基于三角模糊数犹豫直觉模糊集的林产品供应链信息共享程度评价

唐 毅，张彬乐，王忠伟

（1.中南林业科技大学 交通运输与物流学院，湖南 长沙 410004；2.湘潭大学 公共管理学院，湖南 湘潭 411105）

基于三角模糊数犹豫直觉模糊集的林产品供应链信息共享程度评价

唐 毅1,2，张彬乐2，王忠伟1

（1.中南林业科技大学 交通运输与物流学院，湖南 长沙 410004；2.湘潭大学 公共管理学院，湖南 湘潭 411105）

以深圳市15家林产品供应链企业为研究对象，提出基于粗糙集的林产品供应链信息共享程度评价模型，从5个方面构建了全新的林产品供应链信息共享程度评价体系。其中，IT能力方面包含4个二级指标： IT系统花费、IT技术应用、信息系统安全和数据库性能。基础投资水平方面包含4 个二级指标：硬件设施投资、通讯投资、人工成本投资以及组织成本投资。共享信息方面包含3个二级指标：共享渠道数量、共享信息种类和共享信息深度。共享信息状态方面包含4个二级指标：信息完整程度、信息及时程度、信息反馈程度和信息准确程度。管理因素及绩效水平方面包含5个二级指标：组织结构状况、业务流程、牛鞭效应影响、履约率、客户服务能力水平和订单完成程度。结果表明，林产品供应链上游企业信息共享程度明显高于林产品供应链下游企业的信息共享程度，该评价结果可为林产品供应链信息共享激励实施提供参考。

粗糙集；模糊集；信息共享；评价

林产品供应链信息共享是林产品供应链协调的基础，信息共享行为本身就是一种承诺行为，这有利于促进林产品供应链伙伴间的合作，信息共享有利于合作伙伴取长补短，有利于林产品供应链企业的聚合，有利于企业更好的计划和控制。信息共享能节省林产品供应链成本，信息共享有利于生产商掌握顾客的需求，大量减少库存成本。信息共享提升了林产品供应链价值，信息技术的应用提升了信息交换的准确性和效率，帮助企业在瞬息万变的市场环境下做出正确的决策。因此诸多专家学者在林产品供应链的信息共享领域进行了研究。如HL Lee等[1]率先对信息在林产品供应链成员间传递时被扭曲而形成的“牛鞭效应”进行了研究，得出结论：减轻“牛鞭效应”的有效途径是信息共享。随后J Li等[2]评估了信息共享策略对林产品供应链绩效的影响，他们认为在大多情形下，可以通过信息共享来提高林产品供应链性能。进一步地，N Ding[3]提出林产品供应链伙伴需要通过信息共享来提高自身竞争优势。国内学者楚杨杰等[4]运用博弈论工具对林产品供应链信息共享的意义和可能存在的风险进行了分析，分析得出：在运用信息共享的方法提高林产品供应链利润的情形下，均匀地分配林产品供应链新增加的利润可能会造成伙伴企业的双边道德风险行为。更深入地，王庆喜[5]从过度信息共享和缺乏信息共享两方面对VMI信息共享存在的风险及其成因进行了分析，并基于不同角色风险程度的不同，得出了控制信息共享风险的方法。

同时对于信息共享程度评价，已有诸多学者采取各类方法进行了研究，如朱焰、单一峰[6]在前人研究基础上，提出了一套信息共享度的评价指标，基于这套指标搜集了部分林产品供应链企业的相关数据，并运用模糊综合评价法对这些企业进行了综合评价。楚扬杰、王先甲等[7]基于当前国内外信息共享的已有文献，建立了信息共享的评价指标体系，根据评价指标的重要程度得出权重值，并以粗糙理论为评价方法，解决了以往信息共享评价中确定权重值时主观性问题。龚花萍等[8]等从制造商的角度评价制造商和供应商之间的信息共享度，构建一个全新的指标体系，以江铃汽车股份有限公司为例采用AHP和模糊综合评价法进行实证分析，实验证明模型有效。

