智能制造背景下復(fù)雜供應(yīng)商網(wǎng)絡(luò)協(xié)同評價研究

張明昊 聞波 石梅 卓翔芝

摘要：為促進(jìn)核心制造企業(yè)與旗下供應(yīng)商之間形成緊密的協(xié)同關(guān)系，從復(fù)雜供應(yīng)商網(wǎng)絡(luò)的結(jié)構(gòu)特征入手，根據(jù)其無標(biāo)度和小世界的結(jié)構(gòu)特點，將宏觀的復(fù)雜供應(yīng)商網(wǎng)絡(luò)切割拆分為以局部網(wǎng)絡(luò)中最大hub節(jié)點為頂點的多個微觀子網(wǎng)絡(luò)。從系統(tǒng)的視角出發(fā)，將熵權(quán)法與TOPSIS法相結(jié)合，建立了基于熵權(quán)TOPSIS法的子系統(tǒng)協(xié)同評價模型。研究結(jié)果表明，該模型能夠有效的對子系統(tǒng)的協(xié)同狀態(tài)做出評價，有助于核心制造企業(yè)科學(xué)合理的管理供應(yīng)商網(wǎng)絡(luò)。

關(guān)鍵詞：智能制造;協(xié)同效率;復(fù)雜網(wǎng)絡(luò);熵權(quán)法;TOPSIS法

中圖分類號：F203

文獻(xiàn)標(biāo)志碼：A

收稿日期：2020-10-26

基金項目：

安徽省高校自然科學(xué)基金（批準(zhǔn)號：KJ2018A0395;KJ2019A0959;KJ2019B04）資助。

通信作者：

聞波，男，副教授，主要研究方向為信息管理。E-mail：wbthinkly@163.com

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)為代表的新興信息技術(shù)在工業(yè)領(lǐng)域中的滲透，中國產(chǎn)業(yè)變革的進(jìn)程不斷加快， “智能制造”這一信息化和工業(yè)化深度融合的產(chǎn)物成為衡量全球制造業(yè)階段水平的風(fēng)向標(biāo)[1-3]。為加快中國向制造強國轉(zhuǎn)變，國務(wù)院印發(fā)了“中國制造2025”計劃，受到眾多學(xué)者的關(guān)注和重視[4]。智能制造背景下，制造企業(yè)將供應(yīng)商視為其生產(chǎn)系統(tǒng)的延伸[5]。供應(yīng)商扮演的角色不僅是物料的供給者，也作為制造企業(yè)的重要合作伙伴參與到產(chǎn)品的研發(fā)和制造環(huán)節(jié)，為制造企業(yè)分擔(dān)一定風(fēng)險的同時分享相應(yīng)的收益。制造企業(yè)也在與供應(yīng)商連續(xù)動態(tài)的業(yè)務(wù)交流中獲得了供應(yīng)商所匹配的資源及創(chuàng)新要素，進(jìn)而推動制造企業(yè)戰(zhàn)略目標(biāo)的實施和產(chǎn)品競爭力的提升[6]。互惠雙贏的局面促使制造企業(yè)與供應(yīng)商的聯(lián)系日益密切，制造企業(yè)也愈發(fā)依賴供應(yīng)商來維持企業(yè)的競爭優(yōu)勢[7]，形成了以制造企業(yè)為核心，供應(yīng)商為邊緣節(jié)點的供應(yīng)商網(wǎng)絡(luò)[6]。源于供應(yīng)商網(wǎng)絡(luò)中主體間的競爭關(guān)系，以及不同主體在經(jīng)營策略和利益需求上存在差異，企業(yè)在具體業(yè)務(wù)流程的銜接和匹配上無法實現(xiàn)有效的協(xié)同。