張樹山，郭 坤，孫 毅

(東北師范大學(xué)商學(xué)院，吉林長春 130117)

一、引言

當(dāng)今世界，科技協(xié)同創(chuàng)新已經(jīng)成為國際競爭的決定性力量。隨著全球經(jīng)濟(jì)不確定性趨勢增強(qiáng)和企業(yè)間競爭日趨激烈，競爭及市場全球化迫使企業(yè)通過構(gòu)建高效健壯的全球供應(yīng)鏈體系來應(yīng)對客戶的動態(tài)化需求。全球供應(yīng)鏈系統(tǒng)管理受到了理論與實(shí)業(yè)界的高度關(guān)注。供應(yīng)鏈管理已經(jīng)成為公司優(yōu)化柔性、滿足動態(tài)市場需求的重要手段［1］。供應(yīng)鏈管理的目標(biāo)就是對顧客需求和供應(yīng)鏈風(fēng)險做出快速反應(yīng)，降低產(chǎn)品成本、增加利潤、改善顧客服務(wù)水平、優(yōu)化庫存、改善訂貨周期和業(yè)務(wù)流程［2-3］。而創(chuàng)新成為企業(yè)謀求生存的最為重要的戰(zhàn)略選擇之一。在全球供應(yīng)鏈中找到最合適的科技協(xié)同創(chuàng)新合作伙伴具有降低產(chǎn)品研發(fā)風(fēng)險、增加長期收益的戰(zhàn)略意義。Mentzerd 等學(xué)者［4］認(rèn)為供應(yīng)鏈協(xié)同能實(shí)現(xiàn)利益共享、有利合作伙伴發(fā)展。Cao 和Zhang 認(rèn)為供應(yīng)鏈協(xié)同有利于企業(yè)增加績效［5］。在供應(yīng)鏈研發(fā)合作伙伴間，通過研發(fā)協(xié)同、知識共享來共同提升學(xué)習(xí)能力、創(chuàng)新能力，公司能夠改善知識吸收能力，能夠快速頻繁地推出新產(chǎn)品和服務(wù)，增強(qiáng)整個供應(yīng)鏈的競爭力［6］。在當(dāng)今全球經(jīng)濟(jì)一體化發(fā)展趨勢下和國家大力推進(jìn)科技創(chuàng)新的背景下，我國企業(yè)對全球供應(yīng)鏈創(chuàng)新合作伙伴的評估和選擇問題急需理論指導(dǎo)。因此，對全球供應(yīng)鏈系統(tǒng)環(huán)境下的科技協(xié)同創(chuàng)新合作伙伴評估問題研究非常必要和緊迫。

二、文獻(xiàn)回顧

(一)評估指標(biāo)體系研究現(xiàn)狀

由于產(chǎn)品生命周期越來越短，公司需要頻繁而快速地創(chuàng)新?，F(xiàn)有研究中，關(guān)于產(chǎn)品研發(fā)項(xiàng)目選擇的研究文獻(xiàn)很豐富。然而，考慮供應(yīng)鏈協(xié)同管理需求，對產(chǎn)品(服務(wù))研發(fā)合作伙伴評選的研究卻很少。Chen 和Hung 認(rèn)為和供應(yīng)商、客戶關(guān)系緊密，有利于公司順利開展創(chuàng)新活動［7］。在供應(yīng)鏈網(wǎng)絡(luò)中，成功開展新產(chǎn)品創(chuàng)新的第一步就是要正確評估創(chuàng)新合作伙伴，并且與合作伙伴建立起長期穩(wěn)固的協(xié)同關(guān)系。Chen 等學(xué)者構(gòu)建了一套合作伙伴評選方法，把評估指標(biāo)分為組織間兼容性、技術(shù)兼容性、R＆T資源、財務(wù)狀況等四類［8］。Fan 等學(xué)者認(rèn)為科技合作伙伴選擇應(yīng)考慮合作組織個體情況和協(xié)同能力情況［9］。Raiden 等學(xué)者認(rèn)為評選指標(biāo)應(yīng)該包括成員研發(fā)能力、合作經(jīng)歷、合作需求和意愿、責(zé)任心等四個方面［10］。Quelin 列出評選科技合作伙伴指標(biāo)包括:能力、榮譽(yù)、難易程度、動機(jī)和強(qiáng)烈程度［11］?，F(xiàn)有研究表明，指標(biāo)一般包括財務(wù)狀況、技術(shù)水平、組織文化、動機(jī)、榮譽(yù)、管理者態(tài)度和市場能力等幾個方面。本研究將在現(xiàn)有研究和調(diào)查的基礎(chǔ)上，提出一套適合于全球供應(yīng)鏈系統(tǒng)環(huán)境下的科技協(xié)同伙伴評估指標(biāo)體系。