在对数据进行细粒度刻画研究中，Atanassov K[9]基于原始模糊集，引入非隶属度的观点，提出了直觉模糊集即从隶属度和非隶属度两个维度来反映客观现实，因此具有更强的描述能力。刘锋[10]则基于直觉模糊集，更进一步地将隶属度和非隶属度扩展为区间隶属度和非隶属度，采用了区间数和模糊数代替原有的精确值，提出了区间直觉模糊集和模糊数直觉模糊集的概念。另一方面，针对人类思维的犹豫不决的特性， Torra和Narukawa[11]提出了犹豫模糊集（HFS）的概念，即允许存在一组隶属度，以解决策的犹豫性问题。进一步的地，付超[12]结合犹豫模糊集和直觉模糊集的特性研究了犹豫直觉模糊集的概念，即在犹豫模糊集中导入非隶属度，进一步地扩展为犹豫直觉模糊集，并给出了犹豫直觉模糊集的加权算术平均算子和加权几何平均算子。

由于林产品供应链评价指标具有不确定性、随机性、模糊性等诸多特点，导致现有的数据描述方法不能全面、精确的刻画复杂的现实情况。因此本研究将引入了将犹豫直觉模糊集和三角模糊数想结合的三角模糊数犹豫模糊集来刻画指标属性，即从描述指标模糊性、犹豫性、不确定性来拟合人类大脑的思维过程，使得指标描述蕴含更多信息并符合现实情况，同时利用粗糙集的客观权重求解优势进行权重求解，形成最为合理、客观评价；最终通过实例证明该方法的有效性和优越性。

1 相关理论

1.1 三角模糊数犹豫直觉模糊集

林产品供应链作为一个复杂、模糊的系统，其中很多指标体系存在不确定性和模糊性，尤其体现在农产品信息共享程度评价，其评价指标大多为主观指标，在实际评价中，专家往往对指标做出多种不同层面的研究和打分，这导致了评价指标的不确定性及其犹豫性，因此本研究引入三角模糊数犹豫直觉模糊集来刻画这种不确定性和犹豫性。

定义1 设X为集合，则称E={＜x，hE(x)＞|x∈X}为X上的犹豫模糊集[12]（HFS）,其中hE(x)为x属于X的不同隶属度的集合，其值为区间[0,1]的实数值，记hE(x)为犹豫模糊元（HFE）。

定义2 设X为非空集合则称M={＜x，[μM(x)，vM(x)]＞ |x∈X}为 三 角 模 糊 数 直 觉模糊集，其 中μM=[μ-M，μM，μ+M]⊂ [0，1]、vM=[v-M，vM，v+M]⊂[0，1]分 别 表示X中 的 元素x属于M的隶属度和非隶属度，且满足条件 0≤μ+M(x)+μ+M(x) ≤ 1， 称 {[μ-M(x)，μM(x)，μ+M(x)][v-M(x)，vM(x)，v+M(x)]}为三角模糊数直觉模糊数[13]，简记为 [(μ-，μ，μ+)(v-，v，v)]。

定义3 设X为非空集合，则X上的三角模糊数犹豫直觉模糊集为S={＜x，hE(x)＞|x∈X}其中hE(x)是多个三角模糊数直觉模糊数构成的集合，表示X中的元素x属E的可能程度，则称hE(x)为三角模糊数犹豫直觉模糊数，简写为hE。

式（1）中：W={ω1，ω2，…，ωi}(i=1，…，f)为权重向量，满足ωi∈[0，1](i=1，2，…，f)，且

定义 5 对于三角模糊数犹豫直觉模糊数h1E，则定义h1E的得分函数为：

定义h1E的精确函数为：

1.2 粗糙集理论

粗糙集实解决多属性不确定性权重的有力方法，它不需要除数据集以外的任何先验知识，能够客观的处理不确定性信息，粗糙集能够通过分类机制发现数据特征，可以对决策数据进行属性约简和求解属性权重。

