基于企业中对供应商评价方法的研究，本文主要内容关键词为：中对论文,供应商论文,评价论文,方法论文,企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
贸易全球化扩大了市场合作方选择的空间和目标。尤其近些年来，产品制造业大多是基于零部件和半成品的总装集成，因此，基于零部件和半成品供应商选择，人们也称为OEM供应商的选择在制造领域非常重要，尤其在大规模定制时代。 对于制造方来说，其十分希望在生产的上游形成稳定的供应渠道，在下游也要形成稳定的销售渠道，而且上下游之间都有建立长期稳定关系的愿望，从而形成较为稳态的供应链，更好地实现了构成供应链的企业务方通过合作达到优势互补的目标，同时也提高了供应链整体竞争水平。组成供应链的各方实际在供应链的战略地位上发挥的作用是不同的，起核心和主导作用的企业，因为它关系着供应链整体的生存，我们称核心企业，其余处于其上游和下游的合作企业称为节点企业。从战略上讲，合作方之间的相互选择，我们也称为广义的供应商选择当然更为重要，因为这是供应链构成的基础，也是供应链能否长期稳定存在于市场的关键。供应商定量评价作为一种有效评价整体供应链绩效的可操作方法和手段，其学术研究一直不断。1966年Dickson G.提出了对供应商绩效评价标准的23项准则的方法，并引入了关于供应商绩效评价的定性研究。[1] 1988年Hatherall D.也提出了定性评价准则的8项准则[2]。Glenn P.提出了供应商评价延伸结构和相应模型。[3] Weber C.（1991）按照特定标准、购买环境和决策技术，对供应商选择文献进行分类。[4] 鉴于企业动态联盟的观点，Nagel R.（1991）定义了敏捷制造模式的概念，为弥补单个企业的局限性提出了产品过程导向的联合作业。[5] Goldman S.（1995 ）提出对于敏捷竞争者可将虚拟组织作为动态组织工具，尤其扩展了供应链的范围。[6]
随着供应商成为特定市场选择的最重要伙伴，选择长期联盟供应商的过程也变得复杂和困难。虽然这个选择过程经常依赖于从事该领域的专家和管理者，但也有许多因素影响这个选择，他们相互关联并制约。所以，供应商的预选需要有效的分析和评价。此外，选择过程的结果依赖于数学模型和优化模型。[7] 本文提出了供应商选择相应的数学模型和优化模型，并在企业执行案例中得到验证。
二、建立供应商的评价系统
供应链中的核心企业和节点企业都将顾客需求作为直接动力。企业的竞争优势依赖于所有核心竞争力的构成因素：物流能力、信息互动、成本、规模、合作时间等。核心企业利用这些指标将迅速了解到供应商真实的互补核心优势，并开始和所选择的供应商转向深入的合作。
（一）供应商预选机制构成
许多因素影响一个供应商的绩效评价和选择。尤其当一些因素中切实的原因和不切实的原因发出冲突时。预选机制这个工具将帮助核心企业建立供应商候选人集合，提高核心企业找到最佳供应商的能力。
影响供应商选择的众多因素包括一些定性和定量因素，表明长期关系和短期关系的巨大差异。Dickson G.提出的评价选择标准的23项准则包括品质，交期， 过去绩效，保证与客诉政策，生产设备与产能，价格，技术能力，财务状况，客诉处理程序，沟通系统，业界声誉，商业关系，管理组织，管理控制，维修服务，服务态度，过去的印象，包装能力，劳资关系，地理位置，过去营业额，训练，相互间协商等等。此外，Weber C.以此为基础提出了关键准则包括成本，配送时间和品质。实际中大多数买家喜欢选择合作历史作为最重要的因素。为了简化定量评价过程，我们选择如下五个标准，即合作成本、合作规模、合作时间、物流协作能力、信息互动能力为选择决策的主要挑选对象。
（二）优化供应商选择的必要性
上文已提到，制造商希望依据实际合作情况从供应商集合中选择，所以供应商选择的余地很容易被其各种复杂性所限制。一方面，从各层的独立合作渠道到整个企业的整合合作渠道需要减少“沉没成本”；另一方面，对于一种新引入的供应商选择方法会面临一种新的评价尺度的冲突。因此，帮助制造商建立一种可以快速地比较和选择供应商的外部定量评价方法是必要的。
三、基于DEA的供应商定量评价
（一）DEA的基本模型
1978年Charnes A.和Cooper W.教授提出了数据包络分析（DEA）方法和模型[8]。DEA方法的主要研究对象是决策单元（DMU）。通过比较一组同质的DMU，并结合DMU线性的输入和输出，分析每个DMU的相对有效性，我们可以得到有效活动的包络曲面。供应商候选人可被看作决策单元。假设有n个供应商，每个供应商有p种类型的输入，以及q种类型的输出，我们可以得到基本的DEA评价模型：
为了便于求解等式（1），我们利用Charnes－Cooper变换，得到线性规划模型：
