基于DSmT的供应商绩效评价方法研究

Research on Performance Evaluation for Selection of Supplier Based on DSmT

Li Jing

（School of Management，University of Science and Technology，Hefei 230026，China；

China Electronics Technology Group Corporation No.38 Research Institute，Hefei 230088，China）

摘要：针对供应商绩效评价这一不确定多属性决策问题，运用DSmT方法建立一个多属性融合模型。在DSmT框架下，首先将各指标对供应商的评价转化为各指标对供应商的置信指派，然后结合指标重要度对其进行折扣，随即将各指标评价结果融合为最终评价结果。结合算例说明了方法的有效性。

Abstract: To solve the uncertain multiple attribute decision making (MADM) problem of the performance evaluation and selection of suppliers, a multi-attribute-fusion model is developed via the DSmT. In the frame of DSmT, we transfer the evaluations by the guidelines to the belief values first; then, combining with the importance of guidelines we discount the belief values which are educed before. At last, the discounted belief values are fused to the final values：the final result of the performance evaluation. An example is given for the evaluation of suppliers to verify the effectiveness of the proposed method.

关键词：供应商 绩效评估 DSmT

Key words: supplier；performance evaluation；DSmT

中图分类号：F253 文献标识码：A文章编号：1006-4311（2011）26-0020-02

0引言

供应链是由供应商、核心企业、销售商和最终客户组成的复杂网链，是当前企业间竞争的一种主要形式。供应商的评估与选择作为供应链正常运行的基础和前提条件，是制造过程中资源利用的经典问题，其中既有反映环境状态的客观因素，又有采购方对指标评判认识的不确定和偏好的主观因素，因此评价过程本身就是一个不确定的过程，是将多个方面对供应商的评估融合成最终评价的过程，为此，将广泛应用于多源不确定信息融合问题的DSmT方法引入供应商绩效评价有着重要的意义。

1传统方法

以往的大多数供应商评价的数学方法都属于多目标评价范畴，是以确定评价指标的指标权重为基础，通过计算供应商的综合得分作为评价依据。如1994年Weber提出的应用多目标规划的层次分析法（AHP）[1]。为了减少多目标决策中加权因子评价的随意性，1996年Konings提出的基于活动作业的成本分析法（ActivityBasedCosting，ABC）。后又有学者提出数学规划方法，如数据包络分析（DEA）方法以及AHP/DEA的组合算法[2]等。随着数据分析和信息融合的方法得到发展，许多经典的数据挖掘和融合方法被用于供应商评价，而非仅仅综合各个属性以及权重的打分。如聚类分析方法、学习模型等，将证据理论方法引入供应商选择的方法、基于多粒度二元语义的选择方法[3]。

其中传统的证据理论方法虽然在不确定性的表示、量测和组合方面具有优势，但在实际应用时对高冲突的信源融合结果与常理相悖，2002年，Dezert和Smarandache提出的DSmT[4]算法，在形式上打破了辨识框架中的基本元素是互斥的假设，能够处理多源信息的模糊性、不确定性和高度冲突性，融合效果好。供应商绩效评估中各指标评价结果相互冲突的现象很普遍，因此本文将DSmT算法引入供应商绩效评估中，拟从另外一个思路去解决供应商绩效评价问题；同时，Shafe[4]提出证据融合中的折扣理论，认为不同证据的可靠度不一，应该依据其可靠度对其进行折扣，这一思想正和供应商选择中不同指标的权重相类似，也可将其借鉴到供应商选择中去。

2相关理论

2.1 DSmT基本理论DSmT推理是证据理论的新发展，它建立在一个被称为辨识框架的非空集合?专，?专由一系列穷举的超幂集（hyper-power set）组成。超幂集即是辨识框架?专={?兹1，?兹2，…，?兹n}中的元素，通过“∪”和“∩”运算所形成的所有符合命题的集合。与传统的证据推理方法相比，排除了基本命题的互斥性要求。

2.1.1 一个重要定义【定义2.1.1】设?专为辨识框架，?专上的广义基本置信分配（generalized basic belief assignment/mass函数，gbba）定义为m（・）∶D?专[0，1]满足下列条件[4]：

①m（?I）=0； ②■m（A）=1，

m（A）也称为质量函数或mass函数。一般情况下mass函数是人们凭经验给出的，m（A）表示证据支持命题A本身发生的程度，而不支持任何A的真子集。条件①表明对于空集（空命题）不产生任何置信；条件②反映了总的置信度为1。