此外，信息的不透明、不對稱極易引發(fā)目標(biāo)沖突和機(jī)會主義風(fēng)險[7-8]，同樣使得企業(yè)間的協(xié)同難以按照預(yù)期的方向發(fā)展，少量能夠成功實施供應(yīng)商網(wǎng)絡(luò)協(xié)同的企業(yè)在協(xié)同績效的度量上再次陷入了困境。近年來，以復(fù)雜系統(tǒng)理論研究供應(yīng)鏈網(wǎng)絡(luò)引起了學(xué)術(shù)界的廣泛關(guān)注[9]。陳曉等[10]認(rèn)為供應(yīng)鏈系統(tǒng)是一種復(fù)雜的自組織、自適應(yīng)性網(wǎng)絡(luò)系統(tǒng)，復(fù)雜網(wǎng)絡(luò)的研究方法有利于揭示該類系統(tǒng)的特質(zhì)。范碧霞等[11]從供應(yīng)網(wǎng)絡(luò)復(fù)雜性產(chǎn)生的原因及特征入手，分析得出復(fù)雜網(wǎng)絡(luò)理論具有幫助企業(yè)更好地評價供應(yīng)鏈結(jié)構(gòu)、協(xié)調(diào)成員企業(yè)行為、提高供應(yīng)鏈穩(wěn)定性以及優(yōu)化供應(yīng)鏈的功能。隨著研究的深入，有學(xué)者嘗試對已有模型改進(jìn)創(chuàng)新，如指出供應(yīng)鏈網(wǎng)絡(luò)中節(jié)點的連接數(shù)量和連接速率并非僅與時間因素有關(guān)[12]，還受到節(jié)點之間吸引力大小[13]、位置參數(shù)[14]、邊效益[15]、供應(yīng)鏈生命周期[16]等因素的影響，提出了基于X因素的復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)演化模型。從不同視角對供應(yīng)鏈網(wǎng)絡(luò)展開的研究表明當(dāng)前的供應(yīng)鏈網(wǎng)絡(luò)已擺脫簡單拓?fù)浣Y(jié)構(gòu)形態(tài)，具備復(fù)雜網(wǎng)絡(luò)的特征。因此，由核心制造企業(yè)和供應(yīng)商所構(gòu)成的供應(yīng)商網(wǎng)絡(luò)作為供應(yīng)鏈網(wǎng)絡(luò)中的重要組成部分同樣具備相應(yīng)的復(fù)雜網(wǎng)絡(luò)特征，從而使得本文以復(fù)雜網(wǎng)絡(luò)理論為框架對供應(yīng)商網(wǎng)絡(luò)協(xié)同進(jìn)行研究具有可行性。針對當(dāng)前復(fù)雜供應(yīng)商網(wǎng)絡(luò)中的企業(yè)在協(xié)同方面存在的問題，本文依據(jù)復(fù)雜供應(yīng)商網(wǎng)絡(luò)的結(jié)構(gòu)特征對其進(jìn)行切割，將其劃分為多個以制造企業(yè)為核心的微觀子網(wǎng)絡(luò)，在此基礎(chǔ)上借助在多屬性領(lǐng)域決策領(lǐng)域有良好表現(xiàn)的熵權(quán)法和TOPSIS評價方法構(gòu)建評價模型，對不同子網(wǎng)絡(luò)模塊的協(xié)同狀況做出評價，幫助核心制造企業(yè)科學(xué)、合理、有效的管理供應(yīng)商網(wǎng)絡(luò)。

1 復(fù)雜供應(yīng)商網(wǎng)絡(luò)