模型中，通过优化有效指标确定相应每个输入向量和输出向量的权重。这个模型帮助我们处理输入和输出中不确定的权重信息问题，防止人为主观地给定权重。这里我们假定评价有效性的约束是所有供应商候选人的效率评价指标最大值为1。当供应商j的效率值为1时，就意味着供应商是相对有效的；当供应商的效率值小于1时，就意味着供应商j是相对无效的。模型的结果也反应了相对有效的供应商之间的差别。如果我们将这些指标重新处理，可以得到每个供应商依次的相对有效性。
（二）带有决策偏好约束的锥比例C2WH模型
考虑到在实际中买方选择供应商时经常带有明显的决策偏好， 我们可以修正DEA的基本模型，选择带有决策偏好约束的锥比例C[2]WH模型为实际的DEA分析模型。当决策单元DMU[,0]∈｛DMU[,j]｝时，我们得到其C[2]WH模型：
在等式3中，
收敛于凸锥，并且InvV≠Ф，InvU≠Ф。这里对所评价的供应商我们选择不同权重，分析结果，找到满意的供应商。
（三）基于DEA的供应商选择方法的不足
虽然基于DEA的供应商选择方法使得供应商的整体效率更客观，但权重的精确选择使那些在少数指标有利而其他多数指标不利的供应商成为相对有效的得利者。所以，有必要将智能准则引入到决策过程。我们选择层次分析法（AHP）和网络层次分析法（ANP）作为智能准则，以弥补评价过程中DEA的不足。
四、基于ANP和DEA的供应商评价系统
（一）ANP方法的引入
1980年Saaty提出了AHP方法，结合了决策模式和测量程序，基于一定的规则定量分析被选方案的优劣程度[7]。如图1所示，AHP方法被用于把一个复杂问题分解为多个因素，根据这些组成因素的支配关系，从而形成一个有序的递阶层次结构。然后，在同一层次中通过两两比较，每个因素被赋予相应的权重。最后，根据全部主观标准在所有被选方案中产生最佳方案。
图1：AHP模型的结构
AHP方法是基于因素的两两比较来确定指标权重的，很容易产生“等级颠倒”现象的问题。而且，较低层次的因素存在的这种现象也反作用于较高层次的因素。然后Saaty提出ANP方法，其用超级矩阵可以反应因素间的相互影响和关联。
（二）基于ANP&DEA的供应商评价系统
鉴于上述提到的ANP和DEA的特点，我们通过将决策偏好的客观考虑和决策过程的主观分析相结合，建立一个快速有效的评价系统。详细地来说，整个过程包4步：
1.建立ANP模型；
2.用基于ANP的模型评价供应商合作指标并计算它的相应权重；
3.用DEA模型评价DMU的有效性；
4.分析合作的有效状态，并提出最优的选择。
五、实证
中国一家汽车制造企业需要许多不同的供应商支持它的生产线，购买他们的零部件、半成品。对供应商的评价和选择是控制成本、提高利润以及提升全球市场竞争力的主要途径。因此我们提出了基于ANP&DEA的供应商评价系统。在这个系统中，我们选择合作成本、合作规模、合作时间、物流协作能力、信息互动能力作为合作的主要指标。
（一）建立网络分析的结构—ANP
以合作能力作为目标层。以合作成本、合作规模、合作时间、物流协作能力、信息互动能力作为评价因素，这些因素之间的相关关系如图—2， 分别给出四个不同的零件供应商进行评价。对目标层与因素层之间只是存在控制关系，可以采用AHP方法进行评价。
图2：供应商评价与选择网络结构
（二）建立比较矩阵
如表1所示，我们根据AHP中定量指标两两比较的相对重要性等级程度，可以得到目标层对因素层控制得比较矩阵，并计算相应权重。
表1：比较矩阵
目标CA
CT
IC CCLC CV
权重
CT
10.3333 0.25 0.2510.077
IC
31
3 3
30.401
CC
40.3333 1 3
20.251
LC
40.3333 2 1
30.176
CV
10.3333 0.5
0.3333 10.093
CA：目标；CT：合作时间；IC：信息互动；CC：合作成本；LC：物流协作；CS：合作规模。
由于构成目标的五个因素之间存在相互关联关系，它们之间不是独立关系，因此必须采用ANP算法计算权重。
构造超级矩阵
如表2所示， 运用超级矩阵理论构造由供应商与各因素之间关联关系的超矩阵并计算各种交互因素的最终权重。
表2：加权超级矩阵
V1
V2 V3 V4 IC CC LC CV CT
供
V1
00
0
0
0.0540 0.1050 0.0465 0.0820 0.0435
应
V2
00
0
0
0.2065 0.1640 0.0785 0.0485 0.0790
商
V3
00
0
0
0.1465 0.4460 0.1225 0.2005 0.2300
V4
00
0
0
0.0935 0.2850 0.2525 0.1685 0.1470
IC
0.0049
