供应商评价指标体系与评价模型研究

1、供应商评价指标体系与评价模型研究2003-03-28内容提要： 本文通过对供应链环境下供应商作用的分析，提出建立指标评价体系的必要性和建立的原则， 而后建立了具体的供应商指标体系和评价模型， 最后结合案例分析证明了 评价体系和评价模型的有效性。关键词：供应链，评价体系，神经网络一、引言 全球化的竞争环境和信息化的浪潮促进了动态联盟的产生，同时也改变了竞争的方式， 使竞争不再是单个企业的竞争而是整个供应链的竞争。 这促使了传统的管理模式向供应链管 理模式的转变。 在供应链管理模式下， 供应商与核心企业之间不再是建立在物质基础交换上 的简单的货物买卖关系， 供应链管理强调的是一种协调、 集成的思想

2、， 是一种建立在各自企 业业务核心的强强联合。 供应链中的各企业是一个利益共同体， 通过优势互补和协同效应产 生企业独立时所不能产生的优势， 也就是通过建立合作伙伴关系双方都能从提高生产率、 节 约资源、 降低成本中获益， 同时创造更大的顾客价值。 这也就决定供应商的选择是企业的一 个要决策，如何进行供应商的评价、筛选对企业的健康成长有重要的意义。二、供应商评价指标体系的建立 因为供应商在供应链环境下是广义的经营主体之一， 所以供应商评价的指标特征集不仅 应该能够反映质量、 交货期、价格等服务性指标， 而且还要将供应商的协同能力、 技术开发 能力、发展能力等发展和协调性指标纳入评价的指标体系。

3、1指标体系建立的原则系统全面的原则：建立的指标体系不仅能够全面反映供应商企业的现有状况，而且 还能够体现供应商企业的未来发展趋势。灵活可操作原则：指标体系的设立应该有足够的灵活性，使企业能够根据自身特点 和实际情况进行运用。科学实用性原则：指标体系要能科学地反映供应商的实际情况，适中实用。如果指 标体系过大、层次过多、 指标过细将使评价的注意力不能体现整体；而指标体系过小、 指标 过粗又不能反映供应商的实际水平。可拓展性原则：因为各个产业和行业的企业有自己的特殊要求，因此一些特殊的指 标需要加入，这就要求指标体系和相应的评价模型有扩展的空间。2指标体系的建立在具体的供应商评价指标筛选中， 应该

4、从使供应链绩效最大化的目标出发， 按照指标的 设计原则，具体从技术水平、经营能力、服务水平、经营环境四个方面进行分析，具体指标 如下：技术水平指标： 包括技术参数、 产品的质量、 产品可靠性。产品的技术参数是一定性变量，采用技术人员评分法度量；产品质量通过合格率来度量；可靠性通过合格产品的故障率来衡量。经营能力指标：包含协作能力、发展能力、供应能力三个方面。协作能力是一项综合指 标可由多项指标反映；发展能力可以由企业利润增长率、固定资产净值变化、培训费用比例等具体指标来衡量；供应能力主要是指企业是否具有相当的生产规模取值范围为0,1，0表示供应商不能满足企业的需求，1表示能满足企业的需求。服务

5、水平指标：包含提前期、价格、售后服务等。前两项为定量指标可通过实际数据具 体度量；售后服务可以通过用户的评价测出。经营环境指标：包含政治法律环境、 经济技术环境、自然地理环境等。如果企业的经营大环境基本一致时，可以不考虑该项，但当经营环境差异很大时应考虑此项。三、基于神经网络的供应商综合评价模型对供应商的评价方法很多，目前国内企业主要采用主观判断法、层次分析法、招标法、 德尔菲法、采购成本法、ABC成本法等。这些方法主要是定性的，缺少定量的因素，受主观因素的影响较大。而对于需要建立供应链合作伙伴关系的供应商的筛选的成功与否关系到 供应链的运行状况和结果。采用德尔菲法进行定性指标的量化，这样德尔

6、菲与神经网络相结合的方法实现了定量与定性结合，尽量做到了评价结果的科学性和公正性。神经网络理论是近年来人工智能的一个前沿研究，它是基于连接控制的大规模的并行处理和分布式的信息存 储，依靠大量的神经元的连接所引起的神经元的不同兴奋程度和系统表现出来的总体行为。 神经网络在经济评价、预测等领域有着广泛的应用前景。1 指标类型与属性值规范化指标体系选择中由于各因素的不可共度性和矛盾性，因此首先要对原始指标的属性值进行初始化，进行无量纲处理。指标的类型一般可分为效益型指标、成本型指标、固定型指标、偏离型指标、区间型指标、偏离区间型指标。效益型指标是指标值越大越好的指标，成本型指标则相反，固定型指标是指

7、指标值越接近某个值di越好，偏离型指标是指指标值越偏离某个值li，越好，区间型指标是指指标值越接近某个固定区间qh , d2越好的指标，最好是在区间内，偏离区间型指标是指指标值越偏离某个区间q、，qi2越好的指标。如何将这些指标值规范化，具体的方法如下。设指标体系中有m个指标Gi(i=l , 2,，m)和n个评价方案Aj, A2,An,方案Aj在目标Gi的属性值为 曲，则评价的矩阵为 A=(aj)m x n效益型指标规范化： m=(aij - mina“/(maxaq- minaq)j=1 , 2，,n成本型指标规范化： rtf -(maxniy-j= 1*2丁固定型指标规范化：心廿=I- I