真實世界中規(guī)則網(wǎng)絡(luò)的占比很小，很多實際問題抽象出的網(wǎng)絡(luò)呈現(xiàn)出復(fù)雜網(wǎng)絡(luò)的形態(tài)。供應(yīng)鏈的形態(tài)對其自身的性能有著重要影響，由于早期的鏈?zhǔn)焦?yīng)鏈以及由其擴(kuò)展形成的供應(yīng)鏈網(wǎng)絡(luò)已經(jīng)無法描述和解釋企業(yè)間錯綜復(fù)雜的交互關(guān)系，為適應(yīng)當(dāng)前多變的環(huán)境和未來的發(fā)展趨勢，傳統(tǒng)供應(yīng)鏈網(wǎng)絡(luò)已逐步向復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)變[17-18]。為了幫助核心制造企業(yè)與旗下供應(yīng)商開展高效的協(xié)同運作并取得增殖的協(xié)同效益，繼而在動態(tài)多變的市場環(huán)境下保持足夠的競爭力，本文將對研究的框架進(jìn)一步聚焦。結(jié)構(gòu)和功能完整的供應(yīng)鏈一般由制造商、供應(yīng)商、分銷商、零售商以及最終消費群體五部分組成，其中產(chǎn)品的價值增值是通過供應(yīng)鏈的多層級傳遞實現(xiàn)的，在此過程中涉及多個制造和供應(yīng)環(huán)節(jié)。與僅在供應(yīng)鏈終端占有一定份額的零售商和分銷商相比較，供應(yīng)商和制造商擁有絕對的數(shù)量優(yōu)勢，故對復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)削減一定數(shù)量的分銷模塊節(jié)點不會對網(wǎng)絡(luò)整體的形態(tài)和功能產(chǎn)生影響。剔除分銷商、零售商和顧客，本文的研究建立在復(fù)雜供應(yīng)商網(wǎng)絡(luò)框架下。復(fù)雜供應(yīng)商網(wǎng)絡(luò)是圍繞核心制造企業(yè)，建立在與多個供應(yīng)商之間達(dá)成密切合作關(guān)系的基礎(chǔ)上，具有小世界和無標(biāo)度結(jié)構(gòu)特征的供應(yīng)體系[19]。Barabási等[12]的研究表明，復(fù)雜網(wǎng)絡(luò)的連接度在現(xiàn)實問題中有冪率分布的特征，且冪指數(shù)通常在2～3的區(qū)間內(nèi)，統(tǒng)計特性呈現(xiàn)冪率分布的復(fù)雜網(wǎng)絡(luò)被稱為無標(biāo)度網(wǎng)絡(luò)。無標(biāo)度網(wǎng)絡(luò)具有極大的異質(zhì)性，各節(jié)點的連接不服從均勻分布，大部分的節(jié)點只有少量的連接，度值很低，但存在少數(shù)度值極高的中樞節(jié)點（hub節(jié)點）擁有大量的連接，且對整個網(wǎng)絡(luò)的運行和維持起著至關(guān)重要的作用。供應(yīng)商網(wǎng)絡(luò)中散布著多家核心制造企業(yè)，核心制造企業(yè)通過供需關(guān)系與旗下的供應(yīng)商建立聯(lián)系，形成圍繞核心制造企業(yè)展開的從產(chǎn)品原材料供應(yīng)到生產(chǎn)加工，以及銷售運輸?shù)漠a(chǎn)品價值鏈，充分體現(xiàn)了無標(biāo)度性[10]。與此同時，科技的進(jìn)步為世界經(jīng)濟(jì)與貿(mào)易提供便利，企業(yè)能夠忽略地理位置因素的影響實現(xiàn)實時的信息溝通。供應(yīng)商網(wǎng)絡(luò)中的核心制造企業(yè)扮演著橋梁的角色，為不同類別的供應(yīng)商之間建立聯(lián)系，使得供應(yīng)商網(wǎng)絡(luò)在結(jié)構(gòu)上具有局部集聚效應(yīng)，表現(xiàn)出明顯的小世界特性[20-21]。