定义1 设S=（U，A，V，f）为一决策系统，其中U为论域为一非空对象有穷集合；A为对象属性，分为条件属性C和决策属性D，满足条件C∪D=A，C∩D=Φ；V表示A中值域的集合；其中f:U×A→V称为 映射函数。

定义2 设S=（U，A，V，f）为一决策系统，有属性子集p⊆A，对象ui，uj∈U，则属性子集p的不可分辨关系[14]为U/IND(p)，具体地：

定 义 3 设S=（U，A，V，f）为 一 决策系统，对于任意论域子集X⊆U，称是X关于C的下近似；子集称做X对于C的上近似，其中[u]p∈IND(C)，表示为属性C下对象u的等价类。X关于C的下近似可称为X关于C的正域，记为posp(X)，即

依据定义3，决策属性D关于条件属性C的正域[15]有C的条件属性Q∈C，并且有posC(D)=pos[C-(Q)](D)，即C中除去属性Q相对于C的正域划分没有影响，则Q为不必要，若posC(D)≠pos[C-(Q)](D)，即Q必要，定义Q的重要度：γ(Q)=|posC(D)|-|pos[C-(Q)](D)|/|U|，其中|·|为集合中元素个数。则条件属性的属性权重计算为：

定义4 设S=（U，A，V，f）为一个决策系统，条件属性等价划分结果是U/IND(C)={X1，X2，…，Xn}，决策属性等价划分结果为U/IND(D)={Y1，Y2，…，Ym}，则对象集U在条件属性集C下关于决策属性D的信息熵[16]表示为：

则决策系统S中，定义属性Q∈C粗糙集信息熵重要度为：SFF(c)=I(D|C)-I[D|C-(Q)]。

2 信息共享程度评价模型

2.1 信息共享程度评价指标体系

通过相关文献分析，剖析不同视角下的林产品供应链信息共享程度影响因子。如陈志祥[17]通过研究发现，IT应用水平对林产品供应链信息共享程度有较大影响，而IT应用水平又能从IT信息系统的应用水平、可靠性、兼容性和信息传递准确性4个方面体现。徐国华等[18]指出，准确了解企业当前信息共享状态有助于提高信息共享的有效性。常志平，蒋馥[19]研究表明，林产品供应链节点信息共享的意愿、能力与信息系统运作水平正相关。Bharadwaj AS[20]认为企业是通过运用IT技术来突破产品、地理和服务等约束，以实现信息共享。但仅运用先进的IT技术并不能实现有效的信息共享，有效的信息共享源自于企业的IT能力。Sanders NR等[21]认为可以通过提高企业的IT能力来强化信息共享能力。李随成等[22]的研究表明节点企业信息能力对林产品供应链信息共享具有一定的促进作用。叶飞等[23]调查了广东省珠三角地区部分制造企业的相关数据，根据得到的数据研究了林产品供应链节点的运营绩效、林产品供应链信息共享度和林产品供应链信息共享影响因子之间的相互关系。研究结果表明:林产品供应链伙伴特性能影响林产品供应链信息共享的能力，且节点企业间信息化水平越小，信息共享度就越强。张秀萍[24]认为随着林产品供应链信息共享程度的增加，信息保密技术和信息保密义务显得越来越重要。韩迎锋[25]从5个方面描述了林产品供应链的信息共享的影响因子，即共享信息的状态、IT应用水平、合作亲密度、合作风险和信息共享期望。薛运普[26]研究得出的因子是：环境不确定性、林产品供应链伙伴关系和IT能力3要素。

本研究改变传统的视角来剖析林产品供应链信息共享影响因子，构建林产品供应链信息共享评价指标体系，包括IT能力、基础投资水平、共享信息、信息状态、管理因素及绩效水平等5个一级指标，21个二级指标，见表1。

2.2 林产品供应链信息共享评价模型

在林产品供应链信息共享程度评价指标基础上构建了决策系统SZ，其中U={u1，u2，…，un}为林产品供应链信息共享程度评价的对象集，为C={c1，c2，c3，c4，c5，c6}一级指标属性集，其中的二级指标属性为cij(i=1，…，6)，一级指标专家权重为ωi(i=1，…，6)，其对应的二级专家权重为ωij(i=1，…，6)，决策属性D={d1，…，dn}，本研究考虑3个评价维度（好、中、差），利用三角模糊数犹豫直觉模糊集的形式对对象uk在属性下进行cij(i=1，…，6)打分，得到评分值

