基于Chessboard和DEA的供应商选择与动态优化研究

王宁博　霍佳震　丁德明

(同济大学 经济与管理学院，上海　200092)

0　引言

在经济全球化日益加剧的市场环境下，伴随着信息技术的快速发展、各种新型资源的涌现，企业所面临的市场竞争也愈加激烈，传统的供应关系已不再适合企业的长期可持续发展。为了追求更高层次的利润，改变传统的发展理念与运营模式，企业开始实施供应链管理，整合企业的内外部资源，逐步向供应链流程一体化转变，以提升核心竞争力及战略竞争力。企业通过采取供应链联盟策略，与供应商建立长期的战略合作伙伴关系，形成利益共同体，并将企业间的竞争推向更复杂的供应链之间的竞争。供应商选择作为供应链管理与供应链竞争的关键环节，不仅影响直接相连的下游企业的生产与运作，而且决定着整条供应链的竞争力水平。因此，如何选择合适的供应商成为企业管理者与学者共同关注的热点[1]。

近年来，众多国内外学者运用不同的方法对供应商的选择优化进行研究，其中较为常用的方法有线性加权法、层次分析法、多目标数学规划法、成本法等[2-5]。但是，以往研究的重点主要局限于候选供应商之间综合绩效的对比与评估，选出供应商群中实力、竞争力等最强的供应商作为最优供应商，导致企业在后期与此类供应商合作时，长期处于被动、依存的地位，受供应商企业的牵制，不利于企业获得最大收益。因此，针对供应商选择现状，本文结合棋盘模型和数据包络分析，为企业提供了一种新的供应商选择与优化研究方法。

1　基于Chessboard与DEA的供应商选择与优化模型

1.1　Chessboard模型

采购组合分析法(Purchasing Portfolio Analysis)是由kraljic在1983 年提出的一种采购策略分析方法[6]，它根据采购物料的特征，将其定位在不同的采购组合内，再分析每个组合对应的采购策略。在此基础上，A.T.Kearney提出了一种新的分析方法——采购棋盘模型(Purchasing Chessboard)[7]，以指标定位的方法将候选供应商分为不同的类别，区分不同类别供应商的特征，进而为企业选出最佳供应商类别，即图1中左上方杠杆区域的供应商。棋盘模型主要通过竞争力矩阵，以实现对供应商的筛选、定位及分类。

与以往的供应商选择研究方法不同的是，棋盘模型将常见的单一维度下对供应商评价排序的研究方法拓展为两个分析维度，在考虑企业自身实力的同时，评价所有候选供应商，然后将其分别定位在矩阵中的不同象限内，综合对比候选供应商与企业之间的相对实力、竞争力水平，对所有潜在供应商做出评价选择，进而制定不同的采购策略，为企业的供应商选择与采购决策提供依据，在一定程度上改善了企业供应商管理的现状，提高了整体供应链的竞争力水平[8]。

图1　竞争力矩阵

但是在运用棋盘模型时，有以下三个需要改善的方面：第一，供应商定位时需要为每个维度的关键指标确定权重值，以计算其综合的竞争力水平，人为因素对结果的影响较大；第二，不能对定位在同一象限中的供应商进行评价，无法确定同一象限内供应商之间的相对水平；第三，棋盘模型是一种静态研究方法，仅对候选供应商当时的状态进行评价定位，评估选择结果在当时的评估状态下有效，之后需要再次评估选择，对于长期发展而言，造成了企业资源的浪费，并增加了其决策成本。因此，为弥补棋盘模型的缺点，在该方法的基础上，本文引入数据包络分析方法，对企业的候选供应商进行选择评估及动态优化研究。

1.2　基于DEA的供应商选择优化方法

DEA方法是由Cooper等[9]提出的一种非参数的统计分析方法，用于解决同类型个体的多投入、多产出情形的相对效率评估问题。在运用DEA评估每个决策单元(DMU)的效率，判断其是否为DEA有效时，亦可以确定生产前沿面的位置及非DEA的有效决策单元与有效决策单元之间的距离，因此，在解决实际问题的过程中，具有十分明显的经济意义。根据帕累托最优原理，数据包络分析在进行效率评估时需遵循以下评估标准：

(1)输入角度的评估标准。如果减少某种输入评价要素的指标值，而不增加任何其他输入评价要素的指标值，其目前的输出水平仍不降低，那么该决策单元是低效的，或者说非有效。

(2)输出角度的评估标准。如果在不增加任何输入评价要素指标值的情况下，可以使得某种输出评价要素的指标值增加，而且同时不会减少其他输出评价要素的指标值，那么该决策单元是低效的，或者说非有效的。

只有当以上两条评估标准均不满足时，被评估的决策单元才是有效的。

针对本文的供应商选择与优化问题，基于棋盘模型中竞争力矩阵的分析逻辑，引入DEA模型，以双方企业的相对实力、竞争力水平为标准对供应商进行选择与评价，以帮助企业准确地选择最优供应商，并确定非最优供应商与最优供应商之间的改善空间，为企业的供应商优化过程提供决策依据。此外，运用数据包络分析方法研究供应商选择与优化的问题，评价指标的权重作为模型的变量不需事先人为确定，在一定程度上提升了研究的客观性与可靠性。

