基于模糊案例推理的供应商选择模型_供应商管理系统论文

基于模糊案例推理的供应商选择模型，本文主要内容关键词为：模型论文,模糊论文,供应商论文,案例论文，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。

中图分类号：F253.2 文献标识码：A 文章编号：1002-3100(2008)08-0133-06

0 引言

据统计，在制造企业中采购成本占到产品成本的70％，而在高新技术企业中原材料采购和服务外包的成本占到产品总成本能够达到80％以上[1]。可见，供应商选择与采购管理对大多数企业来说，是一项非常重要的业务活动。选择了一家错误的供应商可能会影响企业的运营；而合适的供应商选择可以提高企业的盈利能力和产品的竞争力。

供应商选择与采购量分配问题一直是企业采购实践的重点，也是供应链领域的研究热点。国内外已经有大量的研究成果[2]。基于案例推理的方法是供应商选择研究的新方法。Choy和Lee利用案例推理方法提出了一个智能的供应商管理系统，利用此系统可以自动选择合适的供应商，做出外包选择[3]。杨瑾等使用案例推理方法构建了一个供应商选择决策支持系统[4]，但是该决策支持系统主要考察的是战略层面的供应商选择，使用的决策数据都是打分得到的，用它处理具体的战术层面的采购有些不妥。现有的文献都是基于清晰环境下，很少有考虑模糊信息的情况。我们在文献[4]的基础上，针对战术采购决策建立了一个基于模糊案例推理方法和多目标数学规划的供应商选择与采购量分配集成模型，并给出相应的应用案例。

1相关知识简介

1.1基于案例推理的方法

物流采购管理部门经常进行供应商选择与采购量分配方面的工作。如果有一种工具能够帮助管理人员利用先前的采购经验对当前的采购行为做出决策，这将是非常有益的。案例推理正是这样的一种工具。

基于案例推理(Case-Based Reasoning，CBR)的方法，最早由耶鲁大学的Schank教授在1982年提出，是人工智能领域一项重要的推理方法。其核心思想是对人们过去的经验和知识进行结构化存储，并根据其进行相应的判断与推理。在CBR中把当前所面临的问题或情况称为目标案例(Target Case)，而把记忆的问题或情况称为源案例(Base Case)。粗略地说，就是由目标案例的提示而获得记忆中的源案例，并且通过源案例来指导目标案例求解的一种策略。案例推理中知识表示是以案例为基础，案例的获取比规则获取要容易，大大简化知识获取。对过去的求解结果进行重用，而不是再次从头推导，可以提高对新问题的求解效率。过去求解成功或失败的经历可以指导当前求解时该怎样走向成功或避开失败，这样可以改善求解的质量。基本的推理步骤通常可归纳为“4R”循环[5]。即案例检索(Retrieve)，案例重用(Reuse)，案例修改(Revise)和案例保存(Retain)。

1.2模糊数

在企业实际运作中，许多信息是不确定的。用简单地以一个期望值(清晰数)表示会失去很多信息，而用随机数表示，在很多情况下由于缺少足够的历史数据，不能找到合适的概率分布。在此情况下，模糊数弥补了清晰数和随机变量的不足。下面对模糊集与模糊数的一些相关概念作一个简单的介绍[6]。模糊数有很多表示方法，常见的有三角模糊数、梯形模糊数、降半梯形模糊数等。这里我们选用梯形模糊数表示交货提前期、运输成本、及时交货率这些模糊信息，用降半梯形模糊数表示单个目标函数的满足程度(如图1所示)。举例来说，采购管理人员根据以往的一些采购情况，认为交货提前期至少天，至多天，还知道在天到天的可能性最大，这样可以用梯形模糊数(，，，)来表示。我们模型中的目标都是成本型目标，目标函数的值越小越理想。我们构造一个降半梯形模糊数去描述目标达成程度。表示单个目标(比如成本)在一定约束下的最小值，不大于该值时的满意度为1，在该约束下的最大值是，大于等于该值时的满意度为0。目标的满意度就可以表示：

