基于Kraljic模型的零件分类研究

胡迅 张建同 黄一炜

摘 要： 以零部件制造企业的零件采购管理为研究背景，建立了零件采购定位模型指标体系，以Kraljic模型为基础，运用因子分析法，对收益影响和供应风险两个维度进行量化，提出了一种零件采购定位分类模型。 通过应用实例，最终确定了理想的定位分类模型，提高了采购零件的有效性和效率，具有很强的可操作性和指导意义。同时，针对每个象限的零件提出了未来采购发展策略，可切实提高采购管理水平和管理成效。

关键词： 零件分类;因子分析;Kraljic模型;采购管理

中图分类号： F 272

文献标志码：A

Research on Procurement Classification of Parts Based on Kraljic Model

HU Xun 1 ZHANG Jiantong 2 HUANG Yiwei 3

（1.Chinesisch-Deutsches Hochschulkolleg， Tongji University， Shanghai 200092， China; 2.School of Economics & Management， Tongji University， Shanghai 200092， China; 3.Leggett & Platt， Inc.， Shanghai 201206， China）

Abstract： Based on the research background of parts purchasing management in auto parts manufacturing enterprises， the index system of part purchasing positioning model is established， and the Kraljic model is used to quantify the two dimensions of revenue impact and supply risk. A part purchase positioning classification model is proposed. Through the example， the ideal positioning classification model is finally determined， and the effectiveness and efficiency of parts procurement are improved， which has a strong operability and guidance significance. At the same time， the development strategy of the future procurement is put forward for each quadrant， which can improve the level and effect of the procurement management.

Key words： parts classification; factor analysis; Kraljic model; procurement management

1 文献回顾

对于与零件有相似特点的零部件或者备件来说，较常用的管理分类方法有ABC分类法、FAHP以及三角模糊数、DEA模型与最优最劣法（BWM）等。目前，有相当一部分企业实行的都是比较价格这种最为简单的方式来采购原材料，但是也有文献以及企业用Kraljic模型进行采购组合分析。Kraljic模型最大的缺点就是它是理论化的矩阵模型，并没有提出一种将模型量化的方式。因此，学者们研究了很多相关的量化两个维度的方法。但是，之前的研究都趋向于建造一个庞大的指标体系来量化收益影响以及供应风险，在实际操作中，企业往往很难提供所有的指标所需要的数据，并且庞大的指标体系会使得计算变得更加复杂，结果会受更多因素的影响，从而影响准确性。

因此，本文基于此，提出了用频数统计的方式来统计过去中外文献中所出现的有关收益影响以及供应风险两个维度的指标，并根据专家意见选取其中的一些来建立零件采购定位模型的指标体系。此外，由于目前所有企业都追求可持续化的发展，本文结合这一背景创新地加入了零件的可持续性指标。

2 Kraljic模型

Kraljic模型是Peter Kraljic于1983年最早在《采购必须纳入供应链管理》一文中提出来的，他率先将此模型引入采购领域。此后，该矩阵被用作公司采购组合的分析工具，整个矩阵模型综合考虑采购所涉及的以下两个方面的维度：

收益影响：物资对企业产品增值、原材料的总成本比以及产品利润等方面的影响。

供应风险：物资在供应时所涉及的风险因素以及当出现供应问题时对公司的正常运作产生的影响。

根据这两个因素，Kraljic模型将物资分为四类：杠杆物资、一般物资、瓶颈物资和战略物资，如图1所示。

杠杆物资：此类物资的特点表现为高利润、低风险。具体来说，此类物资能为企业带来较高的产品利润或者较低的原材料总成本，而供应风险小，可选择的替代供应商多，缺货对企业的影响程度小。

一般物资：此类物资的特点表现为低利润、低风险。具体来说，此类物资的供给丰富但利润普遍较低，同时，采购比较容易，缺货对企业的影响程度小。

瓶颈物资：此类物资的特点表现为低利润、高风险。具体来说，此类物资通常表现为只有一家或者少数几家供应商供应，缺货对企业的影响很大，但是这类物资又属于不能给企業带来高额利润的物资。

战略物资：此类物资的特点表现为高利润、高风险。具体来说，由于供应商的稀缺或者运输的困难，此类物资的供应风险极高，但同时这些物资又是企业生产制造或者其他流程中的关键物资，能带来巨大的利润，所以战略物资是企业采购管理中的重点。