0.0048 0.0048 0.0048 0
0
0.3333 0.3333 0
相
CC
0.0389
0.0389 0.0393 0.0389 1
0
0.3333 0.3333 0.5
关
LC
0.0864
0.0857 0.0753 0.0794 0
0
0
0.3333 0.5
因
CV
0.0422
0.0419 0.0486 0.0421 0
0
0.3333 0
0
素
CT
0.0238
0.0245 0.0247 0.0267 0
0
0
0
0
从表2可以看出，合作成本、物流协作和信息互动对供应商的选择影响更大。依据超级矩阵极限的计算原理，形成稳定收敛的矩阵，如表3所示。
表3：超级矩阵的演化
V1 V2 V3 V4 IC CC LC CV CT
供
V1 0.0588 0.0588 0.0588 0.0588 0.0588 0.0588 0.0588 0.0588 0.0588
应
V2 0.0970 0.0970 0.9700 0.0970 0.0970 0.9700 0.0970 0.0970 0.9700
商
V3 0.2085 0.2085 0.2085 0.2085 0.2085 0.2085 0.2085 0.2085 0.2085
V4 0.1717 0.1717 0.1717 0.1717 0.1717 0.1717 0.1717 0.1717 0.1717
相
IC 0.1298 0.1298 0.1298 0.1298 0.1298 0.1298 0.1298 0.1298 0.1298
关
CC 0.2998 0.2998 0.2998 0.2998 0.2998 0.2998 0.2998 0.2998 0.2998
因
LC 0.1910 0.1910 0.1910 0.1910 0.1910 0.1910 0.1910 0.1910 0.1910
素
CV 0.1144 0.1144 0.1144 0.1144 0.1144 0.1144 0.1144 0.1144 0.1144
CT 0.0373 0.0373 0.0373 0.0373 0.0373 0.0373 0.0373 0.0373 0.0373
表3 的任何一列都反映了四个供应商和五个不同因素在评价中占有的重要程度。从表中可以看出，V3和V4占有很重要的权重，因此从制造商的角度讲V3和V4应当是重要的供应商。
（三）DMU的有效性计算
如果把信息互动、合作成本看作评价系统的输入，把物流协作、协作规模、合作时间看作DMU的输出，我们可以看到成本越低，DMU的效率越高。而且，物流协作能力越高级，DMU的效率越高。DMU输入和输出的原始数据如表4所示。
表4：DMU的原始数据
供应商
IC(%)
CC LC(%) CV CT
V1
89.546853
98.2
46895 1.5
V2
85.723457
90.5
38792 0.7
V3
84.935029
86.3
54386 0.8
V4
87.826703
89.2
42802 1.6
将原始数据输入上述提到的RCCR／AR模型，计算其有效性，如表5所示。
表5：DMU的相对有效性
DMU有效性
RTS Benchmarks
V1 1.00000
1.000 Constant1.000
V2 0.87293
0.767 Increasing 0.767
V3 1.00000
1.000 Constant1.000
V4 1.00000
1.000 Constant1.000
（四）综合评价
从表5可以看出，四个零部件供应商生产有效的是V1，V3，V4。而V2 供应商在生产效率方面应当需要改进。
结合ANP和DEA的评价，可以发现对制造商很重要的供应商而且能够达到生产有效的是V3和V4。对于V1虽然对制造商来说重要程度比不上其他供应商但其合作还是有效率的，而V2需要改进，否则将面临制造商淘汰。
六、结论
目前，越来越多的企业企图与他们的供应商发展合作关系，更注重在供应链中的长期关系，以提高在其相关市场的核心竞争力。所有的定性方法和定量方法都不能很好地解决评价和选择最佳供应商问题。在实际中影响供应商选择的因素很多，每一种方法都有其局限性，且分析的结果也不尽相同，只有基于两种方法的有机组合分析，才能适应供应商动态节点的变化，此模型的创新正是基于整合DEA的定量外部方法和ANP的目标方法，建立决策单元相对有效的控制曲线，根据严格的控制标准来进行选择，以进一步提高其供应体系的竞争优势。
标签：dea论文; dmu论文; 供应商关系管理论文; 供应链系统论文; 供应链物流论文; 决策矩阵论文; 矩阵管理论文; 能力模型论文; 矩阵变换论文; 矩阵分解论文; 决策能力论文; 供应商论文;