2 評價模型構(gòu)建

經(jīng)濟(jì)全球化發(fā)展使企業(yè)間合作愈發(fā)密切，同時也加深了供應(yīng)鏈成員企業(yè)之間的角色重疊和關(guān)系復(fù)雜度。相同的企業(yè)可能在不同的供應(yīng)鏈中扮演著不同的角色，如制造企業(yè)在負(fù)責(zé)生產(chǎn)的同時也發(fā)揮著供應(yīng)商的功能。為消除該現(xiàn)象對研究的影響，本文從復(fù)雜供應(yīng)商網(wǎng)絡(luò)的結(jié)構(gòu)特征入手，根據(jù)其無標(biāo)度和小世界的結(jié)構(gòu)特點，將宏觀的復(fù)雜供應(yīng)商網(wǎng)絡(luò)切割拆分為多個以局部網(wǎng)絡(luò)中的核心制造企業(yè)為頂點、向四周方向輻散的微觀子網(wǎng)絡(luò)，其中每個子網(wǎng)絡(luò)中包含一個核心制造企業(yè)和若干個供應(yīng)商，如圖1所示。通過對復(fù)雜供應(yīng)商網(wǎng)絡(luò)的拆分，實現(xiàn)了對復(fù)雜三維立體網(wǎng)絡(luò)空間的結(jié)構(gòu)由繁向簡的轉(zhuǎn)化，研究量級上的巨大轉(zhuǎn)變使得模型的構(gòu)建更為簡明直觀。因系統(tǒng)是由相互作用、相互依賴的若干部分組成的具有特定功能的有機(jī)整體[22]，故可將復(fù)雜供應(yīng)商網(wǎng)絡(luò)映射為系統(tǒng)，經(jīng)切割產(chǎn)生的微觀子網(wǎng)絡(luò)與復(fù)雜供應(yīng)商網(wǎng)絡(luò)之間為子母系統(tǒng)關(guān)系。

對子系統(tǒng)中的節(jié)點進(jìn)行同向化處理，將散布在hub節(jié)點周圍的子節(jié)點旋轉(zhuǎn)、牽拉至hub節(jié)點的下方，使隸屬于不同供應(yīng)層級的節(jié)點在結(jié)構(gòu)模型中的位置相對統(tǒng)一。在此基礎(chǔ)上，為進(jìn)一步簡化結(jié)構(gòu)模型，將經(jīng)同向化處理后的子節(jié)點置于與hub節(jié)點相同的平面內(nèi)，實現(xiàn)結(jié)構(gòu)模型由三維立體向二維平面的過渡。由圖2所示，子系統(tǒng)在結(jié)構(gòu)上具有自相似的特征，即局部形態(tài)與整體形態(tài)相似，局部中又存在著相似的局部，不斷地重復(fù)、層層嵌套形成分形圖。

2.1 熵權(quán)法

信息熵[23]是根據(jù)事物本身對信息的貢獻(xiàn)度來描述信源不確定性的度量工具。指標(biāo)的信息熵越小，說明其變異程度越大，即能夠提供的信息越多，對系統(tǒng)的貢獻(xiàn)度也就越大[24-25]。該特性使得熵權(quán)法被廣泛應(yīng)用于求解多屬性決策問題中的屬性權(quán)重部分。

Step 1 以一個多屬性決策問題為例：設(shè)有n個評價對象，m個評價指標(biāo)，對于原始數(shù)據(jù)矩陣A=aijn×m，aij表示第i個評價指標(biāo)的第j項指標(biāo)評價值。為解決各指標(biāo)的計量單位不一致問題，對原始數(shù)據(jù)矩陣A做同質(zhì)化處理，得到數(shù)據(jù)矩陣B=bijn×m;

Step 2 對數(shù)據(jù)矩陣B做歸一化處理，得到指標(biāo)評價矩陣C=cijn×m，其中， cij=bij∑ni=1bij，∑cij=1，i=1，2，…，n，j=1，2，…，m;

Step 3 計算第j項指標(biāo)的熵值： ej=-k∑ni=1cijln cij，其中k=ln n-1，0≤ej≤1，j=1，2，…，m，求解過程中，若cij=0，則cijln cij=0;