Kraljic模型的主要思想是最小化供应风险和最大化收益影响。在Kraljic模型中，不同象限的零件需要采取不同的采购战略，这也使得企业有限的资金或者资源能够得到最大化利用，为企业高效发展提供了保障。

3 零件Kraljic分类属性指标体系

在Kraljic模型的基础上，对中外文献中相关文献对衡量分类维度收益影响和供应风险的指标进行频数统计，结果如图2和图3所示。

接下来，为了增强各个二级指标对零部件企业的针对性，结合零部件企业采购零件的特点，同时参考相关专家的建议，得出了本文的零件采购收益影响和供应风险属性的指标体系。

其中，对于零部件企业来说，收益影响维度最重要的量化指标是采购总额。此外，许多其他收益影响维度的指标在零件采购的过程中很难收集到数据或者许多指标需要人为打分得到非定量化数据，使得模型具有更多的主观性。因此，基于准确性以及客观性的前提，本文建立的指标体系对收益维度用最直接的指标采购总额进行衡量。

针对风险维度，本文将零件的可持续性标准加入指标体系中。对于采购而言，不仅需要关注材料本身是否是环保、无污染的，更需要关注在供应商生产的过程中是否对环境造成了危害，以及企业在使用零件时是否需要额外消耗资源等，这将为企业节省成本，从而实现可持续发展。

每个具体影响因素指标的含义和量化标准如表1所示（此处的量化标准是按照李克特7分量表来评价的）。

4 基于因子分析模型的定位分类方法

4.1 数据预处理

因子分析是一种用途很广泛的多元统计方法，对于许多具有内在相关性的随机变量，因子分析试图使用少数几个因子来描述许多变量所体现的一種基本结构。

假设有n种零件，每个零件有p个观测指标，由此可以形成一个矩阵X（n ×p）。在实际研究中，首先需要对于收集到的指标数据进行标准化的处理，由此来消除不同变量之间的量纲和数量级的差异。标准化的变量为

zkj=xkj-xjsj（1）

其中，

xkj：第j个变量在对象k中的观察值。

xj：第j个变量在所有对象中观察值的平均值。

sj：第j个变量的标准差。

4.2 因子分析

在进行因子分析前，要判定变量之间是否具有相关性。如果变量X1，X2，…，XP之间正交，那么它们之间就不存在公共因子，也就不需要进行因子分析。一般相关性检验的方法有两种：KMO（Kaiser-Meyer-Olkin）标准和Barlett球度检验。

一般的因子分析模型：

X1=a11 F1+a12 F2+…，a1m Fm+ε1，

X2=a21 F1+a22 F2+…，a2m Fm+ε2，

Xp=ap1 F1+ap2 F2+…，apm Fm+εp（2）

其中，F1，F2，…，Fm为公共因子，ε1，ε2，…，εp为特殊因子。在实际问题中，由于特殊因子的影响很小，可忽略不计，故式（2）用矩阵表示为

X=AF（3）

式中，A=（aij）：p×m称为载荷矩阵，其元素 （aij）的大小反映公共因子Fij对于观测变量Xi的载荷量大小。本文采用主成分法计算因子载荷矩阵A。

接下来是提取因子，一般提取m个主因子累计方差贡献率≥85%代替原来全部的指标。最后，利用最小二乘法的思想得出每一个样本在各个公共因子上的得分，即因子得分。计算方法为

Q T=X（A T A+D）-1 A（4）

由于收益影响维度只有采购总额一个指标，只需对其进行标准化处理，得到每个零件的采购总额在0～1的对应值，将其作为收益影响的矩阵得分。而对供应风险维度，由于影响指标较多，采取专家打分法对其结果进行因子分析，最后得到的因子得分即每种零件在供应风险维度的得分。每种零件在两个维度上的得分能够实现其在Kraljic中的定位。

5 实例验证

本文以某汽车内饰零部件制造商2016年在北美地区采购零件的采购额为例，获取了34个零件样本进行分析。除直接获取每个零件的采购总额外，针对供应风险维度，通过调查问卷收集了该公司采购部门、研发部门以及供应商质量管理部门的15位资深员工以及经理对4个评价指标的打分情况，通过取均值与采购总额的数据形成样本数据，因子分析使用的统计软件是SPSS19。

