云供应链的指标评价设计及影响分析

张雅静，林国龙，姚锦元，2

(1．上海海事大学物流研究中心，上海 201306;2．上海交通大学微米/纳米加工技术国家重点实验室，上海 200240)

云计算作为一种管理方法逐渐应用在企业中。如李伯虎等认为:云制造是一种面向服务的高效、低耗，基于知识的网络化的新制造模式，提供随时获取按需使用的优质廉价的服务［1］。毕娅在其博士论文中提出了与云制造模式相匹配的“云物流”模式［2］。笔者在云物流的基础上提出云供应链并对其进行评价。

对于云制造服务资源组合的优选问题上有如下研究:尹超等［3］提出了8大目标变量的优选目标体系，选用灰色关联度分析方法。魏乐等［4］提出了一种基于QoS的组合云服务自适应调整机制，给出了各特征值的量化方法和云服务QoS的定义。文献［5］分析了云计算服务需求、影响云服务选择的指标，进而得出如何对云服务提供商进行选择。文献［6－10］分析了云计算的优点以及云制造的概念和支撑技术。

1 云环境下制造供应链评价模型

1．1 评价指标的设计

笔者从服务时间T，服务质量Q，服务成本C，可用性A，信任Tr和信息In这6个方面对供应链的制造和云环境下供应链的制造的优劣分别做出定量的分析和定性的描述，即 f=(T，C，Q，A，Tr，In)，然后利用统计工具分析这些因素对云服务的相对重要程度。

1．2 评价指标的基本计算方法

(1)服务时间。在传统环境下，Time1=f(Tcontract，Ttransportation)，在云环境下，服务时间主要取决于运输时间，Time2=f(ftime· Tcontract，Ttransportation)。ftime为交易时间的罚因子，传统供应链下为1，但是在云供应链中，网络交易会使时间大大缩减，从而使ftime远小于1。

(2)服务质量。在传统环境下，服务质量取决于单位时间企业实际使用的资源与企业具备的可选资源的比例，Quality1=f(quantitysatisfy/quantityall)。在云供应链中，即为企业实际需要的资源数量与云平台可供企业选择的资源的比，Quality2=f(quantitysatisfy/quantityallc)。

(3)服务成本。在传统供应链下，成本包括原材料的购买成本、产品的储存费用、失销费用及运输费用，Cost1=f(Cprice，Cstock，Close，Ctransportation)，在云环境下，此时的成本只包括原材料的购买成本、加入云平台的费用及运输费用，即 Cost2=

f(Cprice，Cfixed，Ctransportation)。

(4)可用性。Availability=f(h(t))，取决于企业该时刻可以选择的资源的数量。

(5)信任。Trust=f(Tprice，Tservice，Tquality)·ftrust，包括价格、服务、质量3个方面的信任，ftrust为对于信任的惩罚因子。

(6)信息。供应链中影响制造企业需求的总信息量，即等于精确制造过程需要的信息量+得到消费者需求需要的信息量+确定供应商原材料需要的信息量，下式中的fInformation为对于信息的惩罚因子。Information=f(Isupplier+Imanufacture+

Icustomer)·fInformation。

1．3 云供应链下评价指标的计算方法

首先进行评价模型的假设和相关参数的设置。模型假设:①模型的设定是以制造业为例，并且是离散型制造企业;②不考虑产品的生产时间，假设生产时间都是相同的;③假设产品的运输费用只与距离有关，并且与距离成正比;④假设信息的传递过程中全部为正确信息，没有伪造信息。

