基于AHP和贝叶斯网络的材料企业供应商选择研究

陈果CHEN Guo

（中国地质大学（北京），北京 100083）

0 引言

在国际贸易环境恶化的背景之下，材料行业企业的经营活动受到重大影响。体现在原材料价格上涨、人民币购买力下降、国内终端消费市场不景气等现状。一般而言，材料企业总成本的70%-90%由生产成本中的直接材料构成。因此，企业挑选出优秀的供应商成为了保持核心竞争力的关键因素所在。李永春、鲍思恕[1]确定了供应商的选择标准是产品质量合格、价格低、费用省、交货及时、服务质量高。孙静香、王刊良等人[2]不仅对评价供应商的有效性分析，还采用DEA方法对供应商进行评价。林勇[3]研究了供应链管理环境下的供应商选择，强调了供应链企业之间的战略合作意义。赵春元、胡宇红等人[4]基于层次分析法对供应商进行评价，指出质量、价格、服务、交货期是供应商的指标。韩庆元、汤家社等人[5]利用最优传递矩阵改进了基于AHP的供应商评价体系，减少一致性检验不通过的风险。宋宝娥、朱文茵等人[6]基于TOPSIS法对于超市的供应商选择模型进行了实证研究。

贝叶斯网络研究方面，慕春棣、戴剑彬等人[7]用贝叶斯网络挖掘数据关系，提出先验概率很大程度上依赖专家知识。钱存华、武佳婷[8]基于贝叶斯网络建立了供应商评价模型，提出各个影响因素的BN网络结构，利用TOPSIS法得出贴合度，便于供应商选择。

上述研究存在过于依赖经验或数据分析所导致的偏差，以及供应商影响因子设置不够具体、涉及行业过于宽泛的问题。因此，本文将从成本、资质、供应能力、运营能力、产品质量方面进行分析，结合材料企业的实际情况，建立5个不同的贝叶斯网络，根据软件模拟，得到各个供应商的影响因素得分。再将层次分析法与贝叶斯网络进行结合，主要采用专家打分方法，利用各个因素相对重要性，得出各个贝叶斯网络的影响因素权重，建立起完善的、适用于材料企业的供应商评价体系。

1 基于贝叶斯网络的材料供应商评价模型

1.1 贝叶斯网络理论

贝叶斯网络（BN）由父节点和子节点组成，节点之间相互影响，并且构成因果关系。若模型包括父节点Y和子节点X1与X2，则模型所需要的数据条件包括X1和X2的先验概率、X1与X2发生的情况下，Y发生的概率，对应公式为：

贝叶斯网络有多种构建方法。第一种，通过数据学习方法，建立整体结构，生成对应条件概率值。第二种，通过行业或公司专家，根据以往的经验和知识手动构建贝叶斯网络的结构。第三种，结合上述两种方法，利用专家经验构建贝叶斯网络的结构，利用数据学习生成相对应的条件概率。

1.2 材料供应商评估的BN网络结构构建

供应商的质量的影响因素较多，本文主要将其分为成本、资质、供应能力、运营能力、产品质量，5个影响大因素，再将其拆分为21个细分影响因子。

①成本包括物资材料成本（X1）和采购成本（X2）。

②资质（Y2）是供应商的行业内资质能力的体现，包括ESG认证（X3）、专利数量（X4）、ISO14001认证（X5）、ISO9001认证（X6）。（图2）

图2 资质网络

③资质包括发货时长（X7）、运输时间（X8）、交货数量偏差（X9）、年内最大供应数量（X10）、供应种类（X11）。（图3）

图3 供应能力网络

④运营能力（Y4）是供应商能够给予材料企业的帮助以及自身抗风险能力等运营层面的能力。运营能力包括付款期限（X12）、售后服务（X13）、外汇影响（X14）。

图4 运营能力网络

⑤产品质量（Y5）是供应商提供材料具体参数的达标程度，指标应当根据不同企业的需求进行变动，本处采取较为常规的材料检测指标。包括材料外观（X15）、密度（X16）、延展性（X17）、耐高温性（X18）、耐老化性（X19）、气味（X20）、强度（X21）。（图5）