表1 林产品供应链信息共享程度评价指标体系Table 1 Evaluation index system for information sharing degree of forest product supply chain

2.2.1 专家权重求解

在模型构建后，利用粗糙集进行权重求解，由于本研究所用的评分为三角模糊数犹豫模糊集形式，因此不需要进行数据归一化。求解专家权重首先求解模型的判断矩阵，具体算法如下：

算法1 判断矩阵构建

输入：决策表SZ；

输出：一级指标判断矩阵M1，二级指标判断矩阵M2；

Step1 确定属性cij(i=1，…，5)正负理想点

β+ij(i=1，…，5)、βij(i=1，…，5)，其中：

Step2求解对象ut∈U{t=1，…，n}在属性Cij下的评价值βij到的β+ij、βij距离，即

Step3 计算对象ut∈U{t=1，…，n}在属性Cij下的评价值βij到的β+ij、β

ij的贴近度，即

得到贴近度矩阵T=tij(n×m)。

Step4 根据实际情况，设计多个阈值λ1、λ2，构建判断矩阵M=mij(n×m)。

将判断矩阵M按照一级指标进行分块，根据式2和式3的信息熵构建一级指标属性ci(i=1，…，6)， 的 属 性 重 要 度SGF(ci)(i=1， …，6)，由此得出一级指标的ci(i=1，…，6)，权重为其次对一级指标下的二级指标分别计算其信息熵重要度，即SGF(cij)(i=1，…，6)，得到一级指标中的局部二级指标权重即最后将一级指标权重和局部二级指标权重相乘得到全局二级指标权重，即指标权重计算的算法具体如下：

算法2 决策表一级指标权重计算

输入：判断矩阵M；

输出：一级指标ci(i=1，…，5)的权重ωi(i=1，…，5)；

Step1 根据式1计算判断矩阵M中一级指标C和决策属性D的不可分辨关系IND(C)和IND(D)。

Step2 根据式2和Step1得到的不可分辨关系IND(C)和IND(D)计算一级指标C下相对于决策属性D的信息熵I(D/C)。

Step3 逐一计算除掉属性ci后的一级指标集C下相对于D的信息熵I[D/C-(ci)](i=1，…，6)，并由式3得到属性ci的重要度SGF(ci)=I(D/C)-I[D/C-(ci)](i=1，…，6)，通过SGF(ci)计算得到的一级指标属性的权重为：

算法3 二级指标权重确定

输入：判断矩阵M和一级指标属性权重ωi(i=1，…，5)；

输出：二级指标属性权重ωij(i=1，…，5)；

Step1 将每个一级指标下的二级指标划分为一个一级指标属性块，根据式1计算其一级指标ci(i=1，…，6)和决策属性和决策属性D的不可分辨关系IND(ci)和IND(D)。

Step2 根据Step1得出的结果和式2，计算每个ci(i=1，…，6)相对于决策属性D的信息熵I(D/ci)(i=1，…，6)。

Step3 对于一级指标ci(i=1，…，6)中的属性cij，根据式3计算其重要度SGF(cij)=I(D/ci)-I[D/ci-(cij)]，有一级指标ci下局部二级指标权重为将ci下的局部二级指标权重与算法1中相应的一级指标权重ω(ci)相乘得到全局二级指标权重，即：