(二)評估方法研究現(xiàn)狀

目前，合作伙伴評估技術(shù)和方法較多，這是一個重要的研究領(lǐng)域。這些方法包括線性規(guī)劃法、數(shù)據(jù)包絡(luò)分析法、成本分析法、神經(jīng)網(wǎng)絡(luò)法、層次分析法、模糊理論、ANP 法、TOPSIS 法等。近年來，各種方法的集成應(yīng)用在供應(yīng)鏈管理文獻(xiàn)中開始出現(xiàn)［12-13］。

決策者在評估科技協(xié)同合作伙伴時要同時考慮大量復(fù)雜的指標(biāo)。Multi-criteria decision-making(MCDM)決策技術(shù)能夠更好解決多個指標(biāo)綜合評估問題。另外，MCDM 能夠同時考慮定性和定量因素。但許多傳統(tǒng)的多指標(biāo)決策方法多沒有考慮指標(biāo)之間的相互影響。然而，多數(shù)情況下，各個評估指標(biāo)間并不是相互獨(dú)立的［14］。網(wǎng)絡(luò)分析方法(ANP)是一種構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)模型進(jìn)行決策分析的方法，已經(jīng)被成功應(yīng)用到多個領(lǐng)域，如Chang 等學(xué)者用AHP/ANP 方法評估數(shù)碼錄像機(jī)［15］。

另外，TOPSIS 法是多目標(biāo)決策分析中一種常用的方法，又稱為優(yōu)劣解距離法［16］。其原理是通過檢測評估對象與最優(yōu)解、最劣解的距離來進(jìn)行排序，若評估對象最靠近最優(yōu)解同時又最遠(yuǎn)離最劣解，則為最好;否則為最差。TOPSIS 方法易于理解、計算也并不復(fù)雜。

決策者在決策過程中，往往要處理因個人偏好和經(jīng)歷不同而面臨的決策不確定性和模糊性問題。模糊理論被認(rèn)為是解決不確定及模糊性問題的有效工具。現(xiàn)實(shí)世界中，很多問題帶有模糊和不確定性，很多情景因無法獲得真實(shí)、準(zhǔn)確的數(shù)據(jù)，而無法精確建模［17］。模糊理論的引入，可以用于描述這類決策過程。因?yàn)榭萍柬?xiàng)目往往缺乏歷史數(shù)據(jù)，唯一能夠使用的數(shù)據(jù)是專家的經(jīng)驗(yàn)和知識［18］。

現(xiàn)有決策方法和模型提升了科技協(xié)同創(chuàng)新合作伙伴評估問題的效率。然而，適合的科技協(xié)同創(chuàng)新合作伙伴評估方法還相當(dāng)有限，在現(xiàn)有文獻(xiàn)中，沒有集成模糊ANP 和TOPSIS 方法對科技協(xié)同創(chuàng)新合作伙伴評估方面的研究報道。另外，現(xiàn)有對合作伙伴的研究中，很少關(guān)注供應(yīng)鏈系統(tǒng)中科技協(xié)同創(chuàng)新因素。實(shí)際上，協(xié)同關(guān)系是科技伙伴選擇中一個重要問題［19］?，F(xiàn)有研究方法很難解決供應(yīng)鏈網(wǎng)絡(luò)環(huán)境下的科技協(xié)同創(chuàng)新合作伙伴的評估問題。因此，需要提出一種合適的評估方法解決此類問題。

