改进灰关联法在汽车零部件供应商选择的应用

吴艳艳，张玉霞

(太原科技大学 交通与物流学院，太原 030024)

汽车产业作为我国的支柱产业，是制造业中产值最大、产业链最长、相关产业最多的一项，已从高速增长期发展至稳健增长期，每一个汽车约由2万到3万个零部件组成，是高度复杂的工业化产品[1]。随着汽车零部件向标准化、专业化的发展，汽车整车制造企业倾向于在全球范围内寻找汽车零部件供应商伙伴，因此，建立合适的评价选择机制尤为重要，而汽车零部件供应商的选择是一个典型的包含不同经济意义的多指标的综合评价问题，目前国内外学者对供应商选择方法较多，但指标数据的处理方式、指标权重确定的是否得当对评价结果的准确性、真实性有重要的影响[2-3]。

1 零部件供应商评价体系的建立

汽车零部件供应商的选择是一个典型的包含可见和不可见多影响因素的决策问题，合适的评价选择方法是解决问题的关键，采用定性与定量相结合的多指标综合评价体系是较好的处理方式[4]。依据现有资料，从生产经营、质量控制、服务能力、管理水平、应变能力、信息水平6个影响准则入手，子影响准则层再进一步将6个准则层细分为18个指标，建立如下汽车零部件供应商选择层次结构模型[5]。

图1 备选供应商层次结构Fig.1 Alternative suppliers hierarchy model

定量指标的指标值，如价格，准时交货率等由实际数据统计得来，而定性指标的指标值如售前、售后、售中服务等通过灰色理论中的灰类和白化函数的方法量化。准时交货率、市场占有率、流动资产率等指标对评价系统的作用趋向为正向，属于正指标或效益型指标，价格、返修退货率等指标对评价系统的作用趋向为负向，属于负指标或成本型指标。

2 评价指标的处理

在指标系统中，各评价指标的表现形式不同，对系统的作用趋向也不一致，如有的属于效益型或正指标，要求值趋大为优，有的属于成本型或负指标，要求值趋小为优，有的则值趋中为优，类型不同，它们之间不具有可比性，因此，每个指标必须进行无量纲处理，将处理后的指标均转换为正指标，提高各个指标的可比性，再进行评价选择[6]。利用模糊数学中的隶属函数，对各类指标进行无量纲处理。

正(效益型)指标

Rj(p)=

(1)

负(成本型)指标模型

Rj(p)=

(2)

适中指标模型

Rj(p)=

(3)

依据上述模型对各实际参数处理，将指标的评价值均转换在0～1范围内，可直接对各个评价指标进行比较，加权后的总评分也可直接比较。

3 改进的灰关联评价法

灰关联评价法是灰色评价法的重要分支，是对因子之间的不确定性关系进行研究，主要对复杂事物之间发展过程、趋势进行研究分析，它通过分析两参数序列曲线的接近程度和变化趋势来确定二者之间的关联度，通常，曲线形状越相似，关联度越大[7]。由于本文确立的汽车供应商评价体系指标较多，彼此间包含的经济意义也不同，应用灰关联法确定权重，综合评价，工作量很大[8]。

改进的灰关联法是结合向量夹角余弦对指标权重的处理方式，得到一个更有效的方法，这种方法可以同时确定指标的权值和方案的优、劣关联度及综合关联度，大大减少了工作量[9]。计算过程如下所示：

1)依据评价指标的性质，将原始数据转换为可以直接比较的正指标，设m个指标，n个方案生成供应商评价矩阵R为

R=(rij)m×n(i=1，2，3，…，m；n=1，2，3，…，n)

2)选取各比较数列中最大值(最小值)为最优值(最劣值)

U=(ui)1×m=(u1，u2，…，um)T

L=(li)1×m=(l1，l2，…，lm)T

3)偏差值矩阵生成，优偏差矩阵UR=(urij)m×n，劣偏差矩阵LR=(lrij)m×n

urij=|ui-rij|,lrij=|li-rij|

(4)

4)计算优偏差率矩阵，O=(oij)m×n,劣偏差率矩阵S=(sij)m×n

(5)

(6)

5)确定两级偏差极值

6)求指标权重

第i个指标，取O中相应的行向量ri，取S中相应的行向量si，求两个行向量的夹角余弦

(7)

(8)

7)求关联系数矩阵

(9)

(10)

其中，分辨系数ρ∈(0，∞)，一般取0.5[10]

8)求关联度

方案j的优关联度

(11)

方案j的劣关联度

(12)

9)求综合关联度

对各个方案的优关联度评价结果根据优关联度越大越好规定进行排序，或者根据劣关联度的评价原则(越小越好)对各个方案的劣关联度评价结果进行排序，也可根据综合评判的评价原则对各个方案的综合关联度评价结果进行排序

(13)

这种改进的评价方式，增加了劣关联度的计算，同时有效的确定评价指标的权值，方案的综合评价结果，降低了工作量。

4 实证分析

某汽车制造企业，为了提高企业的核心竞争力打算从三个汽车空调生产厂家选择一个为最佳零部件供应商，首先，由跨部门的相关人员组成评价小组对这三个空调厂家进行考察、调研、资料收集，经整理后得到了这3个空调厂家的原始参数，如表1所示。

表1 汽车空调供应商实际参数

4.1 指标评价矩阵的生成

依据公式(1)、(2)对选取的18个指标进行规范化处理，生成一个标准化评价矩阵R.

4.2 计算偏差值矩阵

4.3 计算权重

4.4 计算关联系数矩阵

由公式(9)、公式(10)求出ξu,ξi.

4.5 计算关联度

计算C(u，j)，C(l，j)及Dj.

优关联度C(u，j)=(0.9216，0.8939，0.9348)，劣关联度C(l，j)=(0.8967，0.9394，0.8844)，综合关联度Dj=(0.5137，0.4752，0.5277).

4.6 结果分析

由上述计算结果得出，依据优关联度排序，供应商T3>供应商T1>供应商T2，依据劣关联度排序，供应商T3>供应商T1>供应商T2，综合关联度排序，供应商T3>供应商T1>供应商T2，三种方式得出的结论相同，说明改进的灰关联法是解决多目标问题的有效方式。

5 结束语

汽车零部件供应商的选择是一个典型的包含可见和不可见多影响因素的决策问题[11]，本文首先对零部件供应商选择进行分析，建立了汽车零部件供应商层次结构模型；其次运用模糊数学的隶属函数，对包含不同经济意义的评价指标进行标准化处理，转换为可直接比较的正指标，利用向量夹角余弦法，对灰关联进行改进，改进的灰关联评价法，可以同时确定评价指标的权重、方案的优关联度、劣关联度、综合关联度；最后通过实证分析，验证了该评价体系的可行性和有效性。