2.1.2 一个重要公式在辨识框架?专={?兹1，?兹2，…，?兹n}上，k?叟2个独立证据源的free-DSm模型Mf（?专）的组合规则为[4]：

m■（A）?劬[m■?茌…?茌m■]（A）

=■■m■（X■） （1）

供应商绩效评价体系中可以以对不同的指标评价结果作为DSmT理论中相应的证据，用融合而不是加权打分的方法进行综合评判。

2.2 Shafer的折扣理论Shafer的折扣理论假设当某证据源可靠度为（1-?琢）时，对不可靠的证据根据其可靠度进行折扣，相应减少的置信指派置给未知，即由此证据产生的置信分配m由下列公式[4]进行折扣：m?琢（A）=（1-?琢）m（A）?坌A?奂?专（2）

m?琢（?专）=（1-?琢）m（?专）+?琢（3）

利用可靠度对置信指派进行折扣，可保留可靠度大的证据，削弱可靠度低的证据。对证据进行修正后再运用相关理论进行融合。在供应商绩效评价中，不同指标的权重系数相当于不同指标的评价结果的可靠度，可据此进行折扣后再进行融合。

2.3 供应商绩效评价指标体系对供应商指标问题系统研究最早的是Dickson.G.W[5]，1966年他通过分析170份采购人和经理的调查结果，提出了23个供应商评价指标，同时把产品质量、成本和交货期列为重要程度最高的前三个因素。此后，许多学者进行了大量的研究，如Ellram[5]在1990年提出在进行供应商绩效评估时，除了要考虑如成本、质量、交货期等一般的量化标准之外，还应考虑某些如管理相容性、目标一致性等软指标；而Patton[5]认为价格、质量、交期、销售支援、设备与技术、订货情形、以及财务状况7项因素是供应商评估的要点；Goffin K.[5]于1997年提出传统供应链与现代供应链环境下供应商选择标准的异同；Yahya和Kingsman[5]运用层次分析法得到了包括质量、响应、交货、纪律性、财务、管理、技术能力以及设施等指标在内的供应商评价体系及相应的权重。2008年Wan Lung Ng[6]提出选择供应商时还应考虑供应商的管理水平和发展速度等软性指标。

3DSmT方法在供应商绩效评估中的应用

在供应商绩效评估中采用多源信息融合的DSmT方法，即是将每项指标看作是供应商绩效情况的一条证据，将各证据（各指标）融合成绩效评估的最终结果。而对于不同企业不同阶段来说其对不同指标的重要度也不一样，指标权重即作为2.2中的可靠度对证据的置信指派进行折扣，削弱权重低的指标影响，加强权重高的指标影响。设共有n条指标，m个供应商。方法主要步骤为：

①for i=1：n将第i个指标对m个供应商的打分情况转化为第i条证据，以各分值证据占据总分值的比重对m个供应商进行置信指派。End。②以权重最大的指标为基准，根据各个指标的权重计算证据的折扣系数，对证据进行折扣。③运用DSmT方法对不同级别的指标进行融合，最终结果输出。

4算例说明

假设现有质量、交货能力、价格、信誉四种指标。需要对3家供货商A、B、C进行评价，四种指标的权重以及分别对三家供应商打分情况见表1。

相应地转化为对三家供应商的四条证据以及各证据的可靠度如表2。

则通过折扣后各证据对供应商的置信指派如表3。由表3可见这里由于对质量要求最高，权重最高，证据没有削弱，而对交货能力和信誉要求较低，证据被削弱，将大部分置信指派置给了，也就是说由于其权重低，其指标结论被模糊化。

最后再通过DSmT方法进行融合可得到最终的评价结果为：A为0.3191，B为0.3534，C为0.3276。最终结果判决供应商B为最优，这样一个属于多属性决策问题的供应商评价问题就转化为多源信息融合问题，同时也考虑到了各指标的重要度。

5结论

供应商的绩效评价是一个处理多源不确定、矛盾信息的复杂过程。DSmT是一种处理模糊、不确定、高冲突性信息的融合推理算法。本文提出一种基于DSmT的供应商绩效评价方法，将供应商评价这一多属性决策过程转化为多源信息融合过程，并基于Shafer的折扣理论将指标权重对决策的影响映射到证据的折扣中去。算例证明，本文方法可以很好地应用于供应商绩效评估中，并具有DSmT算法本身拥有的处理不确定性、高冲突性的优势。

参考文献：

[1]Cebi F，Bayraktar D. An integrated app roach for supp lier selection. Logist Inf Manage，2003，16（6）:395.

[2]Liu J，Ding F Y，LallV. Using data envelopment analysis to compare suppliers for supplier selection and performance imp rovement. Supply Chain M anage Int J，2000，5（3）:143.

[3]王艳琴，刘新旺.基于多粒度二元语义的供应商选择方法[J].价值工程，2008，（11）:65-67.

[4]F. Smarandache，J. Dezert. Advances and applications of DSmT for information fusion [M]. American Research Press，Rehoboth，2004.

[5]胡光杰.数据挖掘在供应商评价中的应用[D].安徽大学，2007.

[6]Wan Lung Ng.An efficient and simple model for multiple critera supplier selection problem.European Journal of Operational Research.2008，186（3）:1059-67.