第四方物流环境下的供应商评价优化问题探讨

中图分类号:F274 文献标识码:A

内容摘要:本文分析了第四方物流环境下供应商评价的必要性及第四方物流运作的特点,并在此基础上构建了第四方物流环境下供应商的综合评价指标体系及基于BP神经网络的供应商评价模型。

关键词:第四方物流 供应商 评价体系

问题提出

在竞争日益激烈的市场经济环境下,企业与企业之间的竞争也转变为供应链与供应链之间的竞争。企业为了提升市场竞争力都把所有精力聚焦在核心业务上,把非核心业务通过外包来完成,随着业务外包和供应链管理的进一步发展,企业在与传统的第三方物流供应商合作的过程中发现其不能满足电子采购、订单处理、虚拟库存以及供应链战略等方面的服务,因此,以整合原料供应商、第三方物流供应商以及咨询企业等优势资源,为核心企业提供一体化的供应链解决方案,并实现对供应链的监控和管理,从而实现社会资源优化配置的第四方物流应运而生。第四方物流的核心优势在于整合社会资源为客户解决供应链方案,因此无论是设计新的供应链还是对现有供应链系统进行优化,都会涉及供应商的评价。传统的供应商评价一般是核心企业从自身供应链利益最大化角度出发,不但本身选择就带有很大的主观性,而且为实现自身利益最大化不惜牺牲供应商的利益,难以达到长期的合作,造成资源浪费;而第三方物流企业仅承担运输、仓储、配送的功能,对客户个性化的供应链方案需求无法满足,更不会涉及供应商的评价,因此,研究第四方物流环境下供应商的评价,为第四方物流整合社会资源为客户供应链解决方案时选择合适的供应商,从而实现社会资源的最优配置显得很有必要。

关于供应商评价体系的研究很多,如Dickson(1996)整理出评价供应商的23项准则,得出在选择供应商时重要性最高的前三个因素分别为质量、交货期和历史业绩;Weber(1991)回顾了自1966年以来与供应商选择评价相关的74篇文献,将注意力着重于供应商选择过程中所采用的准则以及分析方法,集中讨论了23条准则,涉及质量、配送、价格和态度等;马士华等(2005)构建了以企业业绩、业务结构与生产能力、质量系统以及企业环境等四项一级指标的供应链合作伙伴评价体系;马丽娟(2002)从产品质量、产品价格、售后服务水平、地理位置、技术水平、供应能力、经济效益、交货情况以及市场响应度方面建立了供应商评价体系。但这些文献研究主要是从企业自身的角度来进行的,而从第四方物流角度对供应商评价体系进行研究的没有,同时随着人们对环境的重视,现有文献中关于供应商综合评价体系中都没有体现出这个因素。因此本文从第四方物流企业角度,以信息技术为基础综合考虑环境因素来建立供应商综合评价体系,并运用神经网络构建了评价模型。

第四方物流环境下供应商评价指标体系构建

第四方物流的运作高度依赖于信息技术,通过互联网把供应商、第三方物流服务商、制造企业在全球范围内联系起来,实现全球采购从源头上达到降低成本、提高利润的目的。基于此,本文从信息化水平、供应商信誉、供应商持续发展潜力、技术能力、柔性和产品的环保性六个方面来构建供应商综合评价指标体系(见图1)。与传统的指标相比,该体系呈现出新的特点:把信息化水平作为一级指标来考察,并通过电子订单的处理、ERP的实施、信息共享等五项指标对其分析,充分显示出信息化水平对信息流高效、及时传递的重要性;考虑到第四方物流过度依赖于网络环境,对供应商的真实性难以辨别,因此把供应商信誉作为一级指标,同时首次把第三方认证作为评价方式引入供应商评价指标体系中;在技术能力评价指标中充分考虑到企业产品创新和协作开发的能力;把产品的环保性作为综合评价指标之一。近年来环境问题备受关注,尤其是在跨国采购中产品的环保性显得尤为重要,在以往的评价指标中只是在构建绿色供应链指标中有所体现,而在供应商综合指标体系中没有出现。

(一)信息化水平

以信息技术为依托发展起来的第四方物流,通过网络把供应商、物流服务商、供应链服务需求商(即第四方物流的客户)联系起来,因此应把供应商的信息化水平和其他指标放在同等重要的地位作为综合评价指标之一。同时,随着JIT生产和制造企业对顾客需求快速反应的需要,要求供应商具有电子采购、处理电子订单的能力,这就要求供应商具有较高的信息化水平,能够实现与制造企业之间信息共享和交易过程的电子化、网络化,从而实现企业之间信息流、物流、资金流的畅通。因此,本文从电子订单的处理、ERP的实施、信息共享、信息系统的稳定性和兼容性五个方面来评价供应商的信息化水平。这些评价指标由于量化具有一定难度,因此采取专家打分的方法来衡量。