根据棋盘模型中双方相对竞争力的研究思想，运用数据包络分析方法，将每一个候选供应商作为一个决策单元，每个供应商相对于企业的竞争力作为输入方，企业相对于不同供应商的竞争力水平作为输出方，将代表供应商竞争力的评价指标作为数据包络分析的输入指标，将代表企业自身竞争力的评价指标作为数据包络分析的输出指标，将供应商评价与选择问题合理地转化为候选供应商相对于企业的竞争力评估问题，构建适当的DEA竞争力评价模型，进而利用模型结果中的效率值评估供应商相对于企业的竞争力水平。

假设企业的候选供应商有n家，即有n个决策单元，分别记为DMUj(j=1,2,…,n)，每个决策单元有m种输入指标、s种输出指标，第j个决策单元的输入和输出指标可以分别表示为xj=(x1j,x2j,…,xmj)T,yj=(y1i,y2j,…,ysj)T.

针对供应商选择及动态优化问题，为了避免因规模对评估结果产生的影响，构建数据包络分析的BCC模型[10]。实践中，一般采用其对偶形式：

minθ

λj≥0,j=1,2,…,n

(1)

其中，λ表示DMU的线性组合系数，对应于指标权重值，作为模型的随机变量求解得到，不需人为评估确定。1-θ*表示在当前的竞争力水平下，被评价的决策单元DMUk输出水平的条件下，其输入指标能够最大限度缩减的水平。θ*的值越小，表示投入指标可缩减的程度越高，效率越低。θ*=1表示被评价的决策单元位于生产前沿面上，即在不减少输出的条件下，各项输入指标不存在等比例下降的空间，属于DEA有效状态；θ*<1则表示被评价的决策单元处于无效率的状态，存在可改进的空间。s+、s-分别代表决策单元输出不足与输入冗余的程度，而在供应商相对效率的评估问题中，输出不足表示企业自身的实力、竞争力相对较低，输入冗余表示被评估供应商的实力、竞争力相对较高。以上两种均表示在双方的合作关系中，企业处于被动地位，供应商占据相对优势的地位，对于企业而言，不利于其获得最大收益。此外，根据输出不足与输入冗余的程度，可以对非有效供应商进行动态优化，使其向生产前沿面移动。

2　算例分析

G公司是国内一家知名的个人防护设备产品集成服务商，目前它的供应商达200余家。为了提高企业在供应链中的主动地位，实现企业的更高收益，在本节中，利用模型(1)对G公司的49家供应商进行筛选及优化研究。

通过对G公司自身特点、现有供应商的基本表现、企业竞争力影响因素等方面的了解，在与G公司内部人员交流沟通的基础上，共同确定评估双方相对竞争力水平所需的关键指标。其中，代表G公司供应商的竞争力水平的关键因素(供应商一级指标)有供应商的市场地位、进入壁垒、供应商的内部能力，作为DEA模型的三个输入指标；代表G公司自身竞争力水平的关键因素(G公司一级指标)归结为四大类，分别是买方市场地位、买方内部能力、采购风险及对供应商的吸引力水平，作为DEA模型的四个输出指标[11]。

由G公司高管组织相关的工作人员(包括采购部、市场销售部、战略管理部等部门的员工)，组成一个专家打分小组，根据常用的五分制打分法标准，对候选的49家供应商进行评估打分。其中，为了使打分结果更加准确可靠，将以上七种关键因素转化为具体的、可量化的二级指标，最终的二级指标及打分标准详见表1和表2。

根据以上打分标准，对G公司的49家候选供应商的7个关键因素及相应的二级指标打分，详见附录表A1和A2。

应用上节中的BCC模型(1)对G公司的供应商进行评估选择，通过DEAP2.1计算，得到49家供应商与企业之间的相对竞争力水平，如表3所示。

针对G公司与供应商之间的相对竞争力评估问题，在不考虑供应商规模的前提下，将技术效率作为此次相对竞争力水平评估的标准，所有候选供应商的平均效率值是0.779。其中，19家有效供应商占所选供应商总数的39%，表明G公司供应商选择的现状有较大的改善空间。经评估，有效的供应商分别是B、C、D、E、H、K、N、R、S、AB、AJ、AM、AP、AQ、AS、AT、AU、AV。因此，G公司应该将这19家公司作为筛选出的最优供应商，发展长期的战略合作关系，以降低采购环节产生的风险，提升企业在供应链中的主导地位，获得更高的收益。

表1　竞争力评价的输出指标打分标准

表2　竞争力评价的输入指标打分标准

表3　49家供应商相对于企业的竞争力水平评估结果

根据表3中的数值，可以将所有非有效供应商按照效率值降低的方式排序：Q、F、AG、AA、O、AL、L、AH、AI、AR、AC、U、AF、AW、AK、P、T、M、AE、J、AD、A、AN、AO、X、W、Z、G、V、Y。其中，效率值高于平均值0.779的供应商只有六家：Q、F、AG、AA、O、AL，平均效率值为0.845，其余非有效供应商的效率平均值仅为0.589。总体而言，非有效供应商的需改善程度相差较大。因此，G公司在做出优化决策时，可以根据效率值的不同为非有效供应商确定不同的改善优先级，提高供应商优化的效率。

