scm4-合作伙伴选择new(12)

西陆直升机有限公司（WHL）的供应商选择,马丁波特，彩色显示发生器项目业务：向全球市场提供全套直升机系统和客户支持服务。（1）设计、开发、制造军用直升机和相关武器系统、系统集成（2）可靠性和快速修理18个国家，1000多架飞机,合作伙伴评价指标的确定合作伙伴评价方法的确定,一、评价指标体系的建立建立原则系统全面性原则简明科学性原则稳定可比性原则灵活可操作性原则,Dickson的23条准则170,YahyaKingsman(16),马士华：企业业绩、业务结构与生产能力、质量系统与企业环境,以制造企业为主，上游合作伙伴、下游合作伙伴共性：财务成本状况、服务水平、管理水平、企业文化、外部环境个性：原材料供应商：产品质量、价格、生产能力等零部件供应商：更注重敏捷性和柔性，企业技术水平（产品竞争优势）分销商：分销渠道、促销策略、促销能力等,上游合作伙伴：,下游合作伙伴：,数据易采集、度量产品质量（产品合格率）产品价格售后服务水平（用户抱怨解决时间）地理位置（供应商所在地和企业所在地的距离）技术水平（新产品开发率）供应能力（日单班产量）经济效益（净资产收益率=利润总额/净资产总额）交货情况（准时交货率=准时交货的订单数/总订单数）市场影响度（市场占有率=供应商产品数/市场同类产品数）,二、供应链合作伙伴选择方法,内涵：定性分析定量分析定性与定量分析相结合原理：相互比较基准比较技术：从传统到先进因素：单一综合过程：静态动态,层次分析法（AnalyticHierarchyProcessAHP）,美国著名运筹学家匹兹堡大学教授TLSaaty于20世纪70年代初期提出的一种将定性分析与定量分析相结合、定性定量化的实用决策方法。将一个复杂的问题分解成若干个组合因素，将这些因素按其系统的支配关系，分组形成递阶层次结构；通过两两比较的方式确定层次中诸因素的相对重要性，然后综合人们的经验判断，以决定诸因素相对重要性的顺序和权重。可靠性高，但规模大时容易出问题,合作伙伴选择,B1,B2,B3,P1,P2,P3,P4,目标层,准则层,方案层,一致性检验完全一致：一致性指标：平均随机一致性指标检验系数：,2.1内涵：从定性分析到定量分析再到定性与定量分析相结合,定性，如直观判断法、招标法和协商选择法等简单易行、费用低，但易产生逆向选择，仅适用于备选者不多时次要合作伙伴的选择。,定量方法成本比率法（TheCostRatio），首先计算与成本有关的质量、运输、服务等项目的总成本，然后根据每一项准则的成本占总成本的百分比来选择合作伙伴。基于活动的成本法（ActivityBasedCosting,ABC），通过计算备选合作伙伴的总成本选择最佳者。定量方法的应用提高了合作伙伴选择的合理性和有效性，但面对客观存在的难以定量化的因素，纯粹的定量方法显现出较大的局限性,定性与定量相结合层次分析法（AnalyticHierarchyProcess，AHP）Dae-HoByun韩国汽车制造企业合作伙伴选择，Tam和Tummala分析香港通信设备的合作伙伴选择模型和决策过程，他们发现用AHP法可缩短选择合作伙伴花费的时间数据挖掘、智能推理、神经网络、群体决策、机器学习,2.2原理：从相互比较到基准比较,合作伙伴选择必须建立在科学准确的评价基础之上，评价的实质是比较相互比较AHP法DEA（DataEnvelopmentAnalysis）数据包络分析），一种非参数统计方法。评价的依据是决策单元的“输入”数据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生的表明该活动成效的某些信息量，例如不同类型的产品数量，产品的质量，经济效益等等根据输入数据和输出数据来评价决策单元的优劣，即所谓评价部门（或单位）间的相对有效性,2.2原理：从相互比较到基准比较,基准比较灰色关联分析法（单基准比较）将m个子序列对同一母序列的关联度按大小顺序排列起来，组成了关联序根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法TOPSIS（TechniqueforOrderPreferencebySimilaritytoIdealSolution）法，逼近于理想点的排序方法，双基准比较。