本論文在構(gòu)建一套評估指標(biāo)體系基礎(chǔ)上，提出模糊ANP-TOPSIS 集成的科技協(xié)同創(chuàng)新合作伙伴評估模型。引入三角模糊數(shù)概念，用模糊ANP 方法標(biāo)定各個指標(biāo)權(quán)重，用模糊TOPSIS 方法對合作伙伴排序評估，并驗(yàn)證了所提方法的可行性和有效性。

三、三角模糊理論

(一)三角模糊數(shù)運(yùn)算規(guī)則

三角模糊數(shù)記為M =(l，m，u)，由(l，m，u)決定，且隸屬函數(shù)值為:

當(dāng)l=m=u時，M 為一個精確數(shù)。兩個M1=(l1，m1，u1)和M2=(l2，m2，u2)三角模糊數(shù)運(yùn)算規(guī)則如下:

模糊數(shù)M1和M2之間距離可以用下式計算［20］:

兩個三角模糊數(shù)可按如下方法進(jìn)行比較［21-22］:

M1≥M2的可能度為:

設(shè)由n +1 個三角模糊數(shù)構(gòu)成的集合為H =(M，M1，M2，…，Mn)，則M≥M1，M2，…，Mn的可能度為:

(二)評估指標(biāo)權(quán)重計算步驟

1．形成模糊判斷矩陣。利用三角模糊數(shù)定量表示，形成三角模糊判斷矩陣Mk=［Mij］n×n，由決策者給出針對第K 個上一級目標(biāo)的評估值，其中元素Mij=(lij，mij，uij)是一個閉區(qū)間，lij表示最保守評估值，mij表示最可能評估值，uij表示最樂觀評估值，從而形成三角模糊初始評估矩陣。

3．計算綜合重要程度值。依據(jù)前述模糊數(shù)計算法則，再根據(jù)公式:

7．計算綜合指標(biāo)權(quán)重向量。如果k-1 層對總目標(biāo)的排序權(quán)重向量為，…，，那么第k 層上全體元素對總目標(biāo)的綜合排序Wk由下式給出:

其中:

四、三角模糊FANP-TOPSIS 集成評估模型

(一)評估過程

步驟1:設(shè)計科技協(xié)同創(chuàng)新伙伴評估研究方案，對模糊ANP 和模糊TOPSIS 理論研究與應(yīng)用現(xiàn)狀進(jìn)行分析;

步驟2:計算基于模糊ANP 的全局指標(biāo)權(quán)重，具體包括:

·開發(fā)科技協(xié)同創(chuàng)新伙伴評估概念模型;

·用三角模糊數(shù)構(gòu)建模糊判斷矩陣;

·判斷矩陣的一致性檢驗(yàn);

·計算科技協(xié)同創(chuàng)新伙伴評估全局指標(biāo)權(quán)重。

步驟3:基于模糊TOPSIS 方法，對每一個評估方案進(jìn)行排序，具體包括:

·計算正理想解和負(fù)理想解;

·對科技協(xié)同創(chuàng)新伙伴進(jìn)行排序。

步驟4:案例分析

·收集所需數(shù)據(jù)和資料;

·用所提出的方法對科技協(xié)同創(chuàng)新伙伴進(jìn)行評估;

·選定最合適的科技協(xié)同創(chuàng)新伙伴。

(二)評估指標(biāo)體系

基于現(xiàn)有文獻(xiàn)研究和評估需要，考慮全球供應(yīng)鏈成員間的文化差異性，本論文中給出的評估體系包括六個方面指標(biāo)，分別為公司信譽(yù)、文化兼容性、組織柔性、技術(shù)能力、合作動機(jī)和協(xié)同能力。指標(biāo)間的相互關(guān)系詳見圖1 所示。這些指標(biāo)并未包括所有決策因素。然而，很多研究文獻(xiàn)表明，這些指標(biāo)是進(jìn)行科技協(xié)同創(chuàng)新伙伴評估的最重要的指標(biāo)［23-24］。