Step 4 計算得到各指標(biāo)的權(quán)系數(shù)：wi=（1-ej）/（m-∑mj=1ek）。

2.2 基于熵權(quán)TOPSIS法的協(xié)同評價模型

TOPSIS 法[26]（Technique for Order Preference by Similarity to an Ideal Solution）是一種常用的組內(nèi)綜合評價方法，根據(jù)有限個評價對象與理想化目標(biāo)逼近程度的排序結(jié)果對多屬性決策過程中的備選方案進(jìn)行優(yōu)劣抉擇[27]。理想化目標(biāo)是正理想解與負(fù)理想解這一對相反概念的合稱。正理想解為目標(biāo)的最優(yōu)解，即各評價指標(biāo)均達(dá)到最好的預(yù)期;負(fù)理想解為目標(biāo)的最劣解，即各評價指標(biāo)均達(dá)到最差的預(yù)期。當(dāng)某一備選方案在最逼近正理想解的同時又最遠(yuǎn)離負(fù)理想解，則該方案為最佳方案[28]。在對各子系統(tǒng)的協(xié)同狀況進(jìn)行評估前，需要建立具備科學(xué)合理、可操作性強、系統(tǒng)全面、獨立無交叉特征的指標(biāo)評價體系。將指標(biāo)體系劃分為三級：方案層、一級指標(biāo)層和二級指標(biāo)層，規(guī)定所有指標(biāo)類型為效益型。指標(biāo)的選取建立在曾明華[29]等所構(gòu)建的供應(yīng)商協(xié)同能力評價指標(biāo)體系的歸納總結(jié)基礎(chǔ)上，其中一級指標(biāo)包括信任與透明、業(yè)務(wù)對接、經(jīng)濟(jì)效益和生產(chǎn)制造四個方面;二級指標(biāo)包括信息發(fā)布與傳遞準(zhǔn)確性、信息共享程度、財務(wù)狀況、合作態(tài)度、投入產(chǎn)出比、降低成本計劃、產(chǎn)品匹配度、訂貨提前期、準(zhǔn)時交貨率九個方面，見圖3。

設(shè)共有y個評價對象，每個評價對象有z個評價指標(biāo)。對于原始數(shù)據(jù)矩陣E=euvy×z ，euv代表第u個評價對象的第v個指標(biāo)評價值。指標(biāo)評價值在0～10的區(qū)間內(nèi)取值，其中10為最優(yōu)值。

Step 1 對原始數(shù)據(jù)矩陣E做比值歸一化處理，得到指標(biāo)評價矩陣E′=puvy×z，其中， puv=euv∑yu=1euv，∑puv=1，u=1，2，…，y，v=1，2，…，z;

Step 2 對指標(biāo)評價值矩陣E′做加權(quán)處理，得到加權(quán)指標(biāo)評價矩陣F=fuvy×z，其中， fuv=xu·puv，xu=1-αuz-∑zk=1αk， αu=-k∑yu=1puvln puv，k=ln y-1， 0≤αu≤1，u=1，2，…，y，v=1，2，…，z，若puv=0，則puvln puv=0;

Step 3 確定評價對象的最優(yōu)解和最劣解。最優(yōu)解由矩陣F中每列元素的最大值構(gòu)成，最劣解由矩陣F中每列元素的最小值構(gòu)成：

f+=maxf11，f21，…，fy1，maxf12，f22，…，fy2，…，maxf1z，f2z，…，fyz

=f+1，f+2，…，f+z

f-=minf11，f21，…，fy1，minf12，f22，…，fy2，…，minf1z，f2z，…，fyz

=f-1，f-2，…，f-z

Step 4 分別計算出方案解與最優(yōu)解的距離d+u以及與最劣解之間的距離d-u： d+u=∑zv=1fuv-f+v2，d-u=∑zv=1fuv-f-v2，u=1，2，…，y;

Step 5 計算方案解與最優(yōu)解的貼近度： cu=d-ud+u+d_u，0≤cu≤1，u=1，2，…，y;

Step 6 對Step 5所取得的接近度cu的數(shù)值進(jìn)行大小排序，cu的值越大，說明評價對象越優(yōu)，由此得到最佳子系統(tǒng)。

3 案例分析

考慮到在智能制造背景下，大型制造企業(yè)因生產(chǎn)、辦公等需要，與其建立合作關(guān)系的供應(yīng)商數(shù)量往往十分龐大。受到數(shù)據(jù)獲取方面的限制，本文從某大型制造企業(yè)的二級供應(yīng)商中選取四家規(guī)模較小的制造企業(yè)

y1、y2、y3和y4作為案例分析中的核心制造企業(yè)（供應(yīng)鏈中的多數(shù)企業(yè)既是供應(yīng)商也是制造商），該組企業(yè)位于安徽省淮北市，企業(yè)下屬供應(yīng)商5至10家不等，對四家制造企業(yè)與旗下供應(yīng)商所構(gòu)成的子系統(tǒng)分別記作Y1、Y2、Y3和Y4，見圖4。