集对分析（SPA,SetPairAnalysis）最优、最劣、中间,2.3技术：从传统到先进2.3.1单项技术不断完善,AHP有一下方面的不足无法表述一些模糊和不精确的因素,19的标度不精确且不易把握；只考虑下层因素对上层的单向层次关系，未考虑同一层次因素间的相互作用针对第一点不足，Morlacch提出了模糊层次模型（FAHP）针对第二点不足，Sarkis和Talluri提出网络分析（AnalyticNetworkProcess，ANP）。ANP法在层次分析的基础上建立各因素或相邻层次间的相互作用矩阵，称为超矩阵，利用超矩阵得出各备选伙伴的混合权重，体现了因素间的交叉影响。,模糊综合评价提供了一个从正面解决含糊性问题的方法，但它忽略了侧面影响的作用牛文学等人，提出Vague综合评价。引进真、假两个隶属度概念，分别反映评价因素的含糊性和不可分辨性,2.3.2技术运用从单一到集成,Morlacchi将AHP法与模糊综合评价结合起来Ghodsypour和Brien将AHP和LP结合起来开发了用于选择合作伙伴的决策支持系统。Weber等人将MOP（多目标规划）和DEA结合起来构建供应商选择优化模型，首先利用MOP选择出多个供应商，再用DEA模型过滤从中选择效率高的伙伴组合。Li和Yamaguchi将灰色关联分析和粗集理论相结合解决合作伙伴选择的决策问题，其基本步骤是：确定灰色决策矩阵并标准化确定合适的供应商、确定理想供应商选择最合适的供应商。AHP与DEA、BP神经网络、TOPSIS、LP、MOP、灰色关联分析，以及DEA与平衡计分卡和广义熵等组合得到广泛应用。,AHP法与其它方法组合的主要目的是确定指标权重，但用AHP法确定指标权重存在两方面的缺陷，判断矩阵存在着较明显的主观色彩；未考虑评价对象所包含的信息信息熵法确定指标权值，形成了熵与其它方法的组合。熵是表示从一组不确定事物中提取信息量的多少。信息熵法确定指标权值的原理是：决策中某项指标的指标值变异程度越大，该指标提供的信息量越大，信息熵越小，其权重也应越大；反之，该指标的权重越小。邵晓峰等人构建了基于熵和TOPSIS的供应链中供应商选择模型信息熵和灰色关联分析相结合的合作伙伴选择模型。熵与神经网络组合、熵与主成分投影组合等也得到了应用。,TOPSIS,1.构造初始矩阵设有m个供应商,n个评价指标,xij表示第i个供应商的第j个指标评价值,得到的初始矩阵:Y=(xij)mn,按进行规范化得到的标准化矩阵:Y=(yij)mn。2.计算各指标的权重设第j个指标的信息熵为：;其中k是与m有关的常数，k=(1nm)-1，0ej1;各指标的效用价值hj等于信息熵ej与1的差,3.构造加权规范化矩阵,4.确定理想解和负理想解,其中：J1为效益型指标集，J2为成本型指标集,5.计算距离供应商的评价值与理想解和负理想解的距离分别为：,6.确定相对接近度。供应商的评价值与理想解的相对接近度为；,7.排序优选按Ci由大到小的顺序对供应商进行排序优选，其中相对接近度Ci最大的供应商，就是最佳的合作伙伴。,2.4因素：从单一到综合,2.4.1选择准则从单项到多项最早的选择准则是单一的成本准则，对应于这一准则，逐步形成了多种基于成本的合作伙伴选择方法。EOQ法、成本比率法和活动成本法；成本准则简单易行，并能考虑数量打折情况，但存在准则单一、以偏概全的缺陷。Dickson的研究最早、最有影响，他通过对采购经理和采购代理的调查整理出23条合作伙伴选择准则，并按重要性对其进行排序Weber等人统计分析了19671990年间出现的74篇相关文献，给出了23条准则的重新排序。,2.4.2优化模型从单目标到多目标单目标线性规划。1974年，Gaballa首次将线性规划方法用于合作伙伴选择问题，以采购成本为目标，以需求和供应能力为约束，并考虑全额数量打折情况；Turne，Pan等1993年Weber和Curre首次运用多目标规划建立合作伙伴选择模型，将价格、质量、交货作为目标，供应能力、需求、政策、资金等作为约束，根据Fortune500强的一个企业的供应商选择问题建了一个具体模型，得到较满意的结果史学锋和徐国华以价格、质量和配送水平等三方面引起的客户不满意度为目标，需求量和供给能力为约束，建立了集成单阶段与多阶段合作伙伴选择的混合整数规划模型，既可以选择单阶段供应商，也可选择多阶段供应商，即供应商的供应商。模糊多目标规划。