基于灰色关联TOPSIS法的水电企业供应商选择研究
2018-06-22周鹏程吴南南
汪 涛,周鹏程,吴南南,曾 鸣
(华北电力大学经济与管理学院,北京102206)
0 引 言
供应商选择作为供应链管理的首要环节和采购管理的关键环节,直接决定了企业采购物资的质量和服务水平,决定企业的竞争能力和营销能力[1-2]。与其他企业相比,水电企业建设周期长,所需物资品种多、数量大、料源广,物资成本在水电基建投资和电力生产成本中都占有较大的比重[3]。因此,科学合理的电力供应商选择能够帮助水电企业采购到高效优质的物资,降低企业的采购成本,保障生产经营稳定运行。
目前,国内外针对电力企业供应商选择与评价问题的文献较多,主要集中于对生产设备、应急物资、采购优化管理等方面的研究。文献[4]综合考虑水电工程建设的限制条件和物资供应的各种风险,提出了水电站供应商的管理策略;文献[5]运用灰色系统理论,提出水电设备供应商灰靶分析与优选方法;文献[6-7]考虑供应商的整体能力、服务水平等方面构建了评价指标体系,并建立了基于熵权分析模型和模糊物元模型的电力供应商选择模型;文献[8-10]分析了水电企业供应商管理存在的问题,并提出了针对电力供应商的管理优化措施。此外,文献[11]针对应急物资的突发性等特点,建立了基于灰熵综合评价的电力应急物资采购优化模型。上述文献研究虽建立了不同的电力供应商评价模型,仍存在对评价方法适用性的研究较少、评价结果存在主观性等问题,有待进一步完善解决。
鉴于此,本文在前人研究的基础上,对水电企业供应商选择问题展开进一步研究。首先,综合考虑质量效果、运输效率、服务效益等3个方面,从水电企业物资供应商的相关数据中选取了产品完好率、货损货差率、里程利用率、交货期水平等7项指标构成评价指标体系;其次,对原始数据进行一致化、无量纲化处理后,基于改进熵值法确定了各指标的权重系数;最后,建立了基于灰色关联TOPSIS法的电力供应商选择与评价模型,并选取了某水电企业的3家物资供应商进行算例分析。
1 构建评价指标体系
水电项目工程规模大、质量要求高、建设周期长,对物资的需求和质量的要求更高。因此,本文分别从质量效果、运输效率、服务效益等3方面,考虑电力供应商的供应能力,选出最优的评价方案,构建科学合理的水电供应商评价指标体系。
(1)质量效果。选取水电物资的商品完好率A11和商品不合格率A12作为衡量产品质量的评价指标。其中,商品完好率是指企业产品送达最终顾客时商品的完好程度。指标计算公式如下
A11=(I/IZ)×100%
(1)
A12=[0.7×(Z/L)+0.3×(Q/L)]×100%
(2)
式中,I为交货时商品完好数量;IZ为物资商品总量;Z为主要缺陷不合格产品数;Q为次要缺陷不合格产品数;L为来料检验产品数。
(2)运输效率。合理的运输环节可以有效降低物流企业的经营成本,也能反映出供应商的服务水平和供应能力。本文选取准时运输率A21、货损货差率A22和里程利用率A23为衡量水电供应商运输效率的评价指标。其公式如下
A21=(S/SZ)×100%
(3)
A22=(H/HZ)×100%
(4)
A23=(C/CZ)×100%
(5)
式中,S为准时运送次数;SZ为运输总次数;H为货损货差票数;HZ为物资发运抵达总票数;C为载重行驶里程;CZ为车辆总行驶里程。
(3)服务效益。本文选取信用度水平A31和交货期水平A32为衡量供应商服务效益的评价指标。信用度主要考察供应商履行承诺的能力;交货期主要考核供应商的准时交货率、交货周期等。其公式如下
A31=(X/XZ)×100%
(6)
A32=(J/JZ)×100%
(7)
式中,X为供货期失信次数;XZ为供货期交往总次数;J为按期交货次数;JZ为交货总次数。
基于上述影响水电供应商供应能力的3个方面,从中选取了A11、A12、A21、A22、A23、A31、A32等7项指标构成评价指标体系。
2 基于灰色关联TOPSIS的供应商评价模型
2.1 指标赋权设置
熵值法能够有效反映出指标信息熵值的效用价值,从而准确地确定权重。在运用熵值法求解指标权重时,考虑到负值或极值在计算过程不能直接参与运算,应将其进行一定的变换[12]。对熵值法的改进主要有功效系数法和标准化变换法。标准化法变换不需要加入任何主观信息,是完全的客观赋权法,故本文采用该方法。改进熵值法的具体步骤如下:
(4)计算第j项指标的差异性系数vj=1-aj。vj越大,表明该指标在综合评价中的重要性越强。
2.2 灰色关联TOPSIS法
TOPSIS法是由C.L. Hwang等学者提出的一种用于求解多目标决策的方法[13]。TOPSIS法原理简单,对原始数据要求不高,已在供应链优化、逆向物流[14]等领域得到了广泛的应用。传统的TOPSIS法无法通过使用函数曲线精确反映原始数据间的关联关系,因此难以保证评价结果的有效性[15]。为此,本文利用灰色关联度对TOPSIS法予以改进,更确切地描述出备选方案与理想方案的贴近程度,进行优劣比较,作为水电供应商选择的依据。基于灰色关联TOPSIS法的供应商选择步骤如下:
(5)供应商选择的优劣顺序。经分析,贴近度μi越大,评价方案与正理想方案的贴合度越强,即表明供应商的供应能力越强;反之,供应商的供应能力越弱。
2.3 模型求解流程
基于灰色关联TOPSIS法的水电企业供应商评价模型的具体步骤如下:
(1)建立指标矩阵。对m个评价方案的n个评价指标进行评价,其指标矩阵为Rm×n,对应的指标值rij=(i=1, 2,…,m;j=1, 2,…,n)。
(2)评价指标的一致化。考虑到本文所选指标的类型不同,需要进行一致化处理。经一致化后的指标矩阵记为Zm×n。
(3)评价指标的规范化。由于评价指标在量纲方面的固有差异,为便于比较,需要对其基础数据进行规范化处理,规范化后的指标矩阵记为Xm×n。
(4)基于改进熵值法对指标进行赋权,求得指标权重列向量为W=(w1,w2,…,wn)T。
(6)确定所有评价方案与理想解的贴近度μi,并对方案进行优劣排序。
3 算例分析
3.1 基础数据
为验证所建模型的实用性和有效性,本文选取2015年某水电企业的3家供应商(分别用B1、B1、B3表示)作为研究对象,对反映供应商的实际供应能力的运输效率、服务效益等方面进行评价分析。表1为各家供应商的7项评价指标的基础数据。
表1 各家供应商的7项评价指标数据 %
由于各项指标的单位和量级都存在差别,需要对其进行规范化处理。规范化处理后的指标矩阵见表2。
表2 规范化后的指标矩阵
3.2 评价计算
表3 评价指标权重系数
表4 与正、负理想解的距离、关联度及贴近度
4 结 语
针对水电企业供应商选择的问题,本文提出了一种基于灰色关联TOPSIS法的供应商选择模型。该模型综合考虑供应商的质量效果、运输效率、服务效益等3个方面,从中选取了产品不合格率、货损货差率等7项构建了评价指标体系,并采用改进熵值法对其权重进行求解。算例实证发现,各家供应商在供应能力的基础数据相差不大的情况下,灰色关联TOPSIS模型可以精确地给出评价方案的排序优选。算例结果验证了本文方法的有效性,可供水电企业更好地选择物资供应商提供参考。
[1] 周清华, 王琦. 基于直觉模糊集和VIKOR的低碳供应商选择方法研究[J]. 科技管理研究, 2017, 37(10): 233- 237.
[2] 国家电网公司. 国家电网公司物资集约化管理[M]. 北京: 中国电力出版社, 2012.
[3] 徐杰, 屈挺, 聂笃宪, 等. 基于持续抽检的电力物资多阶段动态采购模型及系统[J]. 工业工程, 2015, 18(4): 132- 139.
[4] KE L, QIANG P. Management strategy on the materials supplying by the owner of large and medium-sized hydropower engineering[J]. Journal of China Three Gorges University, 2011, 33(5): 15- 18, 35.
[5] 向玉华, 郭雅薇, 郑霞忠. 水电工程机电设备成套项目供应商灰靶优选[J]. 数学的实践与认识, 2016, 46(9): 97- 103.
[6] 宋斌, 冷传东, 沈男, 等. 熵模糊物元模型在电力物资供应商评价中的应用[J]. 物流技术, 2014, 33(1): 105- 107.
[7] 庞继芳, 宋鹏. 面向大型煤炭企业的物资供应商评价与选择研究[J]. 华东经济管理, 2015, 29(2): 117- 122.
[8] 廖志芳. 水电企业物资供应商选择研究[D]. 武汉: 华中科技大学, 2011.
[9] 杨荣旭, 强茂山. 水电建设项目物资供应链管理要素分析[J]. 水力发电学报, 2011, 30(1): 180- 186.
[10] 王娜. 电力企业物资管理系统的设计与实现[D]. 吉林: 吉林大学, 2016.
[11] 商丽媛, 谭清美. 基于灰熵模型的应急物流供应商评价[J]. 统计与决策, 2013(3): 45- 47.
[12] 王燕茹, 姜坤. 绿色供应链下基于组合赋权的灰色关联TOPSIS法对供应商评价选择的研究[J]. 工业技术经济, 2016, 35(12): 84- 91.
[13] 郭亚军. 综合评价理论、 方法及拓展[M]. 北京: 科学出版社, 2012.
[14] 吴晓玮. 低碳经济下对第三方逆向物流企业选择的多目标决策[J]. 科技管理研究, 2014, 34(6): 214- 218.
[15] 聂笃宪, 屈挺, 陈新, 等. 面向多源采购的多级供应链优化配置方法[J]. 工业工程, 2014, 17(4): 54- 62.