图5 产品质量网络

2 基于AHP层次分析的材料供应商评价

2.1 基于AHP层次分析的供应商评价模型

层次分析法（AHP）是一种定性与定量结合的分析决策方法，有建立所有要素、简化程序等优点。其基本的思想是将一个观点作为评价的总目标，将各个影响因素分解为不同的组成因子，计算出其对于二级指标的权重。本文对于材料供应商的AHP分析核心在于构建判断矩阵，得出企业对于上述贝叶斯网络构建的五大影响因素的权重，从而得出整体的供应商评价得分。

本文采用贝叶斯网络的层次以及影响因子作为AHP层次分析的构建评价体系和架构。

表1 AHP层次分析的二级指标

采用专家打分法得出各个指标的相对重要性程度，计算出权重，评分标准如上文所示，得出对应的判断矩阵，见表2。

表2 判断矩阵AB计算

上述判断矩阵的最大特征根、CI值、CR值，如表3。

表3 判断矩阵的一致性检验

由表3可得，判断矩阵的CR值小于0.1，因此通过一致性检验。

2.2 基于AHP的贝叶斯网络材料供应商评价模型

本文利用第一部分构建的贝叶斯网络得到主要的5项指标，成本、资质、供应能力、运营能力、产品质量的“YES”概率，得到m个供应商的判断矩阵B=（Bij）m*5：

利用第二部分构建的基于AHP的供应商AB判断矩阵，得出材料企业针对供应商的5项二级指标偏好矩阵C=（Cij）5*5：

最终的评分由B*C获得，帮助材料企业进行供应商选择。

3 实例论证—以G公司为例

G公司是一家从事高性能改性塑料粒子及其制品、阻燃剂、原材料贸易等产品的研发、生产与销售的高新技术企业。主要采购的原材料种类为PP、PE、PC、PS等塑料原料以及对应的助剂。根据公司的上市招股说明书数据显示，主要购买原料为PP，供应商为5家，本文将以A、B、C、D、E命名，以上述模型对5家供应商进行评分排序。以下模拟将以PP供应商A作为分析对象，首先根据历史数据和专家经验结合，得到各项影响因子的先验概率分布。（表4）

表4 供应商A的影响因子先验概率分布

确定供应商A的先验概率后，需要进行模拟计算。本文采用Netica软件模拟贝叶斯网络，Netica是一款由NORSYS software corp制作的贝叶斯网络模拟软件，优点为简单可靠、可视化，便于高效地制作贝叶斯网络模型和计算。得到的模拟结构与评分数据如图6、图7、图8、图9、图10。

图1 成本网络

图7 供应商A的Netica资质网络模拟

图8 供应商A的Netica供货能力网络模拟

图9 供应商A的Netica运营能力网络模拟

由图6-图10得知，供应商A的各项指标评分为82、74.6、76.9、74.5、79.8。将供应商B、C、D、E进行同样处理，得到评分结果如表5。

表5 各供应商贝叶斯网络模拟得分

图6 供应商A的Netica成本网络模拟

图10 供应商A的Netica产品质量网络模拟

将5家供应商得分作为判断矩阵B的数值，得到：

而由上文2.2得知，材料企业对于供应商二级指标的偏好矩阵为：

通过矩阵相乘，得到最终供应商评分：（表6）

表6 各供应商最终评价得分

故应当选择的供应商顺序为：E、B、C、A、D。

4 结论

本文从材料企业对于供应商的综合素质要求的角度切入，确定贝叶斯网络的各级节点以及整体架构。以历史数据作为基础，辅以人工调整进行分析，得出各个供应商对应的贝叶斯网络节点先验概率，计算出影响供应商综合素质的5项因素的得分。再通过AHP层次分析法，以专家对各层指标的对比重要性得分，计算出5项因素的权重。最后，结合得分与权重，得出供应商具体的分数与排名，为材料企业选择供应商提供了可行、便于调整的采购环节供应商评价方法。解决了传统贝叶斯网络或AHP方法选择供应商的过于宽泛、实用性低、过于主观的问题。