面向服装供应链平台的订单生产双向推荐策略

陈清婷，杜劲松，林 镶，朱建龙

(1.东华大学 服装与艺术设计学院，上海 200051；2.复旦大学 计算机科学技术学院， 上海 200433；3.海澜之家集团股份有限公司，江苏 无锡 214426)

服装供应链平台是由电商与销售商、销售商与制造商、制造商与生产供应商等要素构成的复杂供应链网络结构，通过订单交易双方的自动匹配机制[1]实现订单的推荐方案，能有效提高订单的下单效率，也能有效提升供应链的快速反应能力。电商下单和制造商接单是双边市场多目标约束匹配问题，不合理的订单匹配方案会造成分单理性不足、调度灵活性差、生产资源配置不合理、生产效率不稳定、订单延期等现象。

国内外学者围绕订单的收发从订单分配和订单接收等角度进行了大量的研究：1)从订单下单需求进行研究，建立以交期准确、质量最优、成本最低为订单分配目标[2-3]，以制造商产能、产品批量、产能均衡等作为约束条件，利用最大满意度法、动态规划、遗传算法等方法对多目标问题进行求解[4]，也同时考虑了对制造商资质、制造商选址、物流费用[5]、企业能力、合作程度、交易历史评价、服务水平等约束条件的评价和选择；2)针对接单能力进行研究，包括订单接收时间、交货期、交期惩罚、产品数量及产品类型的相似性[6-7]等订单属性，生产均衡[8]、交期能力和交易利润等企业属性研究；3)研究第三方制造资源平台的接单、定价、公平等问题，综合研究订单分配调度，实现客户与制造商的最优的匹配方案，增强竞标的公平性和平台竞标活力[9]。

本文基于纺织服装工业互联网平台中的服装供应链管理平台系统，研究服装下单与接单的一对多双向匹配机制，努力解决多个服装电商与多个制造商间的生产订单分配问题。以衬衫订单为例，通过专家问卷调研法获得服装生产订单交易双方需求偏好，分析订单交易双方的交易意向，构建交易函数对分配方案进行偏好排序，并借助Gale-Shapley(GS)算法实现整体匹配结果的最优化。

1 服装下单/接单匹配问题描述

服装供应链平台周期性地存在电商下单方需求和制造商接单方需求，订单信息存储在数据中台，下单方与接单方均无法看到同侧竞争者信息。平台在某交易周期T时间内，下单方交期内的订单Oi暂存在订单池O中，该交期内有产能剩余的接单方制造商Sj信息保存在制造商池S中。运用下单方的效用函数Uij和制造商接单方的效用函数Gji，建立订单Oi的下单偏好序列P(Oi)和制造商Sj的接单偏好序列P(Sj)。平台以GS算法双边匹配决策理论为机制基础，根据下单方偏好序列P(Oi)中的制造商顺序向制造商Sj发出邀约，制造商Sj面向多个邀约订单在其偏好排序P(Sj)进行比较，最终选择留下适合的订单。被拒绝的订单Oi将继续向序列P(Oi)中的下一个制造商发出邀约，直到没有Oi再发出邀约为止(如图1所示)。

图1 平台化订单匹配机制Fig.1 Platform-based order matching mechanism

2 订单交易偏好建模

2.1 电商下单/制造商接单偏好

“偏好”的本质是在序数效用理论中表现为满足程度的高低顺序，通过效用计算对匹配结果满意程度进行量化，实现交易双方对不同订单、不同制造商进行比较排序。服装订单的款式工艺复杂度、面辅料差异、产品质量、订单数量等对制造商的生产条件、设计研发能力、供应链管理、生产反应能力有特殊的要求，在订单下单和接单的过程中，下单方与接单方在决策时产生各自的交易偏好。本文研究以衬衫订单为例，采用专家问卷法分析服装下单和接单交易双方在决策中的选择偏好。通过对9名专家的问卷分析，总结得出下单方偏好的2个一级指标要素、6个二级指标内容，接单方偏好的2个一级指标要素、3个二级指标内容，如表1所示。通过归一化处理得到下单方偏好二级指标权重，下单方偏好各二级指标权重之和为1。

表1 交易双方的偏好指标Tab.1 Preference index of trading parties

表2 交易双方的支撑数据及赋值方法Tab.2 Supporting data content from trading parties and the valuations

2.2 下单方效用函数分析

(1)

(2)

(3)

(4)

(5)

(6)

综上所述，订单Oi分配给制造商Sj的下单方效用函数为：

(7)

2.3 接单方效用函数分析

制造商Sj接单效用分析采用约束理论求解，根据服装制造商接单需求偏好分析可知：

(8)

(9)

(10)

(11)

综上所述，制造商Sj接收订单Oi的接单效用函数为：

(12)

根据推荐方案的效用值可建立不同的订单偏好排序集合，订单Oi对可满足基本生产条件的制造商的偏好序列为P(Oi)，制造商Sj对可接受的电商订单的偏好序列为P(Sj)。