Kumar、Vrat和Shankar以成本、次品和延期交货最小化为目标，以需求量、能力、配额弹性、购买价值为约束，利用模糊线性处理技术，建立了模糊多目标混合整数规划模型。,2.5过程：从静态到动态指标权重的动态性针对不同的评价对象给出不同的权重。传统的指标权重确定方法主要有头脑风暴法、Delphi法和AHP法。利用这些方法得出的指标权重，除受主观因素影响较大外，还具有一旦确定下来就固定不变的缺陷。信息熵技术，使权重随评价对象的变化而改变，使评价选择结果更加客观有效。主成分分析法选择合作伙伴，把主成分贡献率作为指标权重虽能体现动态性，但缺少定性分析。用主观权重修正客观权重得到综合权重。行为表现的动态性王学军和郭亚军提出了合作伙伴选择的三维动态组合评价方法，分历史、现状和将来三个不同时期分别进行评价，再采用线性加权的方法对三个时期的评价结果进行综合；王迅和刘德海运用有限次重复博弈理论建立了合作伙伴选择的声誉效应模型，根据合作伙伴过去的信誉程度判断当前行为和未来可能的行为方式，进而选择能够形成稳定合作关系的伙伴。,遗传算法（Geneticalgorithm）,遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，它根据适者生存、优胜劣汰等自然进化规则搜索和计算问题的解。它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著AdaptationinNaturalandArtificialSystems，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。,由于遗传算法的整体搜索策略和优化搜索方法在计算上不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性（robustness），所以广泛应用于生产、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面。,遗传算法的基本思想是：从一组解的初值开始进行搜索，这组解称为一个种群，种群由一定数量、通过基因编码的个体组成，其中每一个个体称为染色体。不同个体通过染色体的复制、交叉和变异又生成新的个体，依照适者生存的规则，个体也在一代一代进化，通过若干代的进化最终得出条件最优的个体。,基本概念1.个体与种群个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的一种称呼，一个个体也就是搜索空间中的一个点。种群(population)就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。,2.适应度与适应度函数适应度(fitness)就是借鉴生物个体对环境的适应程度,而对问题中的个体对象所设计的表征其优劣的一种测度。适应度函数(fitnessfunction)就是问题中的全体个体与其适应度之间的一个对应关系。它一般是一个实值函数。该函数就是遗传算法中指导搜索的评价函数。,3.染色体与基因染色体（chromosome）就是问题中个体的某种字符串形式的编码表示。字符串中的字符也就称为基因（gene）。例如：个体染色体9-1001（2，5，6）-010101110,4.遗传操作亦称遗传算子(geneticoperator)，就是关于染色体的运算。遗传算法中有三种遗传操作:选择-复制(selection-reproduction)交叉(crossover，亦称交换、交配或杂交)变异(mutation，亦称突变),构造初始种群,遗传操作（复制，交叉，变异）,新种群,end,遗传算子的实现,编码二进制编码，如X=13，01101评价适应度函数目标函数遗传操作,选择-复制选择优良个体，使其有机会繁殖下代。（适者生存）通常做法是：对于一个规模为N的种群S,按每个染色体xiS的选择概率P(xi)所决定的选中机会,分N次从S中随机选定N个染色体,并进行复制。,交叉就是互换两个染色体某些位上的基因。,s1=01000101,s2=10011011可以看做是原染色体s1和s2的子代染色体。,例如,设染色体s1=01001011,s2=10010101,交换其后4位基因,即,变异就是改变染色体某个(些)位上的基因。