基于多屬性群決策的供應商評價問題研究*

賈現(xiàn)召　衡俊平

(河南科技大學機電工程學院，河南 洛陽 471003)

?

基于多屬性群決策的供應商評價問題研究*

賈現(xiàn)召衡俊平

(河南科技大學機電工程學院，河南 洛陽 471003)

針對供應商評價問題，提出基于二元語義的多屬性群決策方法。依據(jù)二元語義及其集結算子，對多個供應商的評價指標評價，并集結出群評價矩陣；結合二元語義比較和運算規(guī)則確定出優(yōu)勢矩陣和修正劣勢矩陣；求得優(yōu)勢判定矩陣；得到各供應商的凈優(yōu)勢值并排序擇優(yōu)。最后通過實例分析，表明該方法具有實用性。

供應商評價；多屬性；群決策；二元語義；Electre

供應商評價是供應商管理的關鍵環(huán)節(jié)，選擇合適的供應商不僅能在激烈的市場競爭中保證產(chǎn)品質(zhì)量，降低產(chǎn)品成本，而且可以有效提高企業(yè)反應速度贏得市場占有量。對于制造企業(yè)來說，必須合理選擇適合自身需要的供應商，建立科學合理的供應商評價體系，不斷優(yōu)化企業(yè)的供應網(wǎng)絡，才能在競爭激烈的市場中站穩(wěn)腳跟[1]。

針對供應商評價問題，廣大專家學者進行了諸多研究，總體上來說， Dickson G.W[2](1996)較早地系統(tǒng)研究供應商評價問題，他通過問卷調(diào)查和分析，歸納出23條供應商評價指標；Weber[3]通過對74篇文獻的統(tǒng)計分析，對供應商評價指標的重要性進行排序；Timmerman[4]和Roodhooft[5]從成本的角度對供應商評價問題進行了研究；Weber(1998)等[6]人提出基于層次分析法和多目標線性規(guī)劃結合供應商評價；劉嘉(2005)等[7]以降低供應鏈風險為目標，建立基于供應鏈風險管理的供應商評價體系模型；錢芝網(wǎng)(2011)等[8]運用神經(jīng)網(wǎng)絡建立評價模型，定性和定量相結合的方式進行評價；耿秀麗等[9]提出基于直覺模糊VIKOR的供應商評價方法；李巖(2015)等[10]利用可能度構造互補判斷矩陣，結合IOWA算子對群體偏好集結的方法來處理決策問題；胡蓓琳等[11]從多屬性群決策考慮利用EWAA算子和LHA算子對供應商進行排序和擇優(yōu)；金飛飛等[12]提出基于區(qū)間猶豫模糊理論的多屬性群決策方法，并將其運用在供應商評價問題上。在上述供應商評價過程中，對數(shù)值依賴程度太大，同時在對不確定性評價信息處理時多采用模糊理論，后續(xù)的計算中容易丟失最初模糊數(shù)據(jù)的評價信息，導致評價信息失真，整個計算過程繁瑣，不便于實際應用。

通過對上述研究方法的缺陷的分析，在已知理論方法中，二元語義及Electre法能夠較好的克服評價信息丟失和計算過程繁瑣的問題。二元語義[13]從根本上來說，是一種創(chuàng)立在有序加權平均算子[14]的基礎上的關于語言信息集結的分析方法。Electre方法[15-16]首先由Benayoun、Roy與Sussman提出，而后由Roy等人將此方法用在決策方面。傳統(tǒng)的Electre法排序過程過于復雜，特別是評價對象較多的情況下變得異常復雜，為此高陽等[17]提出了基于Electre的簡化排序方法，該方法在與其他分析結果保持一致的前提下，對方法使用者主觀信息需求量少，便于理解和使用。

本文運用將Electre法的思想引入基于二元語義信息處理的方法，解決供應商評價的多屬性決策問題，為制造業(yè)進行供應商評價提供一種新的解決方案。

1　二元語義的基礎

二元語義信息是指針對某目標(或?qū)ο蟆蕜t)給出的用二元組(si，αi)來表示的評價值結果。其元素sk和αk的含義描述如下：

(1)sk為預先定義好的語言評價集S中的第k個元素。例如一個由7個元素(即語言評價)構成的語言評價集S可定義為：S={s5=HZ(很好)，s4=Z(好)，s3=YB(一般)，s2=C(差)，s1=HC(很差)}。

