羊 英
(1.东华大学旭日工商管理学院,上海 200051;2.上海第二工业大学经济管理学院,上海 201209)
决策制定过程是战略形成的重要组成部分,ALBERTO和TURBAN很早就开始研究使用多属性评价方法来评价制造型企业管理者的决策过程[1-2],多属性评价方法可以同时考虑企业发展的目标和各个影响因素之间的关系。同时,还有许多研究集中在如何建立决策支持系统以提供企业战略决策支持,如TURBAN提出的专家系统(ES)和执行信息系统(EIS)[3],以及 ROBERT 和EFRAIM提出的分布式战略信息系统框架[4]。对于制造型企业的战略研究有DAGDEVIREN和YÜKSEL在部门竞争层次的评价[5]、使用BSC的战略评价[6]以及对一个纺织企业的 SWOT分析[7]等,还有CENGIZ使用QFD方法对计划过程进行的研究[8]等。目前对于制造型运营决策方案从战略的角度进行评价的研究尚不多见。战略层的运营决策将指导生产、采购和销售整个运作过程的计划制定和实施,如果在战略决策选择上存在失误将影响企业长远发展。因此,对制造型企业运营决策方案的评价具有重要意义。
模糊集理论由ZADEH于1965年提出,专门用于解决问题的不确定性和模糊性,至今已被运用于多个领域并取得明显效益。一般在字符上加上“~”表示其是模糊集,如 ~M。一个模糊集可以用一个三角模糊数字(TFN)表示,即(l,m,u),3个字母分别表示事件模糊集中最小可能值、最可能的值和最大可能值。
根据文献[8]中提出的观点,可建立语义描述与隶属度之间的关系,如表1所示。另外,对于每个指标的值可采用模糊语义表示,语义值与平均模糊值之间的对应关系如表2所示。
表1 重要程度的语义描述及其TFN
表2 语义值与平均模糊值的对应关系
层次分析(analytic hierarchy process,AHP)方法最早由SAATY提出,主要用于解决多属性的决策问题。之后SAATY又于1996年提出了网络分析法(analytic network process,ANP),该方法主要用于分析决策层与属性间的相关关系。近年来出现了许多采用AHP或ANP对复杂决策制定问题进行研究的成果,如 DAGDEVIREN和 YÜKSEL采用ANP方法对一个纺织企业进行SWOT分析,其他的如文献[9-15]都采用了AHP或ANP对企业某些决策问题进行分析。
由于复杂决策问题各个决策层及其属性的不确定性和各个属性间可能存在的关联性,许多研究者提出将模糊集理论与ANP方法结合起来,即使用模糊ANP方法来解决复杂决策问题,典型的研究包括文献[5-6]的研究。在对决策层因素及其属性采用模糊集表示和计算时,其过程比较复杂,我国学者常大勇提出一个较为简单的方法。按照该方法,X={x1,x2,…,xn}为对象集合;U={u1,u2,…,un}为目标集合;gi为每个对象每个目标的执行值。使用,,…,,i=1,2,…,n为扩展分析值,每个值都是三角模糊数字(TFN)。其计算步骤为:①计算每个对象的模糊综合程度值。②计算 Mi=(l1,m1,u1)≥Mk(l2,m2,u2)的可能程度。③计算初步权值。④规范化。
基于制造型企业运营决策方案的特性,可以采用模糊ANP方法对多个运营决策方案进行遴选,以提供决策支持。
(1)识别控制标准、元素和选项。为了对决策问题进行识别并建立ANP模型,必须先识别目标、控制标准、元素和选项。该问题中:①主要目标是遴选较优的运营决策方案,总体目标为提高企业整体竞争力和持续发展能力;②对3种方案的选择是基于提高企业整体竞争力的。为了提高企业整体竞争力,有以下主要竞争战略:企业价值增值,提高客户满意度,提高快速反应能力,保持持续发展力;③每个竞争战略又包含一系列的评价指标,如表3所示。
(2)以模型的形式表示控制标准、因素、评价指标和方案之间的关系。图1为制造型企业决策方案选择ANP模型,该模型以网络化结构显示了它们之间的关系。竞争战略之间的关系如图2所示。
(3)将各个竞争战略下的指标进行对比,建立模糊对比矩阵,并计算出每个指标的局部权重。
(4)以增强企业竞争力为目标对比各个竞争战略,建立模糊对比矩阵,计算出各个竞争战略的权重。
表3 制造型企业运营决策评价指标体系
图1 制造型企业决策方案选择ANP模型
图2 竞争战略之间的相互依赖关系
(5)考虑各个竞争战略之间的关联关系,对关联关系分别建立对比矩阵和计算权重,并以此修正步骤(4)的权重。
(6)计算各个指标的全局权重。
(7)评价决策方案。
案例分析基于制造行业的战略决策层,假设现有3套决策方案,分别为:A(大规模生产模式,大投入);B(中等规模,中等投入);C(小规模生产模式,小投入)。决策目标是希望达到企业愿景,即从长远来看增强企业竞争力。
(1)确定各指标权重。基于该愿景对4个竞争战略下的指标进行对比,建立各自对比矩阵,得出各指标局部权重,如表4~表8所示。
表4 企业价值增值局部权重
表5 提高客户满意度局部权重
表6 快速反应时间局部权重
表7 快速反应成本局部权重
表8 持续发展力局部权重
在表6中快速反应(QR)一项中时间和成本各占50%,以此来修正其对应指标的值。
(2)竞争战略重要性比较。以增强企业竞争力为目标对4个竞争战略进行对比,建立相关矩阵并计算各自权重。
(3)分析竞争战略之间的关系。根据图2可得出竞争战略之间存在相互依赖关系,如表9~表12所示。
表9 竞争战略权重确定
表10 基于“企业价值增值”的其他战略之间的内部依赖关系
表11 基于“提高客户满意度”的其他战略之间的内部依赖关系
表12 基于“持续发展力”的其他战略之间的内部依赖关系
(4)使用第(3)步的结果修正第(2)步,也即竞争战略的权重。
(5)计算各个指标的全局权重,如表13所示。
(6)评价3个决策方案,其评价结果如表14所示。在表14中指标在取语言描述值时要进行归一化,如实际成本为“H”时应取其反向值“L”。
表13 各指标局部权重
假设该行业所制造的产品为技术成熟产品,具有较稳定的市场。3个方案的评价结果如表14所示。在表14中可以看到,大规模的决策方案较优,其总效应为0.62,主要原因在于当技术和市场较成熟时,大规模生产方式具有成本优势。而其次的方案为小规模生产方式,因为其具有更大的灵活性,便于随市场需求而及时做出应对。