3 订单匹配机制建立

3.1 匹配假设

根据下单Oi的偏好排序集合P(Oi)与制造商Sj的接单偏好排序集合P(Sj)进行匹配的约束假设为：1)任意一个服装生产订单只能分配给一家制造商；2)任意一家制造商在产能满足的情况下可以匹配多个服装订单；3)以电商下单偏好为主，电商先发起邀约；4)匹配结果必须是稳定的。

3.2 服装订单匹配流程

根据GS算法的延迟接收策略，对订单匹配策略进行规划,建立基于双方偏好的服装订单匹配流程，其具体实施步骤如图2所示。

图2 匹配流程及机制Fig.2 Matching mechanism and process

步骤2:在订单池O内找到未匹配的Oi；

步骤3:检查订单Oi的偏好序列P(Oi)中还未被邀请且排序靠前的第f(Oi)位的制造商Sf的情况，其判断及处理如下：

2)判断Sf是否已有匹配对象。若无匹配对象,即M′(Sf)=Ø，则拒绝订单Oi,转步骤3。否则进行下一步。

3)判断Sf的已匹配的订单对象集合M′(F)中，是否有在制造商Sf的偏好排序P(Sf)中优先级位于Oi后面的企业。若有，进行下一步；若无，则拒绝订单Oi,转步骤3。

步骤4:当所有订单已匹配完毕或者所有制造商已检查，则运算终止，输出最终的匹配集合M。

4 应用研究

4.1 案例数据分析

应用“淘数据”电商数据分析平台提供的某女装品牌的6款衬衫订单数据，如表3所示的2021年4月份的订单基本信息，并基于表2中的各指标计算方法对订单/制造商指标信息进行处理。选择6家不同类型的服装制造企业，采用服装智能制造能力成熟度评价模型对企业类型进行评估[10]，制造商信息如表4所示。

表3 订单原始数据信息及支撑数据Tab.3 Original information and supporting data of orders

表4 制造商的支撑数据Tab.4 Supporting data of manufacturers

4.2 结果分析

基于案例数据求得各订单下单和接单的效用结果如表5、6所示。通过效用值排序得到订单下单方及制造商各自的偏好序列，基于排序对订单进行分配，分配过程与结果如表7所示。由于在匹配结果集M(Oi)、M(Sj)中匹配双方Oi和Sj均有不放弃匹配意愿，即均认为达成交易比放弃交易的结果要好，所以匹配结果集都具备个体理性。在任意匹配结果M(Oi)、M(Sj)中都不存在某个订单Oi和制造商Sj认为对方比自己现有的匹配结果中某个对象个体偏好级别更高，且在规定的交期内通过替换合作对象完成生产任务，从而形成新的匹配关系，并确保最终推荐匹配结果具有稳定性。

表5 下单效用Tab.5 Ordering utility

表6 接单效用Tab.6 Order receiving utility

表7 稳定匹配过程及匹配结果Tab.7 Stable matching process and matching results

4.3 结果验证

本文研究邀请了服装企业销售部门的6位下单高管和6位接单高管，通过调研问卷分析订单匹配模型的双边推荐效果，其中6位服装下单高管对匹配结果的接受度达到94%，6位服装工厂高管对订单匹配的接受度为89%。针对不接受匹配结果的产生原因，本研究进行了如下分析：1)由于本文研究双边匹配样本数量较少，导致部分匹配方案中的单边匹配条件差异性较小，选择范围较小，导致了不接受结果的出现；2)季节差异导致的价格波动对双边匹配结果造成了客观性的误差，造成了对匹配结果中的价格不满意或拒绝接受的情况。

5 结 论

在服装供应链平台化发展的趋势下，为满足服装互联网平台生产订单的分配需求，本文研究了服装生产订单交易双方的匹配策略，有利于提高平台化推荐结果达成和交易稳定。通过对服装订单交易双方需求的调研，构建了下单方和接单方的效用模型，借助Gale-Shapley(GS)算法的延迟策略优化了订单匹配流程，并通过应用实例得到验证，得到如下主要结论。

1)本文通过对专家问卷调研和分析，制定了影响订单交易双方偏好的一级指标4个，二级指标 9个，以及能充分反映各二级指标的支撑数据13个，并对不同类型数据进行归一化处理，以降低计算误差。上述订单匹配双方各指标内容和相关性能够充分满足该类(衬衫)订单匹配需求。

2)效用函数分析是解决订单匹配双方均可接受的量化方法，并基于此建立下单方和接单方各匹配对象的科学排序。此偏好效用计算方法在实际应用中可进一步拓展变形，使之适应于不同服装交易需求环境。

3)根据订单交易双方的达成意向和各偏好相关性，采用GS算法构建的匹配机制能有效地适用于服装订单匹配环境中，实验充分表明本文研究结果能促进第三方平台推荐结果的理性和稳定性，对提高服装订单交易效率具有重要意义。

FZXB