图1 梯形模糊数和降半梯形模糊数

2模型的构建过程

2.1案例库的建立

2.1.1建立供应商选择的指标体系并给出权重

Weber等人总结了自1967年至1990年供应商选择领域出现的74篇文献，认为供应商选择问题是典型的多准则决策问题，而且这些准则之间往往还存在相互冲突，采购决策必须权衡这些冲突的目标，选择合适的供应商并合理分配采购量。Weber发现质量、交货和成本是选择供应商最重要的准则[7]。指标选取不是本文讨论的重点，我们主要在方法的探讨上。结合我们面对的具体问题，我们选取成本、交货、质量这三个指标。成本指产品价格加上运输成本和订购成本。交货指标衡量供应商满足交货需求的能力，这里我们用及时交货率和交货提前期这两个指标来衡量。质量指标衡量供应商满足质量要求的能力，选取产品次品率来表示(如图2所示)。在建立指标体系后，需要给每个指标赋予一定的权重(如表1所示)。指标的权重可以由决策者主观判断给出，也可以借助于其他分析方法，比如层次分析法。

2.1.2案例的表示和储存

案例的表示是推理过程的基础，它直接影响案例的检索、复用、修改与学习。其中框架和面向对象是目前多数CBR采用的方法。本文采用框架的表示方法。过去成功的采购经历经过收集、整理，以案例的形式储存于案例库。也就是说，过去采购的各个相关指标的值和所选的供应商以一定的格式储存于数据库(如表2所示)。

2.2案例检索方法的选取与构造

案例检索是基于案例推理系统的中心环节，检索质量关系着整个系统的质量[3]。案例检索通常有三种：归纳推理法、最邻近法和知识引导法。本模型指标中涉及模糊数，适合用最邻近法处理。目标案例T与案例库中的源案例R的相似度S(T， R)可以用公式(1)来表示：

2.3集成模型

我们提出的模型是一个两阶段模型，模型的第一阶段是基于模糊案例推理的过程，第二阶段利用第一阶段得到的合适的供应商作为输入变量，构造一个多目标数学规划模型，然后求解模型，确定供应商以及相应的采购量。模型的推理、求解过程如图3所示。

图3 模型的流程图

步骤如下：

(1)提出采购要求。根据生产或研发部门的要求，采购部门把相应的要求整理成案例库中供应商案例格式的采购要求，生成新的采购要求文档，即目标案例。

(2)案例检索。采用2.2部分给出的相似度计算公式，分别计算目标案例与供应商案例库中每个案例的相似度。

(3)选择满意的潜在案例。首先按降序排列潜在案例的相似值，然后用户根据相似值判断，如果某个案例被选中，这个案例将被复用、保留；如果用户不满意这些案例，则启动案例修改过程。

(4)案例修改。对前一步得出的相似度最高的那些案例进行分析，分析哪些因素是对当前目标案例来说是好的因素，哪些是不好的因素。供应商根据采购的要求重新承诺。

(5)确定满意的修改后的案例。首先按降序排列“修改后的案例”的相似值，然后用户根据相似值确定满足要求的案例。如果某个案例被选中，这个案例将被保留；否则，用户需要修改采购要求以产生合适的方案，重复以上(1)～(5)步骤。

(6)案例复用。选取合适的案例中对应的供应商作为第二阶段数学规划模型的候选供应商。

(7)案例保存。储存选中的案例到供应商案例库。

(8)建立数学规划模型。

(9)求解数学模型，确定供应商以及相应的采购量分配。

供应商选择问题是个典型的多目标决策问题，为了选择合适的供应商并在它们之间分配采购量，我们可以建立一个多目标规划模型。我们的模型假定：(i)针对的是单一物品、单一周期下的问题。(ii)需求是一个确定的值。因为多数情况下，战术层的数据都是从物料需求计划系统等信息系统给出的一个确定值。模型的目标是使总成本、交货提前期和产品次品率最小。

模型如下：

3 应用算例

现实中案例库中的案例成百上千，为了研究方便，我们假定某个特定的零部件案例库中有10个供应商案例，根据采购要求我们整理的一个目标案例T，相关数据如表3所示。根据模型给出的步骤，不难得出案例库中各个案例与目标案例的相似度。然后利用公式(1)得到各个案例与目标案例T的总的相似度，然后根据相似度降序排列(如表4所示)。案例5是与采购要求相似度最高的案例，如果采购经理觉得满意或经过案例修改后觉得满意，则对应的供应商S[，5]作为候选供应商进入下一轮；否则考虑下一个相似度次高的案例(这里是案例10)。重复这个过程直到找出所要的候选供应商个数。假设相似度前5个的采购案例都通过，对应的供应商作为候选供应商进入下一阶段。

设总采购量为400，将从前一阶段产生的5个供应商中选取合适的供应商(n=5)，分配采购量。这里我们还假定最后分配给3个。决策者给出的三个目标的权重分别是=0.5，=0.2，=0.3。其他相关数据如表5所示。其中是交货提前期这个模糊参数的解模糊数，由公式(8)求得。