(2)αk稱為符號轉(zhuǎn)移值，表示由計算得到的語言信息與預先定義的語言信息集S中最貼近語言短語之間的偏差，很顯然它滿足αk∈[-0.5,0.5)。

定義1：若si∈S是一個語言短語，那么相應的二元語義形式可以通過下面的函數(shù)θ獲得：

θ:S→S×[-0.5,0.5)

θ(si)=(si,0),si∈S

(1)

定義2：設β∈[0,T]為語言評價集S經(jīng)過某種集結方法得到的實數(shù)，則β可由如下的函數(shù)Δ表示為二元語義信息：

Δ:[0,T]→S×[-0.5,0.5)

Δ(β)=(si,αi)

(2)

其中，i=Round(β)，αi=β-i.，Round為四舍五入取整算子。T+1為語言評價集S中元素的個數(shù)。

定義3：設(si，αi)是一個二元語義，其中si為語言評價集S中第i個元素，αi∈[-0.5,0.5)，則存在一個逆函數(shù)Δ-1，使其轉(zhuǎn)化成相應的數(shù)值β∈[0,T]：

Δ-1:S×[-0.5,0.5)→[0,T]

Δ-1(si,αi)=i+αi=β

(3)

若(sk，αk)和(si，αi)為任意兩個二元語義，則有如下性質(zhì)：

①比較運算規(guī)則：

1)如果sk>si，則(sk,αk)>(si,αi)；

2)如果sk

3)如果sk=si且αk=αi，則(sk,αk)=(si,αi)；

4)如果sk=si且αk>αi，則(sk,αk)>(si,αi)；

5)如果sk=si且αk<αi，則(sk,αk)<(si,αi)

②存在逆運算“neg”：

neg((si,αi))=Δ(T-Δ-1(si,αi))

(這里T+1是S中元素的個數(shù))

(4)

③最大、最小化運算，當sk≥si時：

max((sk,αk),(si,αi))=(sk,αk)

min((sk,αk),(si,αi))=(si,αi)

(5)

定義4：語言評價集S上任意兩個二元語義(si,αi)和(sj,αj)之間的距離定義為：

(d,α)=Δ(|Δ-1(si,αi)-Δ-1(sj,αj)|)

(6)

其絕對距離為：

Δ-1(d,α)=|Δ-1(si,αi)-Δ-1(sj,αj)|

(7)

(8)

2　基于多屬性群決策方法的供應商評價模型建立

對于供應商評價問題，其根本上可歸結為多屬性群決策的問題，可通過AHP法和離差最大法分別得出指標權重及專家權重。在對多屬性群決策問題分析的基礎上，給出解決供應商評價問題的原理和步驟。

2.1供應商評價問題分析

本文就供應商評價問題的多屬性群決策問題，在結合二元語義評價方法和Electre法排序的思想基礎上，通過對語言平矩陣計算來獲得供應商優(yōu)劣的排序。

2.2多屬性群決策的評價問題的方法和步驟

其次，確定優(yōu)勢矩陣和修正劣勢矩陣：

利用二元語義的比較運算規(guī)則將群評價矩陣R中任意不同行進行對比，找出Ac供應商的各指標優(yōu)于Ad供應商相對應指標的指標標號集，優(yōu)勢集Hcd={j|rcj≥rdj}，其中0≤c≤m，0≤d≤m。將每個優(yōu)勢集中的標號對應的指標權重相加，得到優(yōu)勢矩陣H：

(9)

其中hcd為優(yōu)勢指數(shù)，它代表Ac供應商比Ad供應商優(yōu)勢程度的大小，hcd越大意味著對于所有的優(yōu)勢指數(shù)來說Ac供應商比Ad供應商更具有優(yōu)勢，且0≤hcd≤1。所有優(yōu)勢指數(shù)構成優(yōu)勢矩陣:

(10)

hcd+hdc=1(c,d=1,2,…,m,c≠d)。hcd代表Ad供應商比Ac供應商優(yōu)勢程度的大小。

同理求得劣勢集，即Ecd={j|rcj

(11)

