面向供应链的供应商选择模型构建

谭春平，王 烨

（1.兰州理工大学 经济管理学院；2.兰州财经大学 国际经济与贸易学院，兰州 730050）

0 引言

在供应链管理大背景下，企业的高效可持续发展要求供应商在供货的质量、数量、准时性等方面予以充分保障。因此，供应商的选择和评价就成为一个决定性的因素。如何选择与评价高质量的供应商，也成为企业在供应链管理中一个重要工作。内外部环境变换迅速，这就要求企业构建高度柔性的供应链管理体系，这样才能够快速适应环境的变换，实现低成本、高效率、高质量的运行。从企业自身经营管理活动来看，企业需要充分考虑多目标、多层次的因素构建一个有效的供应商选择评价模型，以便选择出优质的供应商，以满足企业可持续发展的需要。

表1 供应商综合评价指标体系

1 供应商选择的评价指标构建与权重的确定

1.1 评价指标体系构建

本文通过对相关学者[1-3]的研究，认为企业在选择和评价供应商的时候，应该构建的指标体系如表1。

1.2 评价指标权重的确定

1.2.1 层次分析法

供应商的选择评价模型构建，指标权重的确定是关键，层次分析法是一个有效的确定指标权重的方法，本文利用层次分析法，结合供应商评价指标的基本特点，合理确定供应商选择评价指标的权重[4，5]。

层次分析法在供应商选择评价模型中应用的基本思路是：首先，把供应商评价这一个复杂问题分解成一系列容易评价和解决的简单问题，然后根据这些因素的相互关系，形成一个有序的递阶层次结构。其次，根据这一层次结构，采取相互比较的方式，通过比较得出所有因素的相对重要性。最后，经过计算确定各个因素的相对重要性的综合排序，以此确定各个评价指标的相对权重。

（1）层次分析法的递阶层次结构

首先，根据供应商的评价指标体系，将涉及到的供应商评价指标诸因素进行分类，构造一个供应商评价因素的层次结构。在这一层次结构中，最高层为预定目标层次，中间层次为准则、子准则等，最底层涉及到的是供应商评价的最终解决方案，如图1。

图1 供应商评价层次结构模型

（2）构造供应商评价因素的两两比较判断矩阵

假定供应商评价指标的某一级指标为Ck，将这一级指标分解后的二级指标为A1、A2、…An。以供应商的一级指标Ck为准则，决策者对其二级指标的优劣势进行详细比较后得出一个判断矩阵如下：

其中aij代表的是通过比较后的相对重要性，其具体数值的确定按照表2所确定的定义进行确定。

表2 供应商选择评价层次分析法中的比值

（3）通过计算确定每个一级指标体系下二级指标的相对重要性

通过计算，确定在一级指标体系下，二级指标各个因素的相对重要性的具体权重数值，也就是把判断矩阵作为一个单层次模型，在这个单层次模型中去计算其特征根问题AW=λmaxW。所得归一化的特征向量W=[w1w2…Wn]T作为本层元素A1、A2…、An对于上一层元素的排序权值。

（4）通过矩阵计算确定每个指标体系下各因素的组合权重

各个因素的综合排序，需要从一级指标开始，逐渐向下进行，对与一级指标的总排序，计算过程如下：首先通过专家决策委员会确定上一次层所有因素A1、A2、…Am组合权重,分别为 a1、a2、…am，与 Aj相应的本层次因素 B1、B2、…Bm的单排序结果为 b1/、b2/、…bm/(i=1,2,…,m)。若 Bj与 Ai无联系时，b1/=0，则本层次元素的组合权重可根据下表进行计算。显然∑bj=1。

1.2.2 利用层次分析法确定评价指标权重

本文根据上述构建的供应商选择评价指标体系，按照每一个指标数据的获取方法，组建专家委员会，由专家委员会对上述每一个指标的相对重要性进行专家评估，在此基础上，对各个指标的权重进行计算确定。