另外,如果涉及的行业制造产品具有较高利润率,即盈利能力较好,如高科技产品,这时在小规模生产方式下,反而具有更好的总效应,可以达到0.64。由此可见,在当前市场变化迅速的环境下,多品种小批量的生产方式更能适合制造型企业的发展。
笔者对制造型企业战略层运营决策方案的评价进行了分析和讨论,认为战略层决策方案主要基于企业竞争力增强的目标而制定,而实现该目标主要基于不同竞争战略的组合,不同竞争战略之间存在相关关系。对决策方案的评价应该考虑这些关系。笔者建立了制造型企业运营决策方案评价模型,并利用模糊ANP方法对其求解。利用算例进行分析,发现在不同竞争环境下采用不同的战略决策方案将给企业带来不同的效益。该研究结果对决策制定者具有一定的参考价值。
表14 决策方案评价结果
[1]ALBERTO C.A group decision support system for strategic alternatives selection[J].Management Decision,2001,39(32):218-226.
[2]TURBAN E.Decision support and expert systems[M].New York:Macmillan Pub Co,1993:22-87.
[3]TURBAN E,WATSON H J.Integrating expert systems,executive information systems and decision support systems[R].[S.l.]:The Institute of Management Science,1993.
[4]ROBERT T C,EFRAIM T.Distributed intelligent executive information systems[J].Decision Support Systems,1995(14):117-130.
[5]DAGDEVIREN M,YÜKSEL I.A fuzzy analytic network process(ANP)model for measurement of the sectoral competititon level(SCL)[J].Expert Systems with Applications,2009(5):215-221.
[6]YÜKSEL I,DAGDEVIREN M.Using the fuzzy analytic network process(ANP)for balanced scorecard(BSC):a case study for a manufacturing firm[J].Expert Systems with Applications,2009(6):423-431.
[7]YÜKSEL I,DAGDEVIREN M.Using the analytic network process(ANP)in a SWOT analysis:a case study for a textile firm[J].Information Sciences,2007(177):3364-3382.
[8]CENGIZ K,TIJEN E,GULCIN B.A fuzzy optimization model for QFD planning process using analytic network approach[J].European Journal of Operational Research,2006(171):390-411.
[9]CHANG D Y.Extent analysis and synthetic decision,optimization techniques and applications[J].Singapore:World Scientific,1992(352):1052-1063.
[10]CHANG D Y.Applications of the extent analysis method on fuzzy AHP[J].European Journal of Operational Research,1996(95):649-655.
[11]ANAND G,RAMBABU K.Selection of lean manufacturing systems using the analytic network process-a case study[J].Journal of Manufacturing Technology Management,2009,20(2):258-289.
[12]LEE A H I,CHEN W C,CHANG C J.A fuzzy AHP and BSC approach for evaluating performance of IT department in the manufacturing industry in Taiwan[J].Expert Systems with Applications,2008(34):96-107.
[13]LEUNG L C,CAO D.On consistency and ranking of alternatives in fuzzy AHP[J].European Journal of Operational Research,2000(124):102-113.
[14]LEUNG L C,LAM K C,CAO D.Implementing the balanced scorecard using the analytic hierarchy process and the analytic network process[J].Journal of the Operational Research Society,2006(57):682-691.
[15]MEADE L M,SARKIS J.Analyzing organizational project alternatives for agile manufacturing processes:an analytical network approach[J].International Journal of Production Research,1999(37):241-261.