集合和参数设定如下:i为生产产品的种类，i=1，2，…，I;j为每种产品需要的原材料的种类，j=1，2，…，J;p为每种原材料分别由至少一个供应商提供，共有 P 个供应商，p=1，2，…，P，p≥j;n为第 n 个评价指标，n=1，2，…，6;为制造商购买原材料的时间，包括选择供应商，议价，一直到签订购买合同;为由第p个供应商供给的第i种产品的第j种原材料的在途运输时间;pij为是否采用第p个供应商，为0－1变量;Qn为每项服务指标满足顾客的次数;N为发生交易的总次数;Tp为产品价格的可信任百分比;Ts为产品服务的可信任百分比;Tq为产品质量的可信任百分比;C0为采用云平台的固定成本;Pi为第i种产品的单位成本;Qi为第i种产品的销售数量;为第i种产品的存储费用;为第i种产品因为缺货所造成的损失费用;为第p个供应商的第i种产品的第j种原材料的在途运输费用;h(t)为所有资源在t时刻时还可以使用的时间;ai为制造企业生产第i种产品的状态;ci为消费者对第i种产品需求的状态;Sj为供应商对第j种原材料持有的状态;P 为状态出现的概率;ftime，fquality，fcost，favailability，ftrust，fin分别为服务时间、服务质量、服务成本、可用性、信任和信息在云供应链中的附加因子;T0，Q0，C0，Tr0，A0，In0为实际的要求。

决策变量如下:x1为服务时间对于云环境下供应链管理的重要系数;x2为服务质量对于云环境下供应链管理的重要系数;x3为服务成本对于云环境下供应链管理的重要系数;x4为可用性对于云环境下供应链管理的重要系数;x5为信任对于云环境下供应链管理的重要系数;x6为信息对于云环境下供应链管理的重要系数。

模型目的是使总的目标最优，因此针对服务时间、服务质量、服务成本、可用性、信任和信息建立了如下评价模型。

传统供应链下的目标函数及约束如下:

云供应链下目标函数及约束如下:

式(1)为传统供应链下的总评价目标，式(2)为在传统环境下供应链服务时间的评价函数，式(3)为传统环境下供应链服务质量的评价函数，式(4)为服务成本的评价函数，式(5)为可用性的评价函数，式(6)为信任的评价函数，式(7)为信息的评价函数，式(8)～式(10)为目标函数中的权重因子及参数的约束限制，式(11)～式(20)为云供应链下的目标函数和约束。

云环境下的模型可进一步改进如下:

式中，Rij为每项活动下的各个指标的值。将各项指标规范化处理，即将不同量纲的数字进行无量纲化。

2 求解

ftime、fquality、fcost、favailability、ftrust、fin这 6 个附加因子在云供应链与传统供应链中不同，假设传统环境下的附加因子为1，则在云下这6个附加因子分别大于或小于1，云的并行处理结构大大缩短时间，云池内资源的丰富使得服务质量得到提高，可用性，信任和信息均可以得到改善。

2．1 传统供应链下的评价指标计算

在上述评价模型中要确定云计算6个评价指标对供应链制造管理影响的重要性，即确定服务时间、服务质量、服务成本、可用性、信任和信息分别对于传统供应链和云供应链的重要系数。通过计算给出了100次活动在传统供应链中的各项评价指标值。在此基础上建立 T、Q、C、A、Tr、In 对供应链活动的影响分析。首先将上面的全部数据进行无量纲化，然后分析这6个指标的相关性，如表1所示，结果发现相关关系很小，因此可以进行下一步的操作。

采用Spss对上面的数据进行主成分分析，得到的结果如表2所示。

由表2可以得到第一个主成分的特征值为1．382，其他的主成分依次类推。Spss保留了3个主成分，共可以解释59．276%的变异量，效果并不理想。表3给出了主成分得分系数矩阵。表4为主成分得分加权系数矩阵。

表1 传统供应链下6个因素之间的相关系数

表2 解释的总方差

表3 主成分得分系数矩阵

表4 主成分得分加权系数矩阵

2．2 云供应链下的评价指标计算

云供应链下的各个附加因子值为:服务时间附加因子值为0．6;服务质量附加因子值为1．5;可用性附加因子值为2．5;信任附加因子值为0．8;信息附加因子值为4．5;服务成本因子附加值为0．7。用Spss软件进行主成分分析，得到如表5和表6的结果。由表5可以看出云供应链环境下服务质量和服务成本具有了强相关性。

