基于协同视角的供应链绩效评价

一、引言

全球一体化进程的加快，企业间的竞争逐渐升级为供应链间的竞争。市场需求的不确定性，又加剧其竞争。糟糕的市场需求预测，也可能产生了“牛鞭效应”。供应链管理已经成为提高企业生产率和获利能力的主要竞争策略，影响企业的生存和发展。而一个合适的绩效评价系统是有效供应链管理的重要一环，绩效评价可以发挥企业标杆作用和促进整个供应链的运行效率。目前已有一些供应链绩效评价方法，如平衡记分卡法和模糊综合分析法，但是对于供应链这一复杂体系来说，由于评价指标繁多，常常掩盖指标的相关性。因子分析法考虑指标间的内部结构，将多个指标简化为几个综合指标，省时省力，并且而且还会保留变量信息，被广泛应用在实际工作中。本文在陈冬冬、彭其渊（2009）和彭志忠（2008）的基础上，从协同视角分析了序参量相互影响，随机涨落项很大，盈利能力不强的原因是供应链缺乏柔性，最终造成整体供应链绩效不佳，并提出相应对策。

二、问题的描述

对于不论由上、下游企业组成的简单供应链来说，还是对于多个相关产业延伸的广义供应链来说，各企业都是以获得最大的经济利润和提高市场份额为目标，可以说它是一条价值链。各节点企业围绕着价值，不断形成竞争和合作的格局。链中各企业竞争资源，会增加正熵，带来链条的不稳定，即无序状态，这时链条需重新寻找基点，并通过合并、协作，产生协同效应，又达到高级稳定态，即有序状态。供应链从无序到有序或从低级有序向高级有序的运动，符合协同系统的演变规律。协同学是哈肯教授在1972年提出，由于它能够使用序参量方程来描述从无序到有序的演化，被广泛地用来解释自然系统和社会系统出现的各种现象。序参量是微观子系统集体运动的产物，是协同效应的表征和度量。依据支配原理，把供应链系统内最直接的、占主导地位的、可控的影响因素作为序参量，而非主宰因素作为控制参量。序参量是系统的内生变量，贯穿供应链系统的各阶段。依据“资源依赖模式”思想，各节点企业要获得核心能力，在很大程度取决于内部的特点。综上可知，协同能力和盈利能力是两个序参量，通过支配子系统协同运动，从而促使系统的演化。而在序参量的运动中，需求波动起了扰动作用。由于顾客的需求受多种因素的影响，往往表现出一定的不确定性，即产生所谓的需求风险，对供应链和各节点企业带来必要的成本浪费。

基于此，可以假设供应链系统的两个子系统是盈利子系统和协同子系统。对供应链绩效的评价，就需要使用两个子系统的指标来定量评价系统的业绩。两个子系统的财务指标具有众多、相关的特点。而实际评价工作要求省时省力，而且能解决指标间相关性问题，也能最大限度保留原有指标所含有的信息。这时，因子分析是一个较好的选择。

三、供应链绩效的因子评价

第一，样本选取与数据处理。本文使用陈冬冬、彭其渊（2009）的基本数据，选择影响供应链绩效指标有16个，样本有18个（见表1）。其中指标名称为供应链资本收益率、供应链库存天数、现金周转率、客户销售增长率、有效提前期、时间柔性、目标成本达到比率、新产品销售率、供应链持有成本、产品最终组装点、信息共享率、团队参与程度、订单总循环、客户对柔性相应认同、客户价值率和客户保有率，用x表示，i=1，2…，16。首先，对数据的质量进行识别。分析发现，超过90%样本的新产品销售率、客户价值率、客户保有率三个指标数值都为1，它们为无效变量。然后通过归一化处理数据。这样可以减少数据嘈杂性，加快网络的迭代速度。对逆指标数据使用（xij-xmin）/ （xmax-xmin）；对正指标数据使用1-（xij-xmin）/（xmax-

xmin）。最后，进行适用性分析。剔除相关系数值小于0.3的变量后，得到矩阵X8×18，样本规模符合小样本。而且球形Bartlett检验的F值和显著性统计量表明应拒绝各变量独立的假设，并且KMO 统计量为0.629，小于0.7，说明各变量间信息的重叠程度虽不是特别高，但可以进行因子分析（见表2）。

第二，因子分析。因子分析法是一种数据降维法，是在变量相关性很强和尽可能保存原有信息的前提下，用较少的维度新变量去表示原来的数据结构。新变量按照方差依次递减的顺序排列，具有最大方差为第一因子 F1、依次第二因子F2…第N因子。则因子评价值F=（aij）TFij，其中aij是因子贡献，Fij是第i个因子的标准化后变量的得分函数。利用SPSS16软件来完成。采用的方法：相关系数法―提取因子的方法，主成分法―公因子提取方法，方差最大法―旋转方法，最小二乘法―因子得分方法。

