| 标题 | 基于灰色系统预测方法的供应链联盟伙伴选择研究 |
| 范文 | 宋 良 胡正华 摘要：伙伴选择是供应链联盟组建过程中的关键问题，主要研究如何从众多的候选企业中选择最优的合作伙伴组成供应链。文章引入了灰色系统预测方法来对现有的方法进行优化，提出了一种基于GM 1，1模型的合作伙伴选择方法。该方法更多的考虑了趋势值指标对评价结果的影响，使得评价更为全面，能更好地做出选择。最后用一个实例说明了该方法的有效性。 关键词：供应链联盟；伙伴选择；灰色系统 中图分类号：F273.7文献标识码：A Abstract: Partner selection is a key problem in the process of buildup of supply chain alliance. It mainly researches how to choose the cooperative partners from the numerous corporations to form the optimal supply chain alliance. This paper adopts grey system forecast method to improve the method used presently， and presents a method for partner selection based on the GM (1，1)model. This method considers the effect of trend value index to the result， to make the evaluation more comprehensive， and helps to make a better selection. Finally， an example is carried out to illustrate the validity of the method. Key words: supply chain alliance; cooperative partners selection; grey system 0引言 经济的全球一体化以及信息技术的快速发展，企业面临的竞争越发激烈。越来越多的企业开始采用组建供应链联盟的手段，对企业的内外部资源进行优化整合。 所谓供应链联盟，是指在一条包含了原材料供应、产品设计、制造、分销等环节的完整供应链上，以一家实力雄厚的盟主企业为核心，各个相互独立的实体为实现共同的目标(效益最大化等)而组成的联盟。参与联盟的各个实体被称为“伙伴”，每个伙伴在各自的优势领域为联盟贡献自己的核心能力，相互联合起来实现优势互补、风险共担和利益共享。 供应链联盟的组建主要是由盟主企业来实施，对于盟主企业来说，选择合适的供应链联盟伙伴是联盟组建过程中非常重要的一环，直接关系到整个联盟的绩效和成败。同时，由于影响伙伴选择的因素很多，是一个复杂的决策过程，不能简单的直接给出结论，必须借助有效的决策工具、方法才能做出正确的选择。鉴于此，本文建立了盟主企业主导的供应链联盟伙伴选择的决策模型，将灰色理论预测方法应用到选择当中，并举例说明了该方法的有效性。 1盟主企业主导的供应链联盟伙伴选择 供应链联盟的盟主企业寻求合适的上下游合作伙伴，以原材料供应伙伴选择为例，设为E1，E2，…，Em为m个候选企业，F1，F2，…，Fn为n评价指标，需要以这几个指标对企业进行评估，以挑选合适的伙伴。 2现有供应链联盟伙伴选择的不足及改进 现有模型为大多数企业目前所采用，但是这种模型存在着一些不足之处，即对于所有的评价指标不加区别，基本都采用指标的现时值进行评价，而很少考虑指标的趋势值。 所谓现时值，指的是指标在当前时间点的评分；而趋势值，指的是对指标在当前时间点前几个连续的时间期分别评分，再用这些评分预测未来时间期的评分以反映该指标的趋势。现有的选择方法，基本上都是采用指标的现时值进行评价，但事实上，很多指标的趋势值对评价的影响更大，例如企业的服务水平，我们更看重的是企业在一段时间内的服务水平，以及其变化趋势、波动情况，而不仅仅是此刻的水平。 因此，我们对现有的方法进行了一些改进。在评分环节，将评价指标分为两类，一类更看重其现时值对评价结果的影响，称为现时值指标；另一类，更看重其趋势值对评价结果的影响，称为趋势值指标。对于现时值指标，仍采用原有方法评分；对于趋势值指标，则采用灰色系统预测方法预测趋势，对其进行评分。