（1）因子分析计算供应风险维度

对样本数据中有关风险维度的数据进行KMO（Kaiser-Meyer-Olkin）标准相关性检验，结果见表2。

KMO越接近1，越适合做因子分析。当KMO < 0.6时，数据不适合做因子分析。KMO值为0.825适合用因子分析，Bartlett球形检验的Sig=0.000，Bartlett检验拒绝原假设，认为各个变量之间不是独立的，适合做因子分析。所以接下来提取公因子，对供应风险维度的4个指标进行主成分分析，具体见表3。

该模型只抽取了一个成分，所以无须旋转，继而得到因子得分系数矩阵。根据成分得分系数矩阵，计算供应风险的得分函数分别为

F供应风险=0.253*B *1+0.260*B *2+0.262*B *3+0.264*B *4（5）

其中，B *1～B *4为供应风险维度的四个指标原始数据标准化后的数值。

先将原始数据标准化，再根据式（5）算出因子得分，见表4。

（2）计算收益影响维度得分并汇总

对采购总额进行标准化处理，结果如表5所示。

最后，将结果与上面的因子得分汇总。根据得到的两个维度的取值，在Kraljic矩阵中定位，结果如图4所示。

（3）结果分析

表3中显示提取的1个公因子可以描述原变量总方差的92.821%，所以可以认为这一个公因子基本反映了原变量的绝大部分信息。在最终的分类模型中，可以总结出以下结果，具体见表6。

从表6中，可以看到当前绝大多数零件都是一般零件，也就是低利润、低风险的零件。对于企业来说，改变采购策略，把绝大多数零件从一般零件变为杠杆零件才是一种良性的采购策略。具体来说，对于在一般型零件象限中的FAS、ADH、TUB和STL等零件，采購对策是集中化采购以寻求管理成本最小化以及采购流程的最优化。该市场内有很多供应商并且采购费用较低，所以企业能够选择最优的供应商和固定的短期合同。而对于瓶颈零件如PU、DC和WH等，需要企业与供应商维持一种良好的长期合作关系，同时，对内需要设定较高的安全库存以降低缺货的风险。针对杠杆零件WF、STP等采用最低成本策略，企业可以在无数供应商中转换，不断降低总成本，全球采购策略适合这一象限的零件。最后，战略零件如MOT、CAB等，企业不可以简单地和供应商达成合作关系，而是要形成更紧密的战略关系，这就意味着签订长期的合同，邀请供应商参与产品的研发以降低采购成本和供应风险。

6 结论

本文提出了以Kraljic模型和因子分析为基础的采购物资定位模型，阐述了建立采购零件时需要考虑的指标体系，将可持续性纳入指标体系中。整个模型的基本思想和具体实现过程为零部件企业的采购提供了更加简易化的定位模型。根据定位结果，我们分析了每一类零件未来发展方向的对策。对于企业来说，采购尽可能少的一般零件和瓶颈零件，最大限度地增加杠杆零件，稳定维持战略零件的数量是采购的主要方针和策略。

参考文献：

[1] 唐世明，李志远.基于Kraljic矩阵的卷烟库存ABC分类完善与应用[J].现代经济信息，2014（23）：66.

[2] SIDHARTHA S， PADHI， STEPHAN M， et al. Positioning of commodities using the Kraljic Portfolio Matrix[J]. Journal of Purchasing and Supply Management， 2012，18（1）.

[3] 伍景琼，蒲云，伍锦群.基于DEA线性规划和Kraljic模型的钢铁企业采购分类研究[J].昆明理工大学学报（自然科学版），2013，38（2）：44-50.

[4] REZAEI J， LAJIMI H F. Segmenting supplies and suppliers： bringing together the purchasing portfolio matrix and the supplier potential matrix[J]. International Jovanel of Logistic Research and Applications， doi：10.1080/13675567.2018.1535649.

[5] 赵振峰，郭丹霞，丁留明.Kraljic矩阵和因子分析的采购物资定位模型[J].工业工程与管理，2008（1）：67-73.

[6] CEES J， GELDERMAN， ARJAN J， et al. Handling measurement issues and strategic directions in Kraljic′s purchasing portfolio model[J]. Journal of Purchasing and Supply Management，2003，9（5）.

[7] 崔南方，鲁家晶.基于DEA的备件ABC分类模型[J].物流技术，2007（3）：55-58.

[8] DRAKE， PAUL R， LEE， et al. The lean and agile purchasing portfolio model[J].Supply Chain Management， 2013，18（1）：3-20.

[9] GANGURDE， SANJAYKUMAR， CHAVAN， et al. Benchmarking of purchasing practices using Kraljic approach[J]. Benchmarking： An International Journal， 2016（23）： 1751-1779.