其中0≤ecd≤1。

繼而求修正劣勢矩陣，根據(jù)重新定義的劣勢矩陣，其求解如下：

E′=[ecd′]m×m,ecd′=1-ecd

(12)

這里相對優(yōu)勢矩陣只包含權重的信息，修正劣勢矩陣不僅包含權重信息還有指標評價值的信息，因此相對優(yōu)勢矩陣和修正劣勢指數(shù)沒有所謂的互補性。

進一步地，求得優(yōu)勢判定矩陣，即將優(yōu)勢矩陣和修正劣勢矩陣中的元素相乘，其值越大，優(yōu)勢度越高。

F=[fcd]m×m,fcd=hcdecd′

(13)

最終求得各供應商的凈優(yōu)勢值Gk并排序，其中Gk為供應商Ak對其他供應商的加權合計優(yōu)勢之和減去其他供應商對Ak的加權合計優(yōu)勢之和，它反映供應商最終凈優(yōu)勢的大小，Gk越大，說明供應商Ak越優(yōu)。按照Gk從小到大的順序?qū)踢M行排序，即可得到最優(yōu)的供應商。

(14)

綜上所述，基于多屬性群決策的供應商評價問題的解決步驟如下：

Step3：根據(jù)式(10)和(12)計算優(yōu)勢矩陣和修正劣勢矩陣；

Step4：根據(jù)式(13)計算優(yōu)勢判定矩陣；

Step5：根據(jù)式(14)計算最終的凈優(yōu)勢值，并據(jù)此進行排序。

3　實例分析

現(xiàn)在有制造企業(yè)M因生產(chǎn)需求，需采購一批原材料，經(jīng)初步選定5個供應商作為候選供應商，企業(yè)有3個資深采購專家對此進行最終評選。在評選中，將依據(jù)各供應商的產(chǎn)品質(zhì)量(C1)，技術水平(C2)，產(chǎn)品價格(C3)，行業(yè)資質(zhì)(C4)，售后服務(C5)進行評價，采用的語言評級集為S={s0=極不滿意(JB)，s1=很不滿意(HB)，s2=不滿意(BM)，s3=一般(YB)，s4=滿意(MY)，s5=很滿意(HM)，s6=非常滿意}。已知3位專家權重為λ={0.45,0.2,0.35}，各評價指標的權重為W={0.35,0.15,0.2,0.1,0.2}。對3位專家發(fā)放問卷，對初步選定的5個供應商進行評價，其評價結果如下：

依據(jù)式(1)到(3)將評價矩陣轉(zhuǎn)化為，并集結成群評價矩陣如下：

R=

進一步，根據(jù)Hcd={j|rcj≥rdj}和式(10)找到優(yōu)勢集和優(yōu)勢矩陣，用1,2,3,4,5代表各指標，優(yōu)勢集Hcd為：

Hcd=

由式(10)計算得優(yōu)勢矩陣H為：

同理，求得劣勢集Ecd和劣勢矩陣E：

由式(12)求得修正劣勢矩陣E′：

由式(13)得優(yōu)勢判定矩陣F：

最后由F和式(14)求得各供應商的凈優(yōu)勢值G1=0.03，G2=-0.26，G3=1.33，G4=-0.98，G5=-0.12，按Gk大小進行排序G3>G1>G5>G2>G4，從而得出最優(yōu)供應商為第3個供應商。

4　結語

本文針對供應商評價問題，給出基于二元語義的多屬性群策方法，運用二元語義和簡化Electre法相結合的方法，有效地避免語言信息處理過程中產(chǎn)生的評價信息失真、扭曲和損失的問題，提高最終評價的準確性和可靠性。在凈優(yōu)勢值的基礎上進行實現(xiàn)，簡化過程，提高辨識度，為制造業(yè)進行供應商評價選擇提供一種新的解決方案。

[1]袁宇，關濤，閆相斌，等.基于混合VIKOR方法的供應商選擇決策模型[J].控制與決策，2014(3):551-560.

[2]DicksonGW，Ananalysisofvendorselectionsystemsanddecisions[J].JournalofPurchasing，1966(1):5-17.