(二)供应商信誉

第四方物流企业通过网络技术在全球范围实现资源的优化配置,为制造企业选择合适的供应商。虽然能够通过虚拟的网络把二者联系起来,但并不一定能够保证供应商能提供合格的产品,使其成为制造企业供应链战略的源头。因此,只能通过供应商信誉来判断其是否能够成为供应链的一部分。供应商的信誉指标主要包括产品的质量、历史交货记录、品牌形象、服务水平和第三方认证来衡量。产品的质量主要看产品是否通过ISO9000体系的认证和已有客户的评价;历史交货记录用该供应商成功的交货记录和交易总次数的比率来衡量;品牌美誉度和服务水平主要通过问卷调查等方式给予一定的评定等级,等级越高,企业的品牌美誉度和服务水平就越好;第三方认证要通过检验企业产品是否获得国家免检和驰名商标称号。

(三)供应商持续发展潜力

现代企业间的竞争已从产品的竞争、市场的竞争发展到企业供应链之间的竞争,第四方物流的产生正是为了弥补第三方物流企业不能为客户提供供应链解决方案的需要。因此,第四方物流企业在为客户提供供应链方案时针对供应商的选择,必须要满足客户企业供应链战略的需要,要求供应商具有长期和战略联盟意识,建立长期的合作伙伴关系。这些必然要求供应商具有持续的、长远的发展潜力。供应商的持续发展潜力主要从财务状况、经营管理能力、员工素质、发展能力和持续盈利能力指标来衡量。财务状况主要考察企业的现金流动比率和资产负债率,资产负债率衡量企业的长期偿债能力,是反映供应商能否持续发展的重要指标;经营管理能力是指企业资源的定位与配置能力以及企业在运用中的协调能力,对企业的持续发展至关重要,主要衡量企业的战略规划能力、组织协调能力、资源配置能力;员工素质主要考察企业员工学历的结构比例和企业培训机制;发展能力是企业生存的基础,是扩大规模、壮大实力的潜在能力,包含营业收入三年平均增长率和资本三年平均增长率,前者反映企业持续发展态势和市场扩张能力,后者在一定程度上反映企业的持续发展水平和发展趋势;持续盈利能力是企业持续发展的保证,就是企业赚取利润的能力,通过总资产收益率指标可以分析企业盈利的稳定性和持久性。

(四)技术能力

技术能力评价指标包括供应商的产品技术和设计能力、R&G投入和重视程度、产品创新能力、专利拥有数、协同开发能力。其中供应商的产品技术和设计能力以及协同开发能力专业性很强,主要通过专家打分的方法衡量,得分越高,说明这两方面的能力越强;而R&G的投入和重视程度通过计算R&G的费用和销售收入的比率来衡量;专利拥有数是企业技术能力的直接体现,可通过直接的数据获得;产品创新能力则通过核算企业每年获得的专利数量和转化为生产力的数量来衡量。

(五)柔性

今天的市场需求具有很大的不确定性,市场需求的变化会导致供应链生产的变化,要求供应商具有对供应链需求变化的适应能力,因此,供应商的柔性应得到充分重视。供应商的柔性主要包括生产柔性、产品柔性、时间柔性和数量柔性。生产柔性衡量的是供应商应对客观环境变化的相应能力,通常根据供应商随客户在交货数量和时间上的变化而有效地改变计划,并完成任务的能力来综合衡量;产品柔性反映供应商在一定时间内工艺革新和引进新产品的生产能力,可以用新产品的数量和产品的总量之比来表示;时间柔性反映供应商对交货时间变动的应变能力,用能够交货的松弛时间占交货时间的百分比确定;数量柔性指主要由客户需求数量的变动引起,反映供应商多客户需求数量不确定性的适应能力,可以运用供应商能够获利的产品数量范围来衡量。

(六)产品的环保性

随着消费者的环保意识逐渐增强,其对所消费产品的要求越来越高。制造企业在考虑顾客需求的同时,也必然要求供应商的产品具有环保性能。主要通过考察供应商是否通过ISO14001认证、产品的环保设计以及产品的可回收性三个方面来衡量。这些指标不可量化,只能通过专家打分的方法衡量。

基于BP神经网络的供应商评价模型

供应商综合评价方法主要有层次分析法、模糊综合评价、DEA法、人工神经网络等。层次分析法在确定指标权重时带有很大的主观性,难以达到客观评价的目的;模糊综合评价虽然可对不确定因素进行评价,但并不能解决评价指标间相关造成的信息重复问题,同时隶属函数的确定还缺乏系统的方法;DEA法虽然能够克服一些主观因素的影响,但对有效的供应商不能进一步区分优劣,通过对权重的精细选择,使一个在少数指标上有优势而多数指标上有劣势的供应商成为相对有效的供应商。为克服上述评价方法的缺点,本文采用人工神经网络的方法构建供应商评价模型。

