基于AHP方法的制造企业数字化供应链成熟度评估

李 旻 陈晓荣 王红斌

(上海交通大学 安泰经济与管理学院，上海 200030)

人工智能、物联网、大数据、云计算等新兴数字技术的成熟和商业应用渗透，推动着全球数字经济的发展。在日新月异的数字经济环境中，企业的业务重心正从销售产品和服务，转移到如何提供更好的客户体验上。例如，提供更具个性化、高质量、创新的产品与服务，更快捷、更灵活的交付模式等。在多变的需求预测、柔性的供应能力、成本与风险控制能力等方面，企业供应链管理面临着巨大的挑战。

目前，很多制造企业已经将一些数字化技术引入了生产制造环节，例如机器人与3D打印技术、RFID射频识别技术等。但是，这种提高生产效率的方式仍停留在单个企业内部而不是整条供应链，仅仅依靠孤立地提高单个过程的效率并不能实现企业对于市场需求的敏捷响应，因为这还关系到上下游合作伙伴的数字化水平，以及企业与上下游之间的信息交互程度。因此，学术界和产业界都意识到，数字化供应链将是今后制造企业发展的必然趋势。根据MHI新一代供应链2017年度调研报告,80%的企业受访者认为数字化供应链在接下来的五年中将成为主导模式。Stan Aronow etc.指出新兴数字化商业化模式是影响供应链发展的一个趋势，实现制造工厂与其他供应链职能、上游供应商以及客户端的数字同步化，将使企业价值倍增。

数字化供应链相比于传统供应链，核心就在于数据的收集与使用。工业4.0时代，工业价值链从以往的生产端向消费端、从上游向下游推动的模式转变为从用户端的价值需求出发提供定制化的产品和服务。而洞察用户需求、为用户提供定制化的产品和服务并且能够实现灵活快速的交付都离不开对数据的分析和挖掘。

针对数字化供应链的具体范畴，一些研究将其认定为“数字化技术”+“供应链各流程模块”。例如，2018年罗戈研究院及京东物流联合发布的数字化供应链综合研究报告认为数字化供应链是以客户为中心的平台模型，通过多渠道实时获取，并最大化利用数据，实现需求刺激、匹配、感知与管理，以提升企业业绩，并最大限度降低风险，并将数字化供应链框架划分为数字化计划、数字化采购、数字化生产及数字化物流。本文认为，数字化供应链是由客户需求驱动的供应链平台，通过数字化、信息化的手段实时获取供应链各环节(计划、采购、生产、物流等)业务数据，对数据进行深入分析，产生支持供应链管理和决策的洞见，以提升企业运营绩效和最大限度降低供应链风险。

数字化水平的提升可以提高企业供应链各个环节的运营效率，甚至创造出新的商业模式和新的形式，这对于转变目前我国制造企业处于全球价值链中低端的格局、实现产业升级具有重要意义。要想实现供应链的数字化，企业必须找到一条适合自身发展的数字化转型之路。但是，通过对国内多家企业中高层运营管理者的调研发现，大多数企业对数字化供应链转型的整体概念、自身供应链的数字化水平以及发展方向尚比较模糊。因此，本研究旨在构建一套简明、实用的制造企业数字化供应链成熟度评估模型，以帮助制造企业评估其数字化供应链的实施水平，了解自身数字化供应链建设中的不足，并为企业进一步规划数字化供应链的实施路径提供有价值的参考。

1 制造企业数字化供应链成熟度评估模型指标体系构建

1.1 评估模型指标体系

本研究提出制造企业数字化供应链成熟度评估模型指标体系，共包括3个一级指标，8个二级指标及27个三级指标，如表1所示。

表1 制造企业数字化供应链成熟度评估模型指标体系

1.2 具体指标来源及解释

1.2.1数字化供应链实施的战略和组织支持

数字化供应链实施的战略和组织支持指标A可以细化为数字化供应链战略A1和组织支持A2两个二级指标。其中，数字化供应链战略指标A1又可细分为数字化供应链战略制定A11和数字化供应链战略匹配A12两个三级指标。数字化供应链战略制定指标A11反映了企业数字化供应链战略的推进程度。实践中，有些企业尚未启动数字化供应链项目；或是仅启动了短期(一年以下)的数字化供应链项目，尚未形成中长期的企业数字化供应链战略；或是制定了中长期(一年以上)的数字化供应链战略，在阻力中不断推进；或是制定了中长期的数字化供应链战略，而且数字化供应链战略的实施已经获得了成功。数字化供应链战略匹配指标A12反映了企业数字化供应链实践与供应链运营实际需求的匹配程度。实践中，有些企业没有基于内外部调研对数字化供应链的实施进行规划，数字化供应链实践与供应链运营实际需求的匹配度很低；有些企业则通过一定范围的内外部调研，制定了数字化供应链路线图，数字化实践与供应链运营需求有一定程度的匹配；有些企业通过充分的内外部调研，制定了清晰的数字化供应链路线图，数字化实践与供应链运营需求非常匹配。