2.2.2 基于三角模糊数犹豫直觉模糊集的评价方法

基于三角模糊数犹豫直觉模糊集，给出一种属性值是三角模糊数犹豫直觉模糊集的林产品供应链信息共享程度评价模型的评价方法，算法步骤如下：

算法4 方案比较评价

输入：数据表；

输出：方案排序序列SQ；

step1 根据算法2 和算法3求出一级指标权重ωi(i=1，…，6)和全局二级指标权重ωij(i=1，…，6)。

step2 利用定义4的HRTIFWA集成算子或者定义5定义的HRTIFWG算子以及指标权重计算出每个方案的加权集成评价值

step5 得到最终排序序列SQ以及其得分，即完成对方案集进行评价。

3 案例分析

本研究目的是以林产品供应链节点企业为研究背景，系统分析影响林产品供应链信息共享的关键因素，求得各因素对林产品供应链信息共享程度影响大小的量化值即权重。研究过程中数据获取渠道的优劣会直接影响据此形成的数据质量的好坏程度，从而影响了研究的分析结果。因此，为了尽量避免减少这些不利因素的影响，本研究进行了较为严格的样本数据获取方法的选择。实证研究中运用的方法主要有深度访谈法、统计分析法和问卷调查法等数据调研方法，其中深度访谈和问卷调查法是本研究获取数据的主要渠道。林产品供应链管理研究中用的统计分析数据有试验数据和观测数据两种，本研究的数据来源都是观测数据，即通过试验之外根据对现实世界实际行为的观察获得的数据。为了满足林产品供应链信息共享程度评价实证分析的需要，同时由于数据收集的客观条件，正式的数据调查中将研究对象选取为深圳15家林产品供应链节点企业(U1、U2、U3、…、U15)。15家企业中有12家数据通过发放问卷给企业信息部门经理或员工所得，另外3家的指标评分通过深度访谈所得。参与调查人员对企业的各个指标进行三角直觉犹豫模糊数打分，每个打分只考虑三个维度（差、中、好），根据所得打分的结果，笔者将15家企业大致地分为“信息共享程度高”、“信息共享程度中”、“信息共享程度低”三等，并将其作为决策属性D，得到表2所示的一级指标(C1，C2，C3，C4，C5)决策表。另外，整个权重求解是通过Python程序求得的。

根据算法1的step1求得决策表中，各一级指标的正负理想点：

表2 一级指标决策表Table 2 Decision table of first grade indexes

续表2Continuation of table 2

通过算法1的step2，求得决策表的贴近度矩阵，如表3所示。

计算得到贴近度矩阵后，人工设定阈值，本研究设定阈值为0.600和0.700，则计算得到判断矩阵，如表4所示：

根据表4的判断矩阵进行粗糙集权重求解，详细步骤见文献[27]，得到一级指标权重为：

ω1=0.13、ω2=0.40、ω2=0.13、ω2=0.26、ω2=0.08。

随后根据二级指标决策矩阵和算法3分别求得一级指标C1，C2，C3，C4，C5下的局部二级指标权重：

表3 贴近度矩阵Table 3 Closeness matrix

表4 判断矩阵Table 4 Judgment matrix

通过权重可以发现指标C24、C52、C56，的权重为零，则将局部二级指标与一级指标相乘得到全局二级指标权重：

通过算法4计算得到各企业的得分函数值如表5所示。

表5 企业得分Table 5 Enterprise scores

从得分函数比较发现第10个企业评价值最高，即第10个企业林产品供应链信息共享程度最高，而第9个企业的林产品供应链信息共享程度最低。通过分析所得结果发现：在得分靠后的7个企业中有5个是处于林产品供应链下游的企业，而在得分靠前的8个企业中有7个是处于上游企业。分析原因得出：作为林产品供应链上独立决策的节点企业，信息共享度是信息共享成本与信息共享收益博弈的均衡。信息共享中，信息和利润是紧密相关的因子。因此，激励是林产品供应链协同运营的润滑剂。

4 结论与讨论

(1) 本研究提出了基于粗糙集的林产品供应链信息共享程度评价。在借鉴国内外林产品供应链信息共享相关研究成果基础上，构建了林产品供应链信息共享程度评价指标，包括：IT能力、基础投资水平、共享信息、共享信息状态和管理因素及绩效水平5个一级指标，该指标即注重了应用的通用型，也强调了实验的可操作性。