(一)BP神经网络

人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过大量的处理单元(神经元)广泛互连而成的网络,对人脑处理信息的功能进行模拟,是一种动态的学习系统。具有并行处理、分布式存储与容错性等特点,并具有较强的自学习、自组织和自适应性。人工神经网络特有的非线性适应性信息处理,使其广泛的应用到模式识别、智能控制、组合优化、预测、信用评价等领域。在人工神经网络的实际应用中,绝大多数的模型采用的是BP网络和它的变形,BP神经网络是基于误差反向传播的多层次前向神经网络。BP神经网络模型一般包含三层,即输入层、隐含层和输出层,其模型构造如图2所示。各层由若干个神经元(节点)构成,层内之间的神经元没有连接,层层之间的神经元形成互连。每一节点的输入值和输出值的关系由作用函数和阙值决定,神经元可以实现输入和输出之间的任意非线性映射(刘彬、朱庆华,2005)。

(二)基于BP神经网络的供应商评价模型构建

网络模型分三层,即输入层、中间层和输出层。输入层节点数为每个供应商综合评价的三级指标数xi(i=0,1,2…27),输出层节点数为一个,即每个供应商综合评价值oj(j=0,1,2…n),n为训练样本数;中间层(隐含层)的节点数根据隐含层节点计算经验公式μ=+a计算,其中μ为隐含层节点数,μ1,μ2为输入层和输出层节点数,a为1-10之间的常数,从而结合实际试算时的学习速率确定隐含层节点数。网络中除输入层的输入等于输出外,隐含层和输出层节点作用函数一般采用sigmoid函数,其定义为f(x)=1/1+e-x。

首先把作为输入层的评价指标值进行归一化处理。由于指标体系中各指标之间数量纲、数量级的不同等问题,并且既有定性指标又有定量指标,为使各指标在整个系统中具有可比性,必须对各指标进行无量纲处理。供应商评价指标有两种正向指标和反向指标,前者数值越大越好,后者数值越小越好,因此,无量纲化的处理公式有如下两个:

正向指标的无量纲处理:

Xi=xi-xmin/xmax-xmin (1)

反向指标的无量纲处理:

Xi=xmax-xi/xmax-xmin (2)

其中:xmin表示三级指标的最小值,xmax表示三级指标的最大值,xi的变化值在[0,1]之间,同时把归一化后的xi作为输入层数值。

第二步用随机数(一般为0-1之间)初始化αij和θj,其中αij为神经元j到神经元i的连接权理,θj为神经元j(隐含层和输出层)的阙值。

第三步计算各层神经元的输出。对于输入层神经元,其输入和输出值相同,即Oni=Xni,其中Xni为第n个样本的第i个值;对于隐含层和输出层的神经元输出的操作函数为,其中Oni既是神经元i的输出又是神经元j的输入,f(x)是一个非线性可微分递减函数。

第四步计算各神经元的误差信号。

输出层:βnj=(ynj-onj)onj(1-onj),ynj为期望输出值。

隐含层:βnj=oni(1-oni)∑jβnjαnj

第五步反向传播,修正权重。

αij(t+1)αij(t)+xβnjonj,x为学习速率或步长。

第六步计算误差。,当Er小于给定的拟合误差,网络训练结束;否则转到第三步继续训练。

第七步根据系统的输出结果对供应商进行综合评价。实际中根据系统的输出值划分相应的等级,0.9-1为“很好”,0.7-0.9为“好”,0.6-0.7为“较好”,0.5-0.6为“一般”,0.4-0.5为“较差”,0.2-0.4为“差”,0.2以下为“很差”,从而对供应商进行筛选。同时,把训练好的神经网络模型存入计算机系统,形成企业供应商评价的专家知识库,在需要时从计算机存储中调出即可使用。由于篇幅的原因,本文不再给出具体的算例。

结论

综上所述,本文分析总结了第四方物流环境下供应商评价指标呈现出来的新特点,并在此基础上构建了第四方物流环境下供应商综合评价指标体系。在评价方法的选取上,本文建立了BP神经网络的供应商评价模型,通过神经网络的自学习性、自适应性以及超强的纠错能力,实现对供应商综合能力的动态评价并能避免人为赋权的主观性。同时,把训练好的模型存入计算机系统,在选择不同的供应商时只需改变相应的评价指标值就能够较方便的实现,该模型在第四方物流企业为客户提供供应链解决方案时,针对不同的供应商的选择有一定的指导意义。

参考文献:

1.刘舒燕,王飞洲.第四方物流核心竞争力研究.武汉理工大学学报,2004

2.姚建明,张秀敏,刘丽文.4PL模式下供应链资源整合决策机制研究.科学学与科学技术管理,2007.3

3.Dickson G W An Analysis of Vender Selection System and Decisions [J],Journal of Purchasing,1966

4.Weber C A, Current J R,Benton W C. Vendor Selection Criteria and Methods [J],European Journal of Operational Research, 1991.50

5.马士华,林勇.供应链管理(第二版)[M].机械工业出版社,2005

6.马丽娟.基于供应链管理的供应商选择问题初探[J].工业工程与管理,2002.6

7.王旭坪,陈傲.基于电子商务的供应商评价与优化[J].管理科学,2004

8.刘彬,朱庆华.基于绿色采购模式下的供应商选择[J].管理评论,2005

9.袁曾任.人工神经元网络及其应用[M].清华大学出版社,1999