8、切-如/g凶心厂dtj= 12屮偏离型指标规范化:也严（1% /J匚|）/（01阖码厂/J-皿诃一）j= L2/-J?区间型指标规范化：(I- a-応)/mang： - Uy叭一 nuz曲；I l%弘冷；1偏离区间型指标规范化:乳 |l/mmflnwxii,厂 q、 叫創讷旳；I2 模型的拓扑结构与基本算法Hamming神经网络是一种竞争的自组织模式网络，是一种两层、全连接的前项神经网 络模型（拓扑结构见图1），第一层用来计算输入模式与该网络已经学习过的各样本之间的匹 配程度，第二层用来选出与输人模式相匹配的样本，即它接受从第一层网络送来的未知模式与已存各样本的匹配测度，然后经过多次迭代运算就

9、可以求出与输入模式相匹配的样本。图丄Hamming剧蜡拓扑结构Hamming神经网络的基本算法如下：（1）设已知各类的基准模式，分别为X 1, X 2,，X “它们均为m维向量。设定比较计分层权重、阈值 0 i和识别层&值。其中Ti=Xi（=1 , 2, 3，k）;通常B i=m。 输入待分类的模式 Xi，则网络识别层神经元输出为yi（O）m儿（o）= J= fA E jXi厂 Ot）（i= 12*）卜厂txf(x)为 Sigmoid 函数，即 f(x)=1 / (1+e )。(3)迭代公式为儿(f+ 1)= /bjC) 工儿(f)】t为迭代次数)3.供应商评价模型的建立这一模型主要能实现对供

10、应商进行分类，使企业能够选择较好的供应商。依据因素选取原则和指标体系，参照 Hamming网络的基本要求建立供应商评价模型，模型的输入节点为 所选的评价指标体系的具体指标，输入节点数为所选评价因素的个数。输出节点依据最优编码的方式选择，输出节点最优编码的具体操作见文献。对于较少的样本可直接进行分类，对于大样本，可以首先通过调整0 i、选择较好的识别模式，而后再进行新样本的识别。四、案例分析某矿山企业的某种原材料有 14家供应商，通过对该矿山企业的供应商的调研，得出评 价体系指标特征值见矩阵 C,矩阵C中指标依次为技术参数、产品质量、可靠性、协作能 力、供应能力、发展能力、提前期、价格、售后服务

11、、环境指标。具体的指标度量：技术参 数、协作能力、售后服务、环境指标采用计分法度量；产品质量通过合格率来度量；可靠性 通过合格产品的一减故障率来度量；价格、提前期通过实际数据度量； 供应能力看供应商的产量能否达到企业的需求量来度量，能则为1,不能则为0；发展能力采用企业利润增长率、固定资产净值变化、培训费用比例三项之和的近三年内的均值来度量。0.60.92050.8110.2212】2.360.850.90.90,980.940.9K10,2510口(1920.850.70.95().920.93)0.24912,350,70.S40.680.S210.22B0.721,70.920.790.

12、7600.18712.580550.650.940.910.24612(I.9K050r950,950,881Or269HJ0.H60.950,7OSH0.K40.9510.191012.%0.660.670.90.90.92076Ia 271212.630.880.860.550削J；S600t0K612.850,70540.70.780.710.7500.128IL90.860b780.60.680.870.8610.18612.340 920.820.80.H70,940J710,227H,960.810510.S4O.50r860,8710.278H.560.S30,880J30.80

13、0,810r261,000J40J30.50.420.H30.S81.000.961.001.00o.sy0.410.670.810.67030.90伽LOO0,84(1670.590.410.6300.74佃0.740.2.10.800,410,040,000.530,230J70.530,000,750悶O.7S0.7(t1,000.800,770.231.000,901,000.571,000330J0orso1.000.30.670.590.87LOO0.580.560.670.730r070.R80.730r(141,00LOO0r670,440,560.7(10.0()0.670.

14、6?0.480.0()0.000.670.列0.67ON03S0330.110.000.00Q210.410.33QJ0430,130.000.7(O.4K1.000.53筒00.410370.630.630.960.09too0,740.70.170JI0S70.730.570,670.52LOOtooLM)心30.530.77矩阵C经规范化后得矩阵 D,依据规范化的矩阵 D作为输入，利用Hamming网络经训 练选择建立输入节点为 10,输出节点为6的评价模型进行分类评价，经运算具体的分组情 况为：2，6，7，9为第一类，属于综合供应能力较优的企业；1，3，13，14为第二类，属于综合供应能力较强的企业；4，12为第三类，属于综合供应能力一般的企业；5, 8，10，11为第四类，属于综合供应能力较差的企业。经与实际情况对比，基本符合。五、结论文章通过对供应商评价指标体系的分析，建立了基于神经网络的分类评价模型，并通过实证