邀請3位有不同專業(yè)背景、來自不同管理和技術(shù)崗位的業(yè)內(nèi)專家按照圖3所建立的指標(biāo)評價體系打分，不同專家給予評價的影響力相同，指標(biāo)評價值在0～10的區(qū)間內(nèi)取值。經(jīng)專家評定生成的數(shù)據(jù)矩陣A、B和C，如表1、表2、表3所示。

對數(shù)據(jù)矩陣A、B和C中的評價指標(biāo)打分結(jié)果求平均值，得到原始數(shù)據(jù)矩陣D，見表4。

借助Matlab-R2017a軟件編寫相關(guān)程序代碼，獲得以下數(shù)據(jù)（精確到小數(shù)點后四位）。原始矩陣D經(jīng)比值歸一化處理后得到的規(guī)范后的指標(biāo)評價矩陣E，見表5。

（1）評價指標(biāo)的熵值α1～α9分別為： α1=0.998 5，α2=0.997 4，α3=0.997 4，α4=0.996 8，α5=0.998 2， α6=0.997 5，α7=0.997 5，α8=0.998 8，α9=0.996 6;

（2）指標(biāo)權(quán)重x1～x9分別為： x1=0.069 1，x2=0.119 8，x3=0.121 9，x4=0.149 2，x5=0.083 0， x6=0.119 4，x7=0.119 4，x8=0.056 8，x9=0.161 5;

（3）對規(guī)范化后的指標(biāo)評價值矩陣E做加權(quán)處理，得到規(guī)范化后的加權(quán)指標(biāo)評價矩陣F，見表6。

（4）評價對象的最優(yōu)解和最劣解為： f+=（0.0184，0.0342，0.0335，0.0399，0.0225，0.0333，0.0333，0.0155，0.0467），f-=（0.0162，0.0280，0.0268，0.0315，0.0186，0.0264，0.0264，0.0135，0.0370）;

（5）評價對象到最優(yōu)解和最劣解的距離分別為： d+1=0.011 4，d+2=0.004 1，d+3=0.016 6，d+4=0.014 9，d-1=0.012 7，d-2=0.017 1，d-3=0.004 7，d-4=0.011 2;

（6）評價對象與最優(yōu)解的貼近度分別為： c1=0.526 5，c2=0.804 6，c3=0.220 2，c4=0.429 7;

由貼近度的大小可知，子系統(tǒng)Y1～Y4的評價結(jié)果按照Y3<Y4<Y1<Y2的順序排序，即Y2為最佳評價對象，Y1與Y4次之，Y3最差。

對上述案例分析過程進(jìn)行分析，表4中協(xié)同指標(biāo)的打分結(jié)果能夠直觀地反映出子系統(tǒng)中核心制造企業(yè)與旗下供應(yīng)商在各方面的協(xié)同狀況，核心制造企業(yè)可有針對性地對其中分值較低的協(xié)同項進(jìn)行強化，以提高整體協(xié)同效率。此外，由協(xié)同評價指標(biāo)的熵值和權(quán)重可知，除Z1、Z5以及Z8這三項指標(biāo)所占比重較低，Z4與Z9兩項指標(biāo)較所占比重較高外，其他指標(biāo)對于子系統(tǒng)評價模型的貢獻(xiàn)度較為平均，說明信息發(fā)布與傳遞穩(wěn)定性、投入產(chǎn)出比以及訂貨提前期這三項指標(biāo)在各子系統(tǒng)中的評價結(jié)果差異較小。而合作態(tài)度與準(zhǔn)時交貨率兩項指標(biāo)的評價結(jié)果差異較大，評估方可籍此橫向比較并統(tǒng)計各子系統(tǒng)的協(xié)同指標(biāo)分值，向核心制造企業(yè)提供各協(xié)同指標(biāo)的行業(yè)均值作為管理參考。

