敏捷制造模式下产品创新的供应商评价

许长军 刘大成 姜建华 梁顺霞

(①清华大学工业工程系，北京 100084;②中国矿业大学管理学院，北京 100083)

制造环境的持续快速变化使得制造企业必须应用以动态联盟为基础的敏捷制造来应对市场需求变化，即敏捷竞争模式使制造企业提供高质量、低价格、多品种的产品成为可能。同时，企业的战略重点也由传统的“以生产为中心”转向“以营销为中心”继而转向以“新产品开发为中心”，产品创新成为制造企业在市场上赢得竞争，获取利润的主要源泉。

在汽车制造行业，产品创新和敏捷供应链已经成为企业竞争的关键。近年来，随着汽车制造的发展，一些主机生产厂商和零部件生产厂商的关系已经发生了很大变化，主机生产厂商与零部件生产厂商建立了战略合作伙伴关系，并建立了全球采购网络，主机生产厂商把一些生产外包给合作的零部件生产厂商，在新产品开发项目上也会优先采用供应商的技术。

本文以汽车产品创新为例，建立了产品创新供应商评价模型，以有效规避产品研发风险，加快产品创新。

1 产品创新的供应商评价流程

敏捷供应链下产品创新的供应商评价与传统意义的供应商评价存在较大的不同，需要从众多的供应商中选择具有相关产品创新能力的供应商，组建以制造商为核心的产品创新团队，实现快速产品的创新目标。因此整个供应商的评价过程应突出与产品创新速度相关的指标，以及为这些指标赋予较大的权重系数，以此为切入点建立了与之相对应的供应商评价体系，采用了评价方法集成理论进行侧重评价。

产品创新的供应商评价过程是一个动态演进，同时带有反馈的过程。假设排除由于某种特殊原因导致1个或几个供应商突然加入的情况，整个评价过程可分为4个阶段进行，即供应商的粗筛选、细筛选、精炼和确认以及跟踪总评价，与其相对应的供应商的评价有4个步骤，即可行性过滤、Pareto筛选、满意度评价和合作效果评价，见图1。

2 建立供应商评价模型

2.1 基于DEA的供应商定量评价

2.1.1 DEA 的基本模型

1978年Charnes A.和Cooper W.教授提出了数据包络分析(DEA)方法和模型。DEA方法的主要研究对象是决策单元(DMU)。通过比较一组同质的DMU，并结合DMU线性的输入和输出，分析每个DMU的相对有效性，可以得到有效活动的包络曲面。供应商候选人可被看作决策单元。假设有n个供应商，每个供应商有p种类型的输入，以及q种类型的输出，可以得到基本的DEA评价模型:

式中:yj为供应商j的输出评价指标;p为指标yj的数量;xj为供应商j的输入评价指标;q为指标xj的数量;u、v为评价指标的权重。

为了便于求解等式(1)，利用Charnes－Cooper变换，得到线性规划模型:

模型中，通过优化有效指标确定相应每个输入向量和输出向量的权重。这个模型帮助处理输入和输出中不确定的权重信息问题，防止人为主观地给定权重。这里假定评价有效性的约束是所有供应商候选人的效率评价指标最大值为1。当供应商j的效率值为1时，就意味着供应商是相对有效的;当供应商的效率值小于1时，就意味着供应商j是相对无效的。模型的结果也反应了相对有效的供应商之间的差别。如果将这些指标重新处理，可以得到每个供应商依次的相对有效性。

2.1.2 带有决策偏好约束的锥比例C2WH模型

考虑到在实际中买方选择供应商时经常带有明显的决策偏好，可以修正DEA的基本模型，选择带有决策偏好约束的锥比例C2WH模型为实际的DEA分析模型。当决策单元DMU0∈{DMUj}时，得到其C2WH模型:

在等式(3)中，V⊂，U⊂，K⊂收敛于凸锥，并且InvV≠Φ，InvU≠Φ。这里对所评价的供应商选择不同权重，分析结果，找到满意的供应商。

2.1.3 基于DEA的供应商选择方法的不足

虽然基于DEA的供应商选择方法使得供应商的整体效率更客观，但权重的精确选择使那些在少数指标有利而其他多数指标不利的供应商成为相对有效的得利者。所以，有必要将智能准则引入到决策过程。选择网络层次分析法(ANP)作为智能准则，以弥补评价过程中DEA的不足。