此外，根据30家非有效供应商与生产前沿面的距离，可以确定其具体的改善空间。同时，分配给改善空间较小的企业高优先级，改善空间较大的企业为低优先级，为非有效供应商确定不同的改善优先级。供应商具体的输入冗余与输出不足情况如表4和表5所示。

根据表4与表5中的正负偏差取值，可以进一步确定非有效DMU为非有效状态的具体原因，分析发现：非有效供应商的三个关键输入指标中，进入壁垒指标所对应的改善空间较高，表明G公司现有采购产品的市场偏向于寡头或垄断的市场状态，整个市场上该类产品的供应商数量较少。 为改善该指标的水平，G公司可以选择发展一些供应商进入该市场，或者在条件允许下，选择功能相近的可替代品，减少该类产品的购货量。在四个关键输入指标中，G公司的输出不足的现象最为严重，在30个非有效供应商中，仅有2个供应商在该指标上表现较好，不存在改善空间，其他28家供应商的偏差值中，部分偏差值远超过原有的数值，占比甚至高达原有数值的6倍。因此，作为输出不足的首要原因，G公司应该更加关注其内部能力水平，大力发展公司业务，提升公司的盈利水平。

表4　非有效供应商相对竞争力评估的输入冗余

从单一非有效供应商的输入冗余程度分析表4中各供应商的偏差值及占比情况，可以得到以下结论：

(1)在30个非有效供应商中，供应商AF的综合改进空间较大，尤其体现在市场进入壁垒及供应商内部能力两个输入指标上，需要改进的偏差值分别为1.214和0.912。因此，G公司应该将最低的改善优先级分配给供应商AF。

(2)供应商AC的情况最好，它在三个输入指标上的偏差值均为0，表示它的输入不存在冗余现象。因此，它之所以没有成为有效供应商，是因为其输出指标上的偏差值，存在输出不足现象。

表5　非有效供应商相对竞争力评估的输出不足

(3)其中，供应商AD、AR属于输入冗余现象较不明显的企业，三个投入指标中只有一项显示冗余，且冗余的偏差值都较低，占比分别为5.76%、6.25%。因此，在投入指标方面容易得到改善，G公司应该分配此类非有效供应商较高的改善优先级。

从单一非有效供应商的输出不足程度，分析表5中各供应商的偏差值及占比情况，可以得到以下结论：

(1)在30个非有效供应商中，仅供应商Z在四个输出指标上都存在输出不足现象，需要针对四个输出指标做出不同程度的改进，尤其需要提高输出指标二对应的竞争力水平。

(2)有19家供应商在三个指标上均存在改善空间，需要同时提高在三个输出指标上的竞争力水平。其中，以供应商X、AA、AO的改善空间最大，在改善优化时需要投入较多的时间和较高的资源水平。因此，G公司应分配较低的改善优先级给该类供应商。

(3)供应商O的产出不足现象最为乐观，仅在输出指标三上存在较小的偏差值0.1，偏差占比仅为2.5%。此外，供应商AR的输出不足现象也较乐观，只在输出指标二上存在改善空间，且所需的改善程度较小，对应的偏差值和占比分别为0.255和8.5%。因此，供应商O和供应商AR在产出不足方面，属于较易改善的企业。因此，G公司应该分配较高的改善优先级给该类供应商。

由此可见，对非有效供应商与生产前沿面之间距离的准确量化，有助于G公司做出正确的供应商优化决策，确定供应商的改善优先级及具体的改善路径和改善程度，进而帮助G公司对非有效供应商进行优化，提高供应商优化的效率，加速非有效供应商转化为有效供应商的过程。

最后，通过与G公司工作人员沟通，确认该分析结果与其实际状况基本相符，再次说明本文的DEA优化模型在实际选择供应商过程中的可行性。

3　结语

供应商作为企业提升战略竞争力及供应链管理中的关键要素，需要企业管理者在选择优化供应商时，做出正确的分析和判断。本文在现有研究的基础上，结合棋盘模型的特点，针对企业与供应商之间的相对实力、竞争力水平，引入数据包络分析对供应商进行选择评估，通过DEA模型求解得到的效率值来评估供应商相对于企业的相对竞争力水平，既弥补了棋盘模型在供应商选择方面的不足，又避免了常用研究方法中因人为确定权重所造成的主观误差。本文通过对G公司实际案例的分析，为其筛选出最优的供应商作为公司的主要供应商，以发展长期关系，并量化了非有效供应商的优化路径，确定了不同非有效供应商的改善优先级，为G公司的供应商管理与优化决策提供了依据。因此，本文基于Chessboard构建的DEA供应商选择及优化模型，在企业的供应商选择实践中具有十分重要的意义。