这样的处理可以很好地弥补原有选择方法的不足。 3基于灰色系统预测方法的供应链联盟伙伴选择 3.1评价指标的选择以及分类 选择合适的评价指标是得到最优的选择结果的重要基础，站在盟主企业角度，选择的评价指标往往要包括质量、成本、服务水平、信誉等。 再将指标按照现实值指标与趋势值指标进行分类。质量和成本，我们比较看重的是它们在当前时间点上的情况，现时值更能影响评价结果；服务水平，当前的情况对评价产生不了决定性的影响，供应链需要的不是一个能够提供一时高水平服务的伙伴，而是一个能长期保持服务水平，并且处于上升状态的伙伴；信誉，这是一个需要长期累积的指标，多年的诚信经营才能赢得好的口碑，所以，服务水平和信誉这两个指标，其趋势值更能影响评价结果。 3.2趋势值指标预测 假设专家评估小组对某候选企业Ei的某项趋势值指标Fj进行评分，将当前时间点前的一个连续的时间段划分为n个相等的时间期，对每个时间期评分，得到一组与时间期相对应的分值，设为X1，X2，…，Xn。通过这一组数据对趋势值Xij来进行预测。我们采用的是灰色系统预测方法。 3.2.1累加数据生成 原始数据往往会受到随机性干扰(即所谓噪音)，这会影响预测的准确性，灰色理论的预测方法采用累加生成的方法来弱化原始数列随机性的干扰。把数列X各时刻数据一次累加的过程叫做累加过程，记作AGO。所得的新数列，叫做累加生成数列。具体地，已有评估小组给出的数 3.2.2GM1，1模型预测 3.3总得分及决策 采用现有方法，专家评分后可以得到现时值指标的得分。将所有候选企业的所有指标得分汇总，得二维数列X，设任意元素Xij为企业Ei指标Fj的得分。各指标的权重一般采用AHP方法求得，具体方法见文献[1]，设求得的权重数列为?棕，数列元素?棕j为元素F的权重；设候选企业Ei的最后得分为Si，则 通过得分Si的高低就可以基本排定候选企业的优劣了。 4应用实例 S企业需要从候选企业E1，E2，E3中选择一个合适的合作伙伴，用价格(P)、质量(Q)、服务(S)三个指标对其进行考察。 第一步，对指标进行分类。价格主要受市场行情的影响，质量主要决定于企业的技术水平，二者都没有明显的趋势，归为现时值指标；服务这样的软指标趋势值特性比较明显。 第二步，确定三个指标的权重。这不是本文研究的重点，直接给出AHP方法计算后的结果: ?棕p=0.57，?棕Q=0.29，?棕S=0.14。 第三步，确定各指标的评分。评估小组对于价格(P)、质量(Q)的评分表1已经给出，对于服务(S)表2给出了连续3个候选企业连续4个时间期的评分。 第五步，计算候选企业的最终得分： 综合之前得到的候选企业在价格(P)、质量(Q)和服务(S)三个指标上的得分，以及指标的权重，根据式(7)，得到最后的评分： S1=9.2142，S2=9.1784，S3=9.2496 S3的评分最高，于是得到了我们的最后选择E3。 参考文献： [1]柳青， 黄道. 基于AHP_BP算法的供应链合作伙伴选择建模及其应用[J]. 华东理工大学学报， 2007(1):108-114. [2]沈继红. 灰色方法理论预测方法研究及其在舰船运动预报中的应用[D]. 哈尔滨： 哈尔滨工程大学(博士学位论文)， 2001. [3]马士华. 供应链管理[M]. 北京： 机械工业出版社， 2001. [4]张永强. 西方国家供应链联盟演变历程及对中国的启示[J]. 南开管理评论， 2001(4):73-77. [5]邓聚龙. 灰色系统基本方法[M]. 武汉: 华中工学院出版社， 1987. [6]傅立. 灰色系统理论及其应用[M]. 北京： 科技文献出版社， 1992. [7]Persson G. Logistics service providers and supply chain alliances[C]//The 10th International Annual IPSERA Conference[A].2001:707-724. [8]Roger Nagal. 21st century manufacturing enterprise strategy: an industry-led view[M]. Iacocca Institute， Lehigh University， 1991. “注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”。 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。