组织支持指标A2细分为企业文化A21、高层支持A22、组织架构支持A23、人力资源储备A24、供应链各环节合作意愿A25、IT基础设施A26及投资水平A27七个三级指标。企业文化指标A21用以反映企业文化的类型是守旧型(认为尝试新技术只是浪费钱，毫无意义)、稳妥型(更偏爱沿用传统的规则方法，但会尝试一些发展相对成熟的新兴技术)，还是开拓型(勇于尝试新技术)，或是介于其间。高层支持指标A22反映了企业数字化供应链实践得到企业高层领导支持的程度。实践中，有些企业高层基本不关注企业数字化供应链实践的进展；或者给予一定的支持，但比较有限；或者非常支持企业数字化供应链实践，定期召开会议交流关键问题，协调解决实施进程中遇到的困难。组织架构支持指标A23反映企业组织架构(例如成立跨部门供应链流程管理和优化的团队或项目等)与数字化供应链实践的匹配程度。人力资源储备指标A24反映了企业中具有数字化系统开发经验或熟悉数字化工具使用的员工比例，以及为应对数字化供应链项目推进或战略实施，企业对员工进行宣传动员、技术培训、有效沟通和跨职能协调工作开展程度等。供应链各环节合作意愿指标A25反映了企业内部各部门、供应商和外部客户在数字化供应链项目推进过程中的协作意愿。IT基础设施指标A26反映了企业目前IT基础设施建设对其数字化供应链实施的支持程度。有些企业IT基础设施建设比较差，直接导致了数字化技术完全无法应用，数字化供应链项目无法开展；或者处于行业普通水平，为数字化供应链实施提供的支持比较有限；或者十分完善，满足了数字化供应链实施所需的硬件、软件要求。投资水平指标A27反映了至今企业在数字化供应链实践方面的投资水平和投资回报率。

1.2.2数字化技术与平台应用

新兴数字化技术包括虚拟现实、无人驾驶、机器人、大数据分析、机器学习以及3D打印等，应用何种技术以及如何有效应用这些技术是企业把握数字化机遇时无法避免的问题和挑战。本研究参考了德勤公司发布的2018年数字化技术调研报告以及高德纳(Gartner)对未来战略技术趋势的预测，选取了目前主流的11种数字化技术和5种数字化平台，评估这些技术以及平台在企业数字化供应链构建中的应用。

本文将数字化技术与平台应用指标B细化为两个二级指标：数字化技术应用B1和数字化平台应用B2。数字化技术应用指标B1评估了企业数字化供应链实践中是否应用了云计算和存储、人工智能、物联网、大数据分析、机器人和自动化、传感器和自动识别、可穿戴设备和移动技术、3D打印技术、无人驾驶车辆/无人机、增强现实/虚拟现实和区块链技术。数字化平台应用指标B2评估了企业数字化供应链实践中是否应用了ERP企业资源计划系统、EDI电子数据交换系统、PDM产品数据管理、MES制造企业生产过程执行系统以及数字化采购平台。对于上述每种数字化技术和平台应用，评估问卷中都给出了相应的应用场景，便于企业进行自评。

1.2.3数字化供应链实施效果

本文将数字化供应链实施效果指标C细化为数据收集与处理C1、供应链互联与自动化C2、供应链可视化与实时监控C3及供应链的优化举措C4四个二级指标。

数据收集与处理指标C1下设三个三级指标：数据收集的全面性C11，用以评估企业是否收集存储了供应链全环节的数据；数据收集的实时性C12，用以评估企业是否能够实时收集供应链各环节的数据；数据处理能力C13，用以评估企业供应链数据分析能力对提升常规供应链管理水平和风险管控的支持程度。

供应链互联与自动化指标C2下设四个三级指标：端到端互联C21，用以评估企业整条供应链端到端的互联程度；制造过程互联与自动化C22，用以评估企业制造过程中设备互联和自动化控制水平；仓储自动化C23，用以评估企业仓储管理的自动化水平；采购自动化C24，用以评估企业采购工作的自动化水平。