[3]WeberCA，CurrentJR,BentonWC.Vendorselectioncriteriaandmethods[J].EuropeanJournalofOperationResearch，1991(50):2-18.

[4]TimmermanE.Anapproachtovendorperformanceevaluation[J].JournalofPurchasingandSupplyManagement，1986，(4):2-8.

[5]RoodhooftF，KoningsJ.Vendorselectionandevaluationanactivitybasedcostingapproach[J] .EuropeanJournalofOperationalResearch，1996(96): 97-102.

[6]WeberCA，CurrentJR，DesaiA.Non-cooperativenegotiationstrategiesforvendorselection[J] .EuropeanJournalofOperationalResearch，1998，108(1):208-223.

[7]劉嘉，吳志軍，郁鼎文，等.基于供應鏈風險管理的供應商評價體系研究[J].制造技術與機床，2005(5):99-102.

[8]錢芝網(wǎng).BP神經(jīng)網(wǎng)絡及其在供應商選擇評價中的應用[J].工業(yè)工程與管理，2011(3):1-7.

[9]耿秀麗，葉春明.基于直覺模糊VIKOR的服務供應商評價方法[J].工業(yè)工程與管理，2014(3):18-25.

[10]李巖，蔣艷，謝浩.模糊環(huán)境下綠色供應商的選擇方法研究[J].計算機應用研究，2016(7):1-7.

[11]胡蓓琳，冷橋勛.圖書供應商選擇的語言多屬性群決策模型[J].情報探索，2010(2):108-110.

[12]金飛飛，裴利丹，陳華友，等.區(qū)間猶豫模糊三角相似度及其多屬性群決策[J].計算機工程與應用，2015(4):41-45.

[13]Herrera F，Martinez L.A model based on linguistic 2-tuples for dealing with multi-granularity hierarchical linguistic contexts in multi-expert decision-making[J]. IEEE Trans on Systems, Man and Cybernetics，2001，31(2):227-234.

[14]Yager R R. On ordered weighted averaging aggregation operators in multi-criteria decision making[J].IEEE Trans on Systems, Man and Cybernetics，1988，18(1):183-190.

[15]Roy B. Problems and methods with multiple objective function[J].Mathematical Programming，1971(1):239-266.

[16]Vincent Mousseau，Luis Dias. Valued outranking relations in ELECTRE providing manageable disaggregation procedures [J]. European Journal of Operational Research，2004(156):467-482.

[17]高陽，陳常青.一種基于ELECTRE排序的簡化方法[J].統(tǒng)計與決策，2006(10):37-39.

如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應位置。

Research on supplier evaluation based on multi-attribute group decision making

JIA Xianzhao, HENG Junping

(School of Mechatronic Engineering, Henan University of Science and Technology, Luoyang 471003, CHN)

In view of supplier evaluation, a mothed based on multi-attribute group decision making is presented. According to two-tuple linguistic and aggregation operator, evaluating indicator of multiple suppliers, then evaluation matrix of group is be aggregated. Combining with two-tuple linguistic comparison and operation rules, we can get dominance matrix and modified inferior matrix, dominant decision matrix can be got, we can sort and choose suppliers by net advantage value. Last, it can be shown that this method is practical by a practical example.

supplier evaluation; multi-attribute; group decision making; two-tuple linguistic; Electre

C934

A

10.19287/j.cnki.1005-2402.2016.10.028

賈現(xiàn)召，男，1965年生，教授，研究員級高工，主任，研究方向為大型裝備及其傳動件的數(shù)字化設計與制造技術、項目管理、制造系統(tǒng)的規(guī)劃設計和流程再造、制造業(yè)信息化等，已發(fā)表論文100多篇，河南省教育廳學術技術帶頭人，教育部學位與研究生教育評估專家，中國軸承工業(yè)協(xié)會規(guī)劃發(fā)展咨詢專家、企業(yè)管理專家、人力資源工作委員會常務委員等，中國機械工程學會高級會員。

(編輯汪藝)

2016-06-21)

161032

*國家科技支撐計劃項目(2011BAF09B01-06)；河南省自然科學基金項目(152300410083)