圖1 基于模糊ANP 方法的新產(chǎn)品R＆D 協(xié)同創(chuàng)新伙伴評價指標(biāo)體系

圖1 中，單向箭頭表示單獨(dú)作用關(guān)系，雙向箭頭表示相互作用關(guān)系。例如，從C5 離開指向C3的箭頭表示因素C5 對因素C3 有影響。同樣，因素C4 和C6 之間的箭頭表示他們之間相互都有影響。

(三)三角模糊FANP-TOPSIS 集成評估方法

1．模糊ANP 方法

層次分析(AHP)方法中因假設(shè)元素間相互獨(dú)立而偏離實(shí)際，而網(wǎng)絡(luò)分析(ANP)方法考慮了每個評估指標(biāo)之間的相互關(guān)系以及每個評估指標(biāo)內(nèi)部因素的相互作用［25］。圖2 給出了ANP 方法的結(jié)構(gòu)圖。

圖2 網(wǎng)絡(luò)分析(ANP)方法結(jié)構(gòu)圖

模糊ANP 方法是將模糊綜合評估和傳統(tǒng)網(wǎng)絡(luò)分析法有機(jī)結(jié)合形成的新的系統(tǒng)評估分析方法。模糊網(wǎng)絡(luò)分析(ANP)方法的實(shí)現(xiàn)步驟如下:

步驟1:首先構(gòu)建評估指標(biāo)體系，然后決策者對評估指標(biāo)及對象進(jìn)行兩兩比較，構(gòu)造模糊判斷矩陣，并依據(jù)三角模糊數(shù)計算規(guī)則對各個決策者判斷矩陣進(jìn)行合成;

步驟2:應(yīng)用FANP 方法確定各指標(biāo)的局部和全局權(quán)重。為模糊TOPSIS 方法提供數(shù)據(jù)支持。

2．模糊TOPSIS 方法

TOPSIS 方法是解決多指標(biāo)決策問題的一種常用方法，其基本思路是:確定一個最佳方案和最差方案，然后計算每個備選方案距離最佳方案和最差方案的距離;最后利用理想解的相近接近度作為綜合評估的標(biāo)準(zhǔn)。傳統(tǒng)TOPSIS 方法無法有效應(yīng)對決策中的模糊性信息，因此本文基于三角模糊數(shù)表示方法，對TOPSIS 方法中的各指標(biāo)權(quán)重和備選方案的等級采用了語言變量進(jìn)行描述，引入模糊TOPSIS 方法解決科技協(xié)同創(chuàng)新伙伴評估問題。用TOPSIS 方法求解步驟如下:

步驟1:方案決策矩陣規(guī)范化處理。決策矩陣中元素rij計算如下:

上式中Xij決策矩陣初始值，i 表示第i 個決策方案，j 表示第j 個評估指標(biāo)。

步驟2:基于FANP 方法計算得出的全局評估指標(biāo)結(jié)果，計算考慮指標(biāo)加權(quán)后的TOPSIS 規(guī)范化決策矩陣vij．公式如下:

其中:wij是第j 個指標(biāo)的權(quán)重，且滿足=1．

步驟3:確定最佳合作伙伴和最差合作伙伴，其中Cb是效益目標(biāo)集，Cc是成本目標(biāo)集。

步驟4:計算每一個合作伙伴和最佳合作伙伴及最差合作伙伴的歐氏距離，公式如下:

其中dv(．，．)，表示兩個模糊數(shù)之間的距離。

步驟5:計算每個合作伙伴對最佳合作伙伴的相對接近程度，公式如下:

步驟6:根據(jù)每個合作伙伴對最佳合作伙伴的相對接近程度由大到小排序。的值應(yīng)該在0至1 之間，該值越大表明合作伙伴約接近最佳合作伙伴狀態(tài)。

五、方法應(yīng)用

以中國某汽車制造企業(yè)供應(yīng)鏈協(xié)同科技合作伙伴評估為例，驗(yàn)證方法的適用性。有8 個待評估合作伙伴，分別為P1，P2，P3，P4，P5，P6，P7 和P8。首先，成立一個由3 人組成的決策小組，選定的評估指標(biāo)如前圖1 所示。