供应链可视化与实时监控指标C3下设四个三级指标：生产可视化与实时监控C31，用以评估企业是否通过数字化技术手段实时收集所有相关数据信息(如设备运行状况、产品质量参数、外界环境信息等)，实现对生产全流程的可视化监控；质量问题追溯C32，用以评估企业在产品质量出现问题时，能否通过数字化技术手段及时追溯到供应商、生产车间、制造设备、零件批次等，以便及时找到问题根源；库存可视化与实时监控C33，用以评估企业对供应链各环节中库存情况进行实时监控的程度；运输可视化与实时监控C34，用以评估供应商供货及产品运输过程中的运输状态可视化和实时监控的程度。

供应链的优化举措指标C4下设七个三级指标：结构配置规划C41，用以评估企业是否对整个供应链进行了科学合理的结构配置规划(例如节点布局、运输线路设计、容量配置等)；实时动态优化C42，用以评估企业是否能够利用数字化技术手段对整个供应链中的物料、产品的流动实现实时动态优化；生产排产优化C43，用以评估企业能否根据客户需求变化实现生产排产优化；设备预测性维护C44，用以评估企业能否基于收集到的设备运营数据实现设备的预测性维护；配送效率优化C45，用以评估企业是否应用运输路径规划算法以实现配送效率优化；仓储布局优化C46，用以评估为了提高坪效或出入库效率，企业是否采用优化算法对仓储物品摆放位置进行优化；采购决策优化C47，用以评估为了降低采购成本和提高采购效率，企业是否应用了预测模型/算法来实现更智能的采购决策。

2 基于AHP方法的制造企业数字化供应链成熟度评估模型

本研究提出基于AHP方法的制造企业数字化供应链成熟度评估模型。AHP方法的基本思想是通过构建有序的评估指标层次结构，并将各层指标进行两两比较判断其重要性，从而评估各指标重要性的总顺序，得到权重分。相比于专家咨询法这类主观赋权手段，AHP方法能够大幅提高评估结果的可靠性与有效性。

2.1 AHP方法的具体步骤

(1)构造层次结构模型。通过梳理指标间的相互关系，可以将各等级指标划分成目标层、准则层，得到如图1所示的层次结构模型。

图1 数字化供应链成熟度评估层次结构模型

(2)构建判断矩阵。依照1—9标度法，以上一层指标Xk为准则，请专家评判Xk下属层级两两指标间的相对重要程度fij，即指标xki相对于指标xkj的重要性，重要性等级对应的分值见表2。对指标Xk可以获得一个判断矩阵F=(fij)l*l,其中1≤i≤l，1≤j≤l,l为指标Xk下属层级指标个数。

表2 1—9标度意义表

(3)一致性检验。由于仅靠专家判断可能会产生一定偏差，需要对判断矩阵进行一致性检验。当一致性指标C.R.<0.1时，认为该判断矩阵的一致性可以接受，当C.R.≥0.1时，则不符合要求。一致性指标C.R.的计算公式如下：

(1)

其中：

(2)

λmax为矩阵F的最大特征值。

而R.I.值与矩阵阶数有关，可通过查阅表3得到。

表3 平均随机一致性指标R.I.

(4)获得指标权重。计算矩阵F的最大特征值λmax对应的单位特征向量W，即FW=λmaxW，且|W|=1，则W=[ω1,ω2,…,ωl]T即为本层级指标xk1,xk2,…,xkl对其隶属上一层级Xk的对应权重。

2.2 指标权重确定

本研究邀请了五位制造企业中高层运营管理专家对指标的相对重要性进行评判，通过一致性检验后确定的各指标权重见表4。

表4 制造企业数字化供应链成熟度指标权重表

由表4可以看出，指标权重可以反映出专家们达成的一些共识。例如，在一级指标中，数字化供应链实施效果C的权重最高，权重占比达到46%，相比其他一级指标该指标最能表征现阶段供应链的数字化成熟度。在其对应的二级指标中，数据收集和处理C1的权重最高，因为数据的收集和处理能力是数字化供应链的核心，是实现自动化、可视化及优化举措的基础。在其对应的三级指标中数据收集的全面性C11是进行数据处理的基础，权重分值最高。在一级指标中，数字化供应链实施的战略和组织支持A的重要性仅次于指标C，权重占比达到39%。这是因为有效的数字化供应链战略A1和足够的组织支持A2是数字化供应链实施成功的前提条件。值得注意的是，高层支持A22和投资水平A27在组织支持A2下属的三级指标中重要程度最高。由于数字化供应链涉及上下游企业以及企业内部不同组织的协同，如果缺乏高层支持与大量资金投入，就难以确保数字化供应链项目的推进。此外，专家们似乎并不认为数字化技术与平台应用B的水平对于企业的数字化供应链成熟度有较大贡献。新兴数字化技术应用的确会带来一定的效果，但并不是决定因素，且企业能否最大限度地发挥新技术的优势，也是现阶段管理者面对的一个问题。此外，相比于单个数字化技术应用B1，专家们认为数字化平台的应用B2更有助于数字化供应链的建设。