(2) 本研究采用了粗糙集结合模糊集的评价方法，为了更加细腻刻画属性模糊性和评价者犹豫性，在直觉模糊集和犹豫模糊集基础上提出了三角模糊数犹豫直觉模糊集，同时提出了三角模糊数犹豫直觉模糊集的运算法则、集成算子、得分函数、精确函数等。本研究提出的三角模糊数犹豫直觉模糊集能够实现指标的细腻、多维的刻画，更加符合客观事实和人脑思维。

(3) 本研究为分析林产品供应链中信息共享程度，构建了一套通用的林产品供应链信息共享评价指标体系，为体现现实指标的模糊性和专家评判时的犹豫性，本研究构建三角模糊数犹豫直觉模糊集用以刻画指标，使得尽可能的减少对因指标刻画而带来的信息损失，从而获得更加贴近现实的评价结果。本研究在粗糙集分块指标权重求解模型基础上，考虑粗糙集中不同属性度量的优势，提出了基于混合属性度量的粗糙集权重求解方法，并构建了基于模糊刻画和混合属性度量粗糙集的林产品供应链信息共享智能评价模型，为后续有关研究提供了一个新的思路。

(4) 本研究提出的基于粗糙集的林产品供应链信息共享程度评价还有一定的局限性，利用三角犹豫直觉模糊集和粗糙集是管理决策和评价科学领域的一次创新，改变了传统权重对专家主观判断的依赖性，该方法的主要特点是不需要所处理数据集合的先验信息、充分体现数据客观性的特点对评价权重新思路。但是粗糙集权重确定方法无法确定冗余属性的权重，应用中需要引入信息熵等相关知识来解决该难题。

[1]Lee H L, Tang C S. The Value of Information Sharing in a Two-Level Supply Chain[J]. Management Science, 2000, 46(5):626-643.

[2]Li J, Shaw M J, Sikora R T,et al. The effects of information sharing strategies on supply chain performance[J]. Proceedings of Ecis, 2001:3-5.

[3]Zha X, Ding N. Study on information sharing in supply chain[C]// International Conference on Electronic Commerce,Icec 2005, Xi’an, China, August. 2005:787-789.

[4]楚扬杰, 王先甲, 吴秀君,等. 林产品供应链信息共享的道德风险研究[J]. 武汉理工大学学报(信息与管理工程版), 2006,28(2):86-88.

[5]王庆喜. 供应商管理库存下信息共享风险研究[J]. Market Modernization, 2009(18):17-17.

[6]朱 焰, 单一峰. 林产品供应链信息共享度的模糊评价研究[J]. 山东理工大学学报(自然科学版), 2007, 21(6):56-59.

[7]楚扬杰, 王先甲, 方德斌,等. 基于粗集属性重要性的林产品供应链信息共享的模糊综合评价[J]. 物流科技, 2006,29(8):67-69.

[8]龚花萍,袁林娜. 制造商与供应商信息共享程度评价研究[J].现代情报,2010,30(9):46-50.

[9]Atanassov K. lntuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1986,20(1):87-96.

[10]刘 锋,袁学海.模糊数直觉模糊集[J].模糊系统与数学,2007, 21(1): 88-91.

[11]Torra V, Narukawa Y. On hesitant fuzzy sets anddecision[C]. The 18th IEEE Int Conf on Fuzzy Systems.Jeju Island, 2009: 1378-1382.

[12]付 超,赵 敬. 基于犹豫直觉模糊数的多属性决策方法[J].系统工程,2014(4):131-136.

[13]高 岩,周德群,刘晨琛,等. 基于关联的三角模糊数直觉模糊集成算子及其应用[J]. 系统工程理论与实践,2012,32(9):1964-1972.

[14]王国胤,姚一豫,于 洪. 粗糙集理论与应用研究综述[J]. 计算机学报,2009,32(7):1229-1246.

[15]谭 旭,唐云岚,陈英武. 基于粗糙集的区间型数据离散化算法[J]. 系统工程理论与实践,2009,29(6):157-165.

[16]毛太田,肖 锎,邹 凯.一种基于粗糙集条件信息熵的多指标综合评价方法研究[J]. 统计研究,2014,31(7):92-96.