2.2 建立以ANP为基础的数据包络分析集成的评价模型

2.2.1 ANP 方法介绍

AHP方法是Thomas L.Saaty在1970年提出的，其核心是把决策问题分为多层次的递阶控制关系，而系统划分层次且只考虑上层元素对下层元素的支配作用。同一层次中的元素被认为是彼此独立的，这种递阶次结构虽然给处理系统问题带来了方便，同时也限制了它在复杂决策问题中的应用。在许多实际问题中，各层次内部元素往往是依存的，下层元素对上层元素亦有反支配作用，即存在反馈。此时系统的结构更类似于网络结构。基于这种考虑，1996年Saaty提出了网络分析法(ANP)。ANP将系统元素划分为控制层与网络层两大部分。第一部分称为控制因素层，包括问题目标及决策准则。所有的决策准则均被认为是彼此独立的，且只受目标元素支配。控制因素中可以没有决策准则，但至少有一个目标。控制层中每个准则的权重均可用传统AHP方法获得。第二部分为网络层，它是由所有受控制层支配的元素组组成的，其内部是互相影响的网络结构。由于网络分析法考虑了不同的层次之间的反馈和同层元素之间的相互依存关系，因此在确定权重的时候，就比层次分析法复杂得多，不再是简单的两两元素对上层元素的比较。

2.2.2 建立以ANP为基础的数据包络分析集成的评价模型

ANP法的判断矩阵是由评价者或专家给定的，因此其一致性必然受到有关人员的知识结构、判断水平及个人偏好等许多主观因素的影响。DEA以各决策单元的输入输出指标的权重为变量，避免了实现确定各指标在优先意义下的权重，使之受不确定的主观因素的影响比较小。充分发挥各自的优势，将使综合评价方法更加完善。

ANP反映决策者的主观偏好，DEA反映基于供应商有效性基础上的属性数值之间客观存在的关系。为使求得的准则权重综合反映主观和客观的关系，充分体现ANP和DEA的优点，用线性加权的方法确定综合权重，即

式中:w*为综合权重;α为主观偏好系数;1－α为客观偏好系数;ω为ANP权重;Ψ为DEA权重。其中α∈［0，1］，α的具体数值，由决策者根据偏好给出。

在实际工作中，用两种方法相结合确定供应商选择准则的综合权重，具有较高的准确价值。

3 案例研究

一家汽车制造企业，为满足客户需求，要提升某种车型并快速占领该产品市场，同时提高利润降低成本。

基于敏捷制造动态联盟的思想，该企业科学评价选择供应商建立产品创新团队共同研发产品。

3.1 建立网络分析结构ANP

根据前面的分析，可建立基于ANP＆DEA的产品创新评价体系。在这个体系中，选择需求设计、概念设计、系统设计、细节设计、原型设计作为合作的主要指标。把提升产品作为目标层，把需求设计、概念设计、系统设计、细节设计、原型设计作为评价因素，建立产品创新评价网络结构，如图2所示。按超矩阵计算程序，反复计算2k+1(k→+∞)次，矩阵演进42次的时候，结果变成稳定矩阵(如表1、表2所示)。

表1 网络准则下的超矩阵分析

表2 基于控制准则的超矩阵演化

表3 30选9供应商DEA超效率分析

3.2 通过ANP＆DEA评价模型计算分析

每个供应商的ANP综合指标权重由子系统指标权重相加获得。综合评价指标是每个单项评价指标的和。权重值通过ANP方法公式计算得到(如表1、表2)。通过评价系统从30家供应商中最终选择了9家供应商。为了比较权重，通过表3进行超效率分析。

根据专家打分和实践检验，主观因素是0.6，客观因素是0.4，根据综合权重公式(4)计算得到9家供应商的综合权重值(如表4)。根据评价结果，最后从9家供应商中选择6家进入产品创新团队，这6家供应商在制造行业中技术水平处于领先地位。

4 结语

本文综合经济、管理、系统工程和应用数学方法，将产品创新的供应商理论和技术引入到敏捷供应链管理中，根据新产品开发的不同阶段，研究建立了供应商选择系统。

表4 DEANP评价分析和排序

［1］汪定伟.敏捷制造的ERP及其决策优化［M］.北京:机械工业出版社，2003.

［2］赵小惠.支持产品创新的供应商管理［M］.北京:清华大学出版社，2005.

［3］Charnes A，Cooper W W，Thrall R M.A structure for classifying and characterizing efficiencies in data envelopment analysis［J］.Journal of Productivity Analysis，1991(2).197 －237.

［4］刘大成，郑力，张伯鹏，等.面向敏捷供应体系虚拟企业的建造［J］.制造技术与机床，1999(10):18－20.