2.3 综合评估计算方法

假设有某制造企业，其一级指标A的三级指标得分分别为aij(i=1,2，…,m;j=1,2,…,n)。m为二级指标个数，n为三级指标个数。已知权重为ωij(i=1,2，…,m;j=1,2,…,n),则二级指标得分为

(3)

指标A的得分为

(4)

同理，可以计算出指标B、C的得分。则该制造企业数字化供应链成熟度最终得分为

M=A+B+C

(5)

3 实证分析

根据上文提出的评估模型设计了一份调查问卷，为确保问卷可以准确衡量企业数字化供应链的实施水平，针对各个三级指标分别设立了评估问题。针对每一个问题，被试都需要根据描述从五个选项中选出最符合企业现状的选项，从而获得该指标的得分(0～4分)。表5给出了一个评估问题示例。

表5 制造企业数字化供应链评估问卷示例

为了确保调查问卷的文字便于理解，不会产生歧义，多位被试被邀请参与了预调研。根据预调研的反馈结果，对调查问卷进行了进一步的修改，随后将最终调查问卷发放给国内制造企业中高层运营管理人员。根据收到的107家制造企业的反馈数据，计算出各家企业的数字化供应链成熟度得分，并依照得分结果将企业分成四个等级：[3,4]为优，[2,3)为良好，[1,2)为中，[0,1)为差。

根据统计结果发现，计算机、通信及其他电子设备行业在数字化供应链上表现最佳，10%的受访企业数字化供应链成熟度得分达到优秀，65%的评价等级为良好。其次是汽车及其零部件制造行业,近40%的受访企业数字化供应链成熟度等级为良好及以上，具体评估结果见表6。此外，一些大型快速消费品企业在此次调查中也有不错的表现，评价等级基本达到良好，但由于样本量较少，未单独列出。本次调查结果与一些权威咨询机构发布的调查结果基本吻合，如2018年全球数字化运营调研和《埃森哲中国企业数字转型指数报告》中都提到电子行业和汽车行业的企业具备相对较高的数字化运营水平，而大型快速消费品企业如宝洁、联合利华等，一直拥有较为成熟的供应链管理体系。

表6 各行业制造企业数字化供应链成熟度评估结果

针对不同数字化供应链成熟度等级的制造企业，图2展示了其各个二级指标的平均得分情况。从雷达图可以看出，除数字化技术应用B1与数字化平台应用B2两个指标以外，不同成熟度等级之间各项指标的差距基本分布均匀。大部分制造企业还未能很好地将新兴数字化技术与平台应用到自身的供应链管理流程中去，即使是总体表现优秀的企业也是如此。对于成熟度等级为优和良好的制造企业来说，数字化供应链战略A1、组织支持A2及数据收集与处理C1是二级指标中评分最高的三个指标，且明显高于其他指标，说明这些企业已经开展或试图开展数字化供应链工作并具有一定的实施基础。而成熟度等级为中和差的企业在数字化供应链战略A1这一项得分相对较低，这些企业在数字化供应链实施工作中需要提高自身数字化供应链意识，制定合理的战略规划。

图2 不同数字化供应链成熟度等级企业的二级指标分值比较

在受访企业中，企业S的数字化供应链成熟度评分最高，综合评估为3.47分。企业S是全球领先的网络设备供应商，也是最早进行数字化转型的制造企业之一，在Gartner等供应链知名榜单中多次名列前茅。一直以来，企业S都非常注重其IT基础架构的建设，甚至成立了专属机构进行数字化转型的研究。图3是企业S二级指标得分的雷达分布图，可以看到企业S的确拥有极为清晰的数字化战略并将其付诸于实践，在数字化供应链战略A1指标上拿到满分，且在供应链互联与自动化C2、供应链可视化与实时监控C3及供应链的优化举措C4三个指标的表现要明显好于图1中等级为优的其他企业。在数字化技术与平台应用指标B上，企业S得分虽然不高，但也处在行业内中上水平，目前已经将云计算、虚拟现实等技术用于产品的协同研发，在生产及物流运输中使用物联网、大数据分析技术来提高运营效率。

图3 S企业二级指标分值

4 结论

本文通过广泛的调研，并结合过往学术界和产业界的研究经验，构建了制造企业数字化供应链成熟度评估模型，并将其用于国内制造企业数字化供应链成熟度的评估。实证结果表明，本研究提出的数字化供应链成熟度评估模型具有科学性和规范性，达到了良好的评估效果。中国制造企业可以依据这一数字化供应链成熟度评估模型，评估自身数字化供应链的实施水平，从而进一步有效地规划数字化供应链的实施路径。