联理想点法相结合的第三方逆向物流供应商评价方法的评价效果较为客观，可以应用于汽车行业这一案例分析中，结果表明A3供应商在成本、质量、逆向物流服务功能以及风险等方面都优于其他供应商，从而为汽车行业成功地选择了较优的逆向物流供应商。

4 结论

汽车行业实施逆向物流存在许多困难和风险，不仅是制造商选择合适的第三方逆向物流供应商，同时也是逆向物流供应商承担可承受的物流活动。供应商需要满足客户需求并有效回收废旧产品。该文为汽车行业选择第三方逆向物流供应商提出了综合性的模型。首先，提出基于文献综述和专家观点的评价标准。然后，专家团队应用综合性模型为汽车行业候选供应商进行了排序。文章运用熵权法客观赋权，专家确定理想方案和负理想方案，计算每一方案到它们的距离以及灰色关联度，加权得到最终的候选者排序。最后，文章应用实例论证了模型的有效性和实用性。

然而，文章提出的评价标准主要基于文献综述和专家意见，也没有讨论标准之间的相互关系。尽管如此，文章的模型仍可应用于除了制造商和逆向物流供应商之外的其他领域。未来仍可做许多研究，如可采用敏感性研究讨论每一标准权重的稳定性，也可提出更加复杂的模型分析多标准的相互关系。

[1]Jharkharia S,Shankar R.Selection of logistics service provider: An analytic nerwork process(ANP)approach[J].Omega,2007, 35:274-289.

[2]Hsu C C,Liou J H,Chuang Y C.Integrating DANP and modified grey relation theory for the selection of an outsourcing provider[J].Expert Systems with Applications,2013,40:2 297-2 304.

[3]倪明,陶双双,郭军华.企业逆向物流外包合作伙伴动态选择模型研究[J].工业工程与管理,2012,(5):21-28.

[4]Govindan K,Palaniappan M,Zhu Q H,Kannan D.Analysis of third party reverse logistics provider using interpretive structural modeling[J].International Journal of Production Economics,2012,140:204-211.

[5]Cheng Y H,Lee F.Outsourcing reverse logistics of high-tech manufacturing firms by using a systematic decision-making approach:TET-LCD sector in Taiwan[J].Industrial Marketing Management,2010,39:1 111-1 119.

[6]贺团英,马天山.基于可拓法的报废汽车逆向物流供应商选择与评价模型研究[J].武汉理工大学学报(社会科学版), 2009,(6):52-57.

[7]Guarnieri P,Soberiro VA,Nagano M S.The challenge of selection and evaluating third-party reverse logistics providers in a multicriteria perspective:a Brazilian case[J].Journalof Cleaner Production,2015,96:209-219.

[8]Xi F,Jiang W Q.Study on Scrap Automobile Manufactures Reverse Logistics Partners Based on Evaluation Engineering[J]. Systems Engineering Procedia,2012,2 211(3 819),213-221.

[9]Jayant A,Gupta P,Garg S K,Khan M.TOPSIS-AHP Based Approach for Selection of Reverse Logistics Service Provider:A Case Study of Mobile Phone Industry[J].Procedia Engineering, 2014,97:2 147-2 156.

[10]Kannan G,Pokharel S,Kumar P S.A hybrid approach using ISM and fuzzy TOPSIS for the selection of reverse logistics provider[J].Resources,Conservation and Recycling,2009,54: 28-36.

[11]Senthil S,Srirangacharyulu B,Ramesh A.A robust hybrid multi-criteria decision making methodology for contractor evaluation and selection in third-party reverse logistics[J]. Expert systems with Applications,2014,41:50-58.

[12]曾娟,张国方.中国汽车零部件物流与整车物流的比较分析[J].武汉理工大学学报(信息与管理工程版),2006,01:112-115.

[13]Dhouib,D.An extension of MACBETH method for a fuzzy environment to analyze alternatives in reverse logistics for automobile tire wastes[J].Omega,2014,42:25-32.

[14]杨沿平,唐杰,周俊.我国汽车产业自主创新现状、问题及对策研究[J].中国软科学,2006,(3):11-16.

[15]孟丽君,张宝友,黄祖庆.资源与企业逆向物流能力间关系的实证研究:以浙江省为例[J].物流技术,2014,07:226-228.

[16]Abdulrahman M D,Gunasekaran A,Surbramamian N.Critical barriers in implementing reverse logistics in the Chinese manufacturing sectors[J].Production Economics,2014,147: 460-471.

[17]谷丽丽,曹翠芬,崔利华.浅析供应商选择中熵权法的不足与改进[J].物流技术,2009,(1):95-96+111.

[18]钱吴永,党耀国,熊萍萍,王正新.基于灰色关联定权的TOPSIS法及其应用[J].系统工程,2009,(8):124-126.

Selection of Automobile Third Party Reverse Logistics Suppliers Based on MCDM

Pan Aijuan
(School of Business,Jiangnan University,Wuxi 214000,China)

In this paper,based on the multi-standard decision-making process,the TOPSIS and the grey correlation analysis model, we arrived at the initial weighting of the indexes in the selection of the automobile third party reverse logistics suppliers and their final ranking,then summarized and finalized the corresponding evaluation standard,and at the end,proved the feasibility and validity of the model through an empirical case.

3PRLP;MCDM;entropy;TOPSIS;grey correlation

F253;F224.0

A

1005-152X(2017)01-0117-04

10.3969/j.issn.1005-152X.2017.01.025

2016-10-24

潘爱娟（1991-），女，江苏盐城人，在读硕士，主要研究方向：供应链管理、逆向物流、第三方物流。