4 結(jié)論

本文基于熵權(quán)TOPSIS法構(gòu)建的子系統(tǒng)協(xié)同評價模型，旨在突出復(fù)雜供應(yīng)商網(wǎng)絡(luò)中不同子網(wǎng)絡(luò)模塊的成員企業(yè)在協(xié)同配合度方面的差異。通過對子系統(tǒng)協(xié)同評價指標(biāo)熵值變化的階段性監(jiān)測，核心制造企業(yè)能夠有效的獲取和掌握各子系統(tǒng)內(nèi)部不同方面的協(xié)同狀況，便于核心制造企業(yè)針對其中的薄弱環(huán)節(jié)采取措施進(jìn)行鞏固和加強。相關(guān)政策制定部門可對評價得到的最優(yōu)子系統(tǒng)開展有指向性研究，深度挖掘其組織結(jié)構(gòu)、協(xié)作方式等方面特征，從中提取有借鑒價值的信息向全社會做普適性的推廣。由于本文未能對子系統(tǒng)內(nèi)部成員企業(yè)之間的協(xié)同機(jī)制進(jìn)行剖析和量化，評價結(jié)果在精確度方面具有一定的局限性，未來需在此基礎(chǔ)上建立協(xié)同度量模型，通過數(shù)學(xué)模型對子系統(tǒng)內(nèi)部成員之間的協(xié)同過程進(jìn)行刻畫以提高準(zhǔn)確性。

參考文獻(xiàn)

[1]丁雪紅，石莉，李敏，等.基于BP神經(jīng)網(wǎng)絡(luò)的智能制造能力成熟度評價研究[J].青島大學(xué)學(xué)報（自然科學(xué)版），2019，32（3）：20-25+30.

[2]ZHOU G. Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing[J]. International Journal of Production Research， 2020， 58（4）： 1034-1051.

[3]王友發(fā)，周獻(xiàn)中.國內(nèi)外智能制造研究熱點與發(fā)展趨勢[J].中國科技論壇，2016（4）：154-160.

[4]周濟(jì).智能制造——“中國制造2025”的主攻方向[J].中國機(jī)械工程，2015，26（17）：2273-2284.

[5]李隨成，王瑋，禹文鋼.供應(yīng)商網(wǎng)絡(luò)形態(tài)構(gòu)念及實證研究[J].管理科學(xué)，2013，26（3）：19-30.

[6]GAO G Y， XIE E， ZHOU K Z. How does technological diversity in supplier network drive buyer innovation？ Relational process and contingencies[J]. Journal of Operations Management， 2015， 36（1）： 165-177.

[7]HAMERI A P， PAATELA A. Supply network dynamics as a source of new business[J]. International Journal of Production Economics， 2005， 98（1）： 41-55.

[8]李娜，李隨成.面向供應(yīng)商網(wǎng)絡(luò)的企業(yè)網(wǎng)絡(luò)化行為：多維結(jié)構(gòu)探索研究[J].科技進(jìn)步與對策，2017，34（19）：15-21.

[9]張軼，錢曉東.基于復(fù)雜網(wǎng)絡(luò)的供應(yīng)鏈建模及仿真研究[J].科技管理研究，2014，34（22）：183-186.

[10] 陳曉，張紀(jì)會.復(fù)雜供需網(wǎng)絡(luò)的局域演化生長模型[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2008，5（1）：54-60.

[11] 范碧霞，劉帥.復(fù)雜網(wǎng)絡(luò)理論在供應(yīng)鏈管理中的應(yīng)用研究[J].商業(yè)經(jīng)濟(jì)研究，2017（18）：97-98.

[12] BARABSI A L. Emergence of scaling in random networks[J]. Science， 1999， 286（5439）： 509-512.

[13] 陶少華，楊春，李慧娜，等.基于節(jié)點吸引力的復(fù)雜網(wǎng)絡(luò)演化模型研究[J].計算機(jī)工程，2009，35（1）：111-113.

