职称论文发表 | 职称论文发表 专业提供:发表论文、论文发表、毕业论文、职称论... | |
住在汉口网 | 住在汉口网是一个专业提供汉口房产信息、车辆服务、生活服务、招... | |
职称论文网 | 职称论文网提供:发表论文、论文发表、毕业论文、职称论等服务。 | |
|
摘 要:目前,业务外包和全球采购已经被越来越多的企业所采用,供应商的选择问题便逐渐成为企业供应链关注的焦点。构建了一套供应商选择的三级评价体系,运用多层次灰熵优选模型对该体系进行了综合评价。评价过程中利用灰色关联分析这个工具,求出指标层的评判矩阵,并运用信息熵法确定其权重,对汽车零部件供应商选择的实例分析验证了该模型的有效性和可行性。本文来自职称论文发表的竭力网络搜索和整理得来的
关键词:供应商;多层次;灰熵;优选模型
随着市场环境的国际化、全球化,企业与企业的竞争已经转换成供应链与供应链之间的竞争。供应商在供应链上扮演着至关重要的角色,而在今天对企业的影响也越来越大。为了提高企业的整体竞争力,企业必须谨慎的选择供应商,并且改变原来各供应商之间相互竞争的关系,建立起一种长期的合作伙伴关系,共享信息,取得“双赢”,这样才能在激烈的市场竞争中取胜。
1 供应商选择的指标体系
供应商选择是一个复杂的过程,需要综合考虑多种因素。在传统的供需管理模式下,供应商选择的指标大多侧重于成本、质量、交货期等指标,试图建立一个质量和服务有保证的供货体系。而在当今竞争激烈的经营环境下,企业更倾向于建立一种新型的合作伙伴关系,以达到双赢的目的,当然,供应商的选择也不例外。这就要求人们在选择供应商时,除了以上的一些指标以外,还应考虑供应商的合作程度。笔者从供应商的能力、服务水平、合作程度三个方面来建立指标体系。供应商的能力包括:生产能力、信息化水平、市场敏捷性;服务水平包括:单位可得成本、提前交货期、交货质量合格率;合作程度包括:合作态度、准时交货率及信息共程度。所以笔者建立了基于合作伙伴的供应商选择指标体系(见图1)。
2 多层次灰熵优选模型
多层次灰熵优选模型是在灰色多层次综合评价法的基础上改进得来。灰色多层次综合评价法是利用灰色关联分析这一个工具,将备选方案在各种评价因素下的值视为比较序列,同时选出参考数列,计算比较序列与参考序列的关联系数,进而得出灰色关联度,根据关联度的值来确定最优方案。计算灰色关联度时需要确定各指标的权重,灰色综合评价法在确定权重时一般采用层次分析法和专家打分等方法,这样确定出来的权重主观因素比较大。多层次灰熵选优模型则在这点上做了改进,它采用信息熵法来确定权重,排除了人为主观因素带来的影响,使评价结果更为客观、合理。
供应商选择的指标体系分为三个层次,即目标层、准则层、指标层。在做综合评价时,应先对指标层进行分析,算出关联度矩阵和由信息熵确定的指标权重,从而得出准则层评价结果;再采取同样的方法对准则层进行分析,最终得出目标层的综合评价值。进而选出最优供应商。
2.1 指标层的最优指标集
设被评价的供应商的序号为k(k=1,2,…,q),设djk(i)是第k个供应商在第i个准则下的第j个指标的原始数据(i=1,2,…,m;j=1,2,…,ni),用矩阵可以表示为D(i)=(djk(i))■。
为了使各指标同向化并且消除量纲和量级的影响,应首先进行归范化处理。对于效益性的指标,计算公式为:
Xjk(i)=■(1)
对于成本型的指标,计算公式为:
Xjk(i)=1-■(2)
对矩阵D(i)进行规范化处理后得到矩阵X(i)=(Xjk(i))■;设Xjk(i)是第j个指标在q个供应商中的最优值,若记指标层的最优指标集为Xmax(i),则:
Xmax(i)=[X1(i),X2(i),…,Xmax(i)]T
2.2 指标层的评判矩阵
以Xmax(i)=[X1(i),X2(i),…,Xmax(i)]T为参考序列,Xjk(i)=[X1k(i),X2k(i),…,Xn■k(i)]T为比较序列,比较序列与最优序列的关联系数为Ljk(i),计算公式:
Ljk(i)=■
(3)其中,c为分辨系数,c∈[0,1],引入它是为了减少极值对计算的影响,在实际使用中,应根据序列见的关联程度选择分辨系数,一般取c<0.5最为恰当。
指标层的评判矩阵:
A(i)=(Ljk(i))■ (4)
2.3 指标层的各指标的权重
确定权重时,可以采用专家调查法或层次分析法,但由于上述两种分析方法主观因素较大,为了避免主观因素的影响,笔者采用信息熵的概念来确定各指标的权重。信息熵确定权重有如下两个步骤:
步骤1:计算各指标用熵值ej(i):
ej(i)=-■■
(■ln■)(5)
步骤2:计算各指标的权重Wj(i),计算公式为:
Wj(i)=■(6)
2.4 准则层的关联度矩阵
由于各指标的重要程度不同,所以本文采用加权关联度的形式,以考虑各指标重要性程度的差别,这样更为准确、合理。
准则层关联度矩阵为R(i),则:
R(i)=(Wj(i)T)A(i) (7)
2.5 目标层的关联度矩阵
将R(1),R(2),…,R(i),构成矩阵R=[R(1),R(2),…,R(m)]T,找出其对应的最优指标集,利用3.2中的方法得到准则层的评判矩阵A,并用3.3中的方法确定准则层的权重W。则目标层的关联度矩阵为R=WTA。关联度的值越大,其对应的供应商越优。
3 应用实例
某汽车公司想选择一家零部件供应商,有四家供应商可供选择,各供应商的指标所对应的数据见表1。
指标中市场敏捷性、信息化水平、信息共享度、合作态度是定性指标,所以要将他们进行5等级量化。5等级量化组分别为:很好1.0、较好0.8、一般0.5、较差0.3、很差0.1。生产规模、单位可得成本、提前交货期、交货合格率、准时交货率是定量指标,数据由供应商直接提供。
3.1 指标数据的规范化
为了使各指标同向化并且消除量纲和量级的影响,应首先进行归范化处理。利用公式(1)、公式(2)可以得出规范化后的数据(见表2)。
3.2 准则层的综合评价
供应商能力的指标数据规范化后以矩阵形式表示为
X(1)=0.44444 0.55556 0.55556 0.44440.44444 0.55556 0.44444 0.27780.57143 0.51428 0.42857 0.4000
最优指标:
Xmax(1) =[0.55556,0.55556,0.57143]T,
由公式(3)、(4)并且取c=0.5,得关联度矩阵:
…… 职称论文发表网http://www.issncn.com
职称论文发表网http://www.issncn.com
|