例如,设染色体s=11001101将其第三位上的0变为1,即s=1100110111101101=s。s也可以看做是原染色体s的子代染色体。,算法中的一些控制参数：种群规模：10-160交叉率(crossoverrate)就是参加交叉运算的染色体个数占全体染色体总数的比例，记为Pc,取值范围一般为0.40.99。变异率(mutationrate)是指发生变异的基因位数所占全体染色体的基因总位数的比例，记为Pm，取值范围一般为0.00010.1。优化准则：种群中个体的最大适应度超过预先设定值种群中个体的平均适应度超过预先设定值代数超过预先设定值,特点：,与传统的优化算法相比，主要有以下特点：1、遗传算法以决策变量的编码作为运算对象。2、遗传算法直接以适应度作为搜索信息，无需导数等其它辅助信息。3、遗传算法使用多个点的搜索信息，具有隐含并行性。4、遗传算法使用概率搜索技术，而非确定性规则。,遗传算法应用举例,例1利用遗传算法求解区间0,31上的二次函数y=x2的最大值。,分析原问题可转化为在区间0,31中搜索能使y取最大值的点a的问题。那么，0,31中的点x就是个体,函数值f(x)恰好就可以作为x的适应度，区间0,31就是一个(解)空间。这样,只要能给出个体x的适当染色体编码,该问题就可以用遗传算法来解决。,解(1)设定种群规模,编码染色体，产生初始种群。将种群规模设定为4；用5位二进制数编码染色体；取下列个体组成初始种群S1:s1=13(01101),s2=24(11000)s3=8(01000),s4=19(10011)(2)定义适应度函数,取适应度函数：f(x)=x2,(3)计算各代种群中的各个体的适应度,并对其染色体进行遗传操作。,首先计算种群S1中各个体s1=13(01101),s2=24(11000)s3=8(01000),s4=19(10011)的适应度f(si)。容易求得f(s1)=f(13)=132=169f(s2)=f(24)=242=576f(s3)=f(8)=82=64f(s4)=f(19)=192=361,再计算种群S1中各个体的选择概率。,选择概率的计算公式为,由此可求得P(s1)=P(13)=0.14P(s2)=P(24)=0.49P(s3)=P(8)=0.06P(s4)=P(19)=0.31,赌轮选择示意,赌轮选择法,在算法中赌轮选择法可用下面的子过程来模拟:在0,1区间内产生一个均匀分布的随机数r。对选择概率由小到大排序，求累积概率。若rq1,则染色体x1被选中。若qk-1rqk(2kN),则染色体xk被选中。,选择-复制,设从区间0,1中产生4个随机数如下:r1=0.450126,r2=0.110347r3=0.572496,r4=0.98503,于是，经复制得群体：s1=11000（24）,s2=01101（13）s3=11000（24）,s4=10011（19）,交叉设交叉率pc=100%，即S1中的全体染色体都参加交叉运算。设s1与s2配对，s3与s4配对。分别交换后两位基因，得新染色体：s1=11001（25）,s2=01100（12）s3=11011（27）,s4=10000（16）,变异设变异率pm=0.001。这样，群体S1中共有540.001=0.02位基因可以变异。0.02位显然不足1位，所以本轮遗传操作不做变异。,于是，得到第二代种群S2：s1=11001（25）,s2=01100（12）s3=11011（27）,s4=10000（16）,第二代种群S2中各染色体的情况,假设这一轮选择-复制操作中，种群S2中的4个染色体都被选中，则得到群体：,s1=11001（25）,s2=01100（12）s3=11011（27）,s4=10000（16）,做交叉运算，让s1与s2，s3与s4分别交换后三位基因，得,s1=11100（28）,s2=01001（9）s3=11000（24）,s4=10011（19）,这一轮仍然不会发生变异。,于是，得第三代种群S3：s1=11100（28）,s2=01001（9）s3=11000（24）,s4=10011（19）,第三代种群S3中各染色体的情况,设这一轮的选择-复制结果为：s1=11100（28）,s2=11100（28）s3=11000（24）,s4=10011（19）,做交叉运算，让s1与s4，s2与s3分别交换后两位基因，得,s1=11111（31