[14] 趙志剛，周根貴，潘瑞芳.基于位置吸引力的加權(quán)復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)局域世界演化模型研究[J].計算機(jī)科學(xué)，2018，45（12）：71-76.

[15] 曹文彬，熊曦.邊效益因素下復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)局域演化機(jī)制[J].計算機(jī)應(yīng)用研究，2016，33（1）：75-77+81.

[16] 丁飛，陳紅，楊冀豫.基于復(fù)雜網(wǎng)絡(luò)的供應(yīng)鏈網(wǎng)絡(luò)演化模型研究[J].計算機(jī)與數(shù)字工程，2018，46（2）：343-347.

[17] 張昕瑞，王恒山.復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)模型研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2008（2）：79-81.

[18] 張昕瑞，王恒山.供應(yīng)鏈網(wǎng)絡(luò)的價值增值博弈決策研究[J].商業(yè)經(jīng)濟(jì)與管理，2009（7）：29-35.

[19] WATTS D J. Collective dynamics of small-world networks[J]. Nature， 1998， 393（6684）： 440-442.

[20] 呂波，韓健，凡新凱.新技術(shù)革命背景下基于SIR-SCR模型的供應(yīng)鏈風(fēng)險傳導(dǎo)新機(jī)理研究[J].科技管理研究，2020，40（5）：199-206.

[21] 劉純霞，舒彤，汪壽陽.基于小世界網(wǎng)絡(luò)的供應(yīng)鏈中斷風(fēng)險傳導(dǎo)過程研究[J].商業(yè)經(jīng)濟(jì)與管理，2015（5）：24-30.

[22] 錢學(xué)森.論宏觀建筑與微觀建筑[M].杭州：杭州出版社， 2001.

[23] SHANNON C E. A mathematical theory of communication[J]. The Bell System Technical Journal， 1948， 27（4）： 379-423.

[24] MAVI R K. Supplier selection with Shannon entropy and fuzzy TOPSIS in the context of supply chain risk management[J]. Procedia - Social and Behavioral Sciences， 2016， 235： 216-225.

[25] 仝金強.基于熵權(quán)TOPSIS法的艦船設(shè)計方案評估[J].實驗室研究與探索，2018，37（1）：9-12.

[26] HWANG C L， YOON K. Multiple attribute decision making[J]. Lecture Notes in Economics & Mathematical Systems， 1981， 404（4）： 287-288.

[27] 林龍圳，李達(dá)，林震.基于熵權(quán)-TOPSIS模型的庫布齊沙漠地區(qū)水資源承載力評價[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2020，54（4）：640-648.

[28] 董培培，王磊.基于FBWM的綠色物流供應(yīng)商評價研究[J].青島大學(xué)學(xué)報（自然科學(xué)版），2019，32（3）：53-61.

[29] 曾明華，王吟松，楊曉光.供應(yīng)商協(xié)同能力評價指標(biāo)體系研究[J].計算機(jī)工程與應(yīng)用，2014，50（4）：18-23.

Research on Collaborative Efficiency Evaluation of Complex Supplier

Network Under the Background of Intelligent Manufacturing

ZHANG Ming-haoa ， WEN Bob ， SHI Meib ， ZHUO Xiang-zhia

（a. College of Economics and Management， b. College of Computer

Science and Technology， Huaibei Normal University， Huaibei 235000， China）

Abstract： The purpose is to promote the formation of close collaborative relationship between core manufacturing enterprises and their suppliers. According to the scale-free and small world structure of complex supplier network， the macro complex supplier network is divided into several micro sub networks with the largest hub node in the local network as the vertex. From the perspective of system， the entropy weight method and TOPSIS method are combined to establish a subsystem collaborative evaluation model based on entropy weight TOPSIS method. The results show that the model can effectively evaluate the collaborative state of subsystems， and help the core manufacturing enterprises to manage the supplier network scientifically and reasonably.

Keywords：

intelligent manufacturing; collaborative efficiency; complex network; entropy weight; TOPSIS method