（1）通过矩阵计算确定各个一级指标的权重

供应商评价一级指标对目标层(高质量的供应商)的判断矩阵为:

计算特征值和对应特征向量分别为:

（2）每个一级指标下的二级指标的权重，可以通过矩阵分别进行计算

通过对每一个层级指标权重的矩阵计算，最终确定供应商评价指标体系各个层次指标的权重如表3。

表3 供应商评价指标权重

根据表3所列的供应商选址评价指标权重排序，核心企业在选择评价供应商的时候，首先根据权重较高、排列考前的指标对供应商进行初步筛选，然后再对其按照评价指标体系每一个指标进行全面的评价筛选。

2 供应商选择模型构建

（1）构造评价矩阵

假设通过初步筛选出来的供应商有n个，对供应商的评价指标体系中包含m个评价指标，这样就可以构建n*m阶评价矩阵:

式中xi(k)为第i个供应商的第k个评价指标的值，一般是指极大值极性指标(数值越大越优)、极小值极极性指标(数值越小越优)、中间值极性指标(数值越接近某一个固定值越优)。

（2）对各个原始数据按照评价矩阵的要求进行预处理

按照每一个评价指标原始数据的来源方法获得的原始数据在量纲、数量级差等方面都存在很大的差异，在供应商的评价过程中，要求各个指标的原始数据要有一定的可比性。因此，在评价之前需要对原始数据分为极大值极性指标(数值越大越优)、极小值极性指标(数值越小越优)、中间值极性指标(数值越接近某一个固定值越优)三种不同的类型进行预处理，以消除原始数据的量纲，预处理方法如下：

①对极大值极性指标，其标准化计算公式为:

②对极小值极性指标，其标准化计算公式为:

③对中间值极性指标，设第j项的最优值为Xpj,则其标准化计算公式为:

（3）生成归一矩阵，并计算每个供应商的综合得分

在上述基础上，根据建立的供应商评价矩阵，对原始数据经过预处理之后，得到了用于供应商最终评价的归一矩阵（即矩阵中的最大值为1，并且其中数据的量纲单位为1）。将指标权重矩阵与归一矩阵相乘得到供应商的综合得分。

（4）选择合适的供应商

按照对各供应商进行评价的最终得分，选取分数最高的供应商进行合作，它就是对于目标企业来说潜在供应商里面最优的供应商。当分数相同时，依据各评价指标的权重优先选取最重要指标数据高的供应商；如果仍然相同，则考虑次重要指标数据依次比较，直到可以判断为止。

3 模型的应用

按照所建立的供应商评价指标体系，现有企业经过初步筛选后得到四家具有竞争优势的供应商，根据各个指标数据的来源，组织专家对其各项指标进行评估，结果如表4。

表4 供应商指标评估结果

根据前述分析，产品价格、平均交货周期、平均运输费用指标属于极小值极性指标，其余指标作为极大值极性指标处理，按照评价方法的要求，首先对相应的指标数据进行预处理，经过预处理后得到的归一矩阵如下：

根据前面对指标体系的权重分析结果，权重向量为：

由此计算各供应商的得分：

判断可知，最优的供应商为：供应商D。

4 结束语

本文以层次分析法为基础，通过确定各评价指标的权重，结合各供应商在具体指标上的表现程度，得到了计算供应商综合质量的公式，依据最后得分的大小完成企业对供应商的选择。但是其中并未考虑技术环境的进步等因素对企业选择供应商造成的影响，不能有效的确定企业当前的最优供应商在行业未来的地位，造成了模型缺乏持久判断供应商的能力；随着对供应链管理和供应商管理研究的深入，人工神经网络、灰色关联分析等越来越多的方法得到了更好的应用，使企业对供应商的评价变得更为科学，建立的供应商评价体系将能够更为合理的反映企业选择供应商时所依据的指标及其重要程度，为企业选择合适的供应商提供了有力的技术支持[4]。