[17]陈志祥. 林产品供应链信息化与信息共享技术[A]. 国家自然科学基金委、贵阳市人民政府、中国机械工程学会、中国自动化学会、中国工程图学学会、贵州大学.全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C].国家自然科学基金委、贵阳市人民政府、中国机械工程学会、中国自动化学会、中国工程图学学会、贵州大学, 2005:9.

[18]徐国华,李益强,李 华. 林产品供应链中的提前期与信息共享合作[J]. 现代电子技术,2003,147(4):12-16+21.

[19]常志平,蒋 馥. 林产品供应链中信息共享的层级及其影响因素分析[J]. 工业工程与管理,2003,8(2):22-24.

[20]Sambamurthy V., Bharadwaj, A., Grover, V. Shaping Agility through Digital Options: Reconceptualizing the Role of W fornlation Technology in Contemporary Firms[J]. MIS Quarterly,2003, 27(2):237-263.

[21]Sanders N R, Premus R. IT applications in supply chain organizations: A link between competitive priorities and organizational bene fi ts[J]. Journal of Business Logistics, 2002,23(1):65–83.

[22]李随成,杨功庆. IT能力及信息共享对企业间研发合作的影响研究[J]. 科研管理,2008,29(4):55-63.

[23]叶 飞,李怡娜,张 红,等. 林产品供应链信息共享影响因素、信息共享程度与企业运营绩效关系研究[J]. 管理学报,2009,6(6): 743-750.

[24]张秀萍著.林产品供应链竞争力[M]. 北京:中国人民大学出版社, 2005.

[25]韩迎锋. 供应商—制造商信息共享及其影响因素研究[D].杭州:浙江大学,2008.

[26]薛运普. 基于BP神经网络的林产品供应链信息共享关键影响因素研究[D].广州:华南理工大学,2013.

[27]唐 毅, 张彬乐, 王忠伟. 基于粗糙集AHP农产品林产品供应链信息共享评价指标体系研究[J]. 中南林业科技大学学报,2016, 36(6):124-130.

Evaluation of information sharing degree in forest product supply chain based on triangular fuzzy number dependent intuitionistic fuzzy sets

TANG Yi1,2, ZHANG Binle2, WANG Zhongwei1
(1. College of Transportation and Logistics, Central South University of Forestry & Technology，Changsha 410004, Hunan, China;2. College of Public Administration, Xiangtan University, Xiangtan 411105, Hunan, China)

This paper puts forward the evaluation model of forest product supply chain information sharing degree based on rough set, taking 15 forest product supply chain enterprises in Shenzhen as the research object, and builds a new evaluation system of forest product supply chain information sharing degree. Among them, IT capabilities include four secondary indicators: IT system spending,IT technology applications, information systems security and database performance. The basic investment level includes four secondary indicators: hardware facilities investment, communications investment, labor cost investment and organizational cost investment. Shared information includes three secondary indicators: the number of shared channels, the type of information sharing and sharing information depth. The status of the shared information includes four secondary indicators: the degree of information integrity, the degree of information, the degree of information feedback and the accuracy of information. Management factors and performance levels include fi ve secondary indicators: organizational structure, business processes, bullwhip effect, compliance rate, customer service level and order completion. The results show that the degree of information sharing in the upstream of the forest product supply chain. The evaluation results can provide reference for the implementation of supply chain information sharing incentive.

rough set; fuzzy set; information sharing; evaluation

10.14067/j.cnki.1673-923x.2017.12.029

http: //qks.csuft.edu.cn

S786

A

1673-923X(2017)12-0180-09

2017-05-18

国家社科基金项目“制造业绿色供应链生态补偿激励相客性与机制研究”（15BGL083）

唐 毅，博士研究生

王忠伟，教授，博士生导师；E-mail：wangpmp@163.com

唐 毅，张彬乐，王忠伟. 基于三角模糊数犹豫直觉模糊集的林产品供应链信息共享程度评价[J].中南林业科技大学学报，2017, 37(12): 180-188.

[本文编校：文凤鸣]