不同影響程度采用11 個語言變量進(jìn)行描述，對應(yīng)的三角模糊數(shù)表示表1 所示。

表2 中給出了相對評估目標(biāo)而言各評估指標(biāo)間相互重要程度判斷矩陣的語言變量描述和對應(yīng)三角模糊數(shù)的示例，其它各級指標(biāo)計算方法類似。

表1 指標(biāo)評估的語言變量表示

表2 相對評估目標(biāo)各指標(biāo)間相互重要度評估矩陣的語言描述和模糊數(shù)表示

在所有局部指標(biāo)權(quán)重計算完成后，可以利用超級矩陣計算得到全局指標(biāo)權(quán)重，計算結(jié)果如下:

根據(jù)模糊TOPSIS 計算步驟，首先計算決策者們對各候選合作伙伴各項(xiàng)評估指標(biāo)的加權(quán)評估綜合值，見表3．

模糊最佳解集合和模糊最差解集合分別表示如下:

A+，

根據(jù)公式(15)、(16)和(17)，可以計算出每個評估指標(biāo)的每一個候選合作伙伴與最佳值和最差值之間的距離，如表4 所示，接近系數(shù)計算結(jié)果如表5 所示。可見，第4 個合作伙伴最優(yōu)。

表3 3 個決策者對各個指標(biāo)評估語言描述和對應(yīng)的三角模糊數(shù)加權(quán)綜合評估值

表4 每個指標(biāo)的距最佳值與最差值之間的距離值

表5 各個候選合作伙伴的最終評估值及排序結(jié)果

六、總結(jié)

在全球供應(yīng)鏈系統(tǒng)中找到最合適的科技協(xié)同創(chuàng)新合作伙伴具有降低產(chǎn)品研發(fā)風(fēng)險、增加長期收益的戰(zhàn)略意義。由于全球供應(yīng)鏈系統(tǒng)科技協(xié)同創(chuàng)新合作伙伴評估問題的復(fù)雜性和決策者的傾向性，這類決策信息具有模糊性，傳統(tǒng)ANP 及傳統(tǒng)TOPSIS 方法均無法有效處理這些不確定性信息，應(yīng)用具有局限性。本論文提出了一種基于三角模糊數(shù)的ANP 和TOPSIS 集成的科技協(xié)同創(chuàng)新合作伙伴評估新方法，在建立評估指標(biāo)體系基礎(chǔ)上，用模糊ANP 確定指標(biāo)權(quán)重，然后根據(jù)模糊TOPSIS 方法計算各候選合作伙伴與最佳合作伙伴之間相對距離進(jìn)行評估。最后通過一個實(shí)例驗(yàn)證了方法的可行性和有效性，該方法計算簡單且容量理解，可以提高全球供應(yīng)鏈科技協(xié)同創(chuàng)新合作伙伴評估效率和質(zhì)量。

［1］Gunasekaran A，Patel C，McGaughey，R E．A Framework for Supply Chain Performance Measurement［J］．International Journal of Production Economics，2004(87):333-47．

［2］Yücenur G N，Vayvay ?，Demirel N ?．Supplier Selection Problem in Global Supply Chains by AHP and ANP Approaches under Fuzzy Environment ［J］．International Journal of Advanced Manufacturing Technology，2011(56):823-833．

［3］Pishvaee M S，Razmi J．Environmental Supply Chain Network Design Using Multi-objective Fuzzy Mathematical Programming ［J］．Applied Mathematical Modelling，2012(36):3433-3446．

［4］Mentzer J T，F(xiàn)oggin J H，Golicic S L．Collaboration:the Enablers，Impediments，and Benefits ［J］．Supply Chain Management Review，2000，5(6):52-58．

［5］Cao M，Zhang Q Y．Supply Chain Collaboration:Impact on Collaborative Advantage and Firm Performance［J］．Journal of Operations Management，2011(29):163-180．

［6］Sheu C，Yen H R，Chae D．Determinants of Supplierretailer Collaboration:Evidence from an International Study［J］．International Journal of Operations and Production Management．2006，26(1):24-49．