表5 云供应链下6个因素之间的相关系数

表6 解释的总方差

根据表4得到的主成分的加权系数后，即可根据各变量在主成分上的加权系数，对主成分进行命名。服务质量和服务成本为第一主成分，可以命名为财务指标，信息和服务时间为第二主成分，可以命名为服务指标，可用性和信任为第三主成分，可以命名为维护指标。

2．3 分析说明

从表5、表6中可以看出，云供应链与传统供应链相比，服务时间、服务成本都趋小，信息、可用性、服务质量(服务质量值趋小)和信任都趋大。在传统供应链下，服务时间和信息对供应链活动的影响最大，信息的不对称、失真以及由于时间造成的信息时效性减弱都是最为关键的影响因素。由于该案例中的数据来源于一个硬件设备生产公司，因此云服务质量对产品的生产有着很大的影响。目前制约云平台进一步发展的一个原因就是信任，云平台内通过它的容错技术可以将其大大提高，这种容错技术的进一步提高将使更多的企业积极参与到云平台中来。信息资源的可用性直接影响着产品的生产甚至是一切实体的流动，在云环境下通过云平台获取一系列的资源，这种可用性对供应链具有很大的作用。在云环境下，对于硬件资源的运输时间是无法减少的，因此在该案例中云平台并没有在很大程度上减少时间，但若是软件资源或者服务资源，则云平台对于时间的减少优势将会更加明显。

3 结论

笔者通过对影响供应链的6个维度(服务时间、服务质量、服务成本、可用性、信任和信息)在云环境和传统环境两种不同的情况下做出定性和定量的分析，采用主成分分析、相关分析来对这6个属性维度进行评价，得出了6个维度的重要优先级，同时发现云具有较大的发展前景，改进6个维度的具体指标可以使云的优势发挥得越来越显著，因此在对云供应链的研究中需要更多地注意如何改善这些指标以使云计算在供应链管理中的优势更为突出。

［1］ 李伯虎，柴旭东，朱文海，等．复杂产品协同制造支撑环境技术研究［J］．计算机集成制造系统，2003，9(8):691－697．

［2］ 毕娅．云物流下基于系统库存和覆盖的选址－分配问题研究［D］．武汉:武汉理工大学图书馆，2012．

［3］ 尹超，张云，钟婷．面向新产品开发的云制造服务资源组合优化模型［J］．计算机集成制造系统，2012，18(7):1368－1378．

［4］ 魏乐，赵秋云，舒红平．云制造环境下基于QoS的组合云服务自适应调整［J］．兰州大学学报，2012，48(4):98－104．

［5］ SAURABH K G，STEVE V，RAJKUMAR B．A framework for ranking of cloud computing services［J］．Future Generation Computer Systems，2013，29(4):1012 －1023．

［6］ LI J Y，QIU M K，ZHONG M，et al．Online optimization for scheduling preemptable tasks on Iaas cloud systems［J］．J Parallel Distrib Comput，2012，72(5):667－677．

［7］ XU X．From cloud computing to cloud manufacturing［J］．Robotics and Computer-Integrated Manufacturing，2012，28(1):75 －85．

［8］ WANG S S，YAN K Q，WANG S C．Achieving efficient agreement within a dual-failure cloud environment［J］．Expert Systems with Applications，2011，38(1):906－915．

［9］ SCOTT P，PAUL T J，SUSAN C W．Identifying the security risks associated with governmental use of cloud computing［J］．Government Information Quarterly，2010，27(3):245－253．

［10］ DAVID Z Z．Towards theory building in agile manufacturing strategies-case studies of an agility taxonomy［J］．Int J Production Economics，2011，131(1):303－312．