分析碎石图可知，明显的拐点是2，后6个因子散点形成了平台，且特征值均小于1。采用主成分法和方差最大法，计算旋转后的因子载荷矩阵（见表3），发现前2个因子累计贡献占总方差为80.672%，迭代了3次。则选取两个公因子F1和F2。

从表3可以看出，第一公因子在x1，x4，x6，x14都有较大载荷，x1和x4反映供应链盈利状况，x6和x14反映柔性管理情况。柔性管理包括对待风险的反应速度。此公因子暂且定义为风险收益因子；第二公因子在x11，x12，x13，x3都有较大载荷，主要体现在协同能力上，因此公因子定义为协同因子。以方差贡献率为权数，得出供应链模型 F=0.5092F1+0.4908F2。两个公因子的系数基本相等，表明公因子对供应链协同影响程度相当，公因子之间作用力相当，它们交互影响。

计算18个样本的综合因子得分，并且排序（见表4）。从表4中看出，两个公因子正负值基本各占一半，在绝对数方面，负值大于正值，正负差距较大。说明序参量涨落较为明显。序参量的涨落项是不确定的市场需求。微小的涨落通过系统协同效应迅速放大，产生整体的巨涨落，完成跨越式跳跃，有序度递增，从而形成新的有序状态。F1值除样本1外都是负值，说明供应链节点企业的盈利能力不强，供应链柔性能力不强，对待风险的反应速度缓慢，没有具有柔性观念。盈利能力不强，就不能形成协同效应，最终造成供应链绩效不高，这点从表3也可看出。

如果用16个指标进行因子分析，得出系数矩阵是非正定的。陈冬冬、彭其渊（2009）剔除3个指标后，把13指标分类6个公共因子。指标涵盖范围非常全面，但数据的获取难度较大，得到的定性数据较多，而且提取的6个公因子的涵盖性、解释力和可操作性不强。而本文的方法的优势是：首先考虑样本结果的可靠性，剔除8个变量，样本数是变量数的近3倍；其次考虑变量的相关性，除了用相关系数0.3来衡量，还进行了KMO和Bartlett适用性检验；最后提取了2个公因子，加快了迭代次数，且两个公因子具有实际意义，是两个序参量，足以涵盖供应链内容，反映其演化本质。

从上述排序结果看，其协同效果较高的有样本1到7，其得分均大于0，其中最好的是样本1 和6，余下的均小于0，不是理想的绩效。这与陈冬冬、彭其渊（2009）排序结果基本相同，也与上海某动力设备有限公司的实际情况相符。这也是目前我国供应链的状况，供应链运营成本偏高，供应链间信任度较低，供应链柔性也不高。

四、结论

在对数据进行处理后，运用因子分析法对供应链进行绩效评价，不但增强了供应链绩效评价方法可操作性和准确性，而且从协同角度分析，抓住了供应链系统演化的本质和规律，同时也抓住了影响供应链运营的瓶颈。盈利能力和协同能力是两个序参量，市场需求波动是涨落项。从序参量的变动状况和趋势，反映出供应链绩效不高，主要原因在于企业的盈利能力不强，对待需求变动反应不快，柔性不强。这需要加强供应链的柔性管理和实行信息共享。一方面，设计产品、工艺和人力资源等的柔性和时间柔性。例如，产品立足市场的标准，设定合理的提前期等。另一方面，建立企业信用档案，每年对信用度进行评价，以提高信任水平。鼓励供应链中各企业扩大信息共享的深度和广度，并惩罚供应链平台的虚假信息。

参考文献：

［1］T.Sundar Raj， S.Lakshminarayanan.Performance assessment/

enhancement methodology for supply chains ［J］. Ind. Eng.Chem.Res. 2008， 47: 748-759.

［2］Gunasekarana A， Patelb C， Mc Gaughey R E. A frame- work for supply chain performance measurement ［J］. International Journal of Production Economics， 2004， 87: 333-347.

［3］Peter C Brewer， Thomas W Speh. Using the balanced scorecard to measure supply chain performance ［J］. Journal of Business Logistics， 2000， 21（1）: 75-93.

［4］张翠华、周 红、赵淼等：《供应链协同绩效评价及其应用》，《东北大学学报》（自然科学版）2006年第6期。

［5］陈冬冬、彭其渊：《基于因子分析法的供应链绩效评价》，《统计与决策》，2009年第6期。

［6］彭志忠：《供应链协同绩效评价体系实证效应分析》，《中国流通经济》2008年第9期。

［7］温志嘉、侯亮、陈峰：《基于协同学的产品协同开发链协调机制研究》，《科技进步与对策》 2008年第6期。