［7］Chen L H，Hung C C．An Integrated Fuzzy Approach for the Selection of Outsourcing Manufacturing Partners in Pharmaceutical R＆D［J］．International Journal of Production Research，2010，48(24):7483-7506．

［8］Chen S H，Wang P W，Chen C M，Lee H T．An Analytic Hierarchy Process Approach with Linguistic Variables for Selection of an R＆D Strategic Alliance Partner［J］．Computers＆ Industrial Engineering，2010，58:278-287．

［9］Fan Z P，F(xiàn)eng B，Jiang Z Z，F(xiàn)u N．A Method for Member Selection of R＆D Teams Using the Individual and Collaborative Information［J］．Expert Systems with Applications，2009，36:8313-8323．

［10］Raiden A B，Dainty A R J，Neale R H．Current Barriers and Possible Solutions to Effective Project Team Formation and Deployment within a Large Construction Organization ［J］．International Journal of Project Management，2004，22:309-316．

［11］Quelin B．Core Competencies，R＆D Management and Partnerships［J］．European Management Journal，2000，18:476-487．

［12］Liao C N，Kao H P．Supplier Selection Model Using Taguchi Loss Function，Analytical Hierarchy Process and Multi-choice Goal Programming ［J］．Computers ＆ Industrial Engineering，2010，58:571-577．

［13］張樹山，金俊武，朱子榮．面向供應(yīng)鏈的供應(yīng)商評價與選擇方法研究［J］．工業(yè)技術(shù)經(jīng)濟(jì)，2005，24(5):115-117．

［14］Shee D Y，Taeng G H，Tang T I．AHP，F(xiàn)uzzy Measure and Fuzzy Integral Approaches for the Appraisal Information Service Providers in Taiwan［J］．Journal of Global Information Technology，2003，6(1):8-30．

［15］Chang C W，Wu C R，Lin C T，et al．Evaluating Digital Video Recorder Systems Using Analytic Hierarchy and Analytic Network Processes ［J］．Information Sciences，2007，177:3383-3396．

［16］Chen S J，Hwang C L．Fuzzy Multiple Attribute Decision Making:Methods And Applications ［M］．Berlin:Springer-Verlag，1992．

［17］Sarami M，Mousavi S F，Sanayei A．TQM Consultant Selection in Smes With TOPSIS Under Fuzzy Environment［J］．Expert Systems with Applications，2009，36 (2):2742-2749．

［18］Hassanzadeh F，Collan M．A Practical R＆D Selection Model Using Fuzzy Pay-Off Method ［J］．The International Journal of Advanced Manufacturing Technology，2012，58:227-236．

［19］Schilling M A，Phelps C C．Interfirm Collaboration Networks:The Impact of Large-Scale Network Structure on Firm Innovation ［J］．Management Science，2007，53:1113-1126．

［20］Chen-Tung Chen，A Fuzzy Approach to Select the Location of the Distribution Center ［J］．Fuzzy Sets and Systems，2001，(118):65-73．

［21］諸克軍，張新蘭，肖荔瑾．Fuzzy AHP 方法及應(yīng)用［J］．系統(tǒng)工程理論與實(shí)踐，1997，12:64-69．

［22］姜艷萍，樊治平．三角模糊數(shù)互補(bǔ)判斷矩陣排序的一種實(shí)用方法［J］．系統(tǒng)工程，2002，3:89-92．

［23］Chen S H，Wang P W，Chen C M，et al．An Analytic Hierarchy Process Approach with Linguistic Variables for Selection of an R＆D Strategic Alliance Partner［J］．Computers＆ Industrial Engineering，2010，58:278-287．

［24］Quelin B．Core Gompetencies，R＆D Management and Partnerships［J］．European Management Journal，2000，18:476-487．

［25］Dagdeviren M，Yüksel ī．A Fuzzy Analytic Network Process (ANP)Model for Measurement of the Sectoral Competition Level (SCL)［J］．Expert Systems with Applications，2010，37:1005-1014．