劉翔

上海大學(xué)管理學(xué)院，上海200444

1 引言

面向供應(yīng)鏈的大型群體供應(yīng)商與客戶B2B協(xié)同資源動(dòng)態(tài)性且具有群一致性特性的多屬性協(xié)同決策（MACD）是很復(fù)雜、費(fèi)時(shí)間的過程，因?yàn)楣?yīng)鏈中各供應(yīng)商與客戶群體既有共同目標(biāo)，又有期望最大化自身利益的沖突目標(biāo)，如果供應(yīng)商與客戶B2B協(xié)同中的一些群體猶豫不決，協(xié)同決策的群一致性過程將無法實(shí)現(xiàn)。協(xié)同決策中將個(gè)體意見聚合成群一致性意見的方法是很多供應(yīng)商與客戶B2B協(xié)同活動(dòng)中不可分割組成部分，諸如，供應(yīng)商選擇、供應(yīng)鏈戰(zhàn)略規(guī)劃及運(yùn)營(yíng)計(jì)劃等[1-11]。群一致性過程是消除群決策成員之間非一致性的偏好過程。為了有效地解決實(shí)際環(huán)境中一致性問題，群一致性測(cè)量方法已從僅用0、1表示兩種狀態(tài)一致性評(píng)價(jià)（0表示不同意，1表示同意）的硬一致性測(cè)量發(fā)展進(jìn)化為可用[0，1]區(qū)間任意數(shù)值靈活地評(píng)價(jià)一致性不同程度的軟一致性測(cè)量[1，12-16]。已有大量的有關(guān)群一致性的研究[17-26]。然而，多數(shù)現(xiàn)有研究的群一致性模型存在著缺點(diǎn)：難以管理較大群體，需要大量復(fù)雜手工操作以確保協(xié)同決策過程有效[27-29]。為了有效地實(shí)現(xiàn)供應(yīng)鏈中資源動(dòng)態(tài)性且有群一致性特性的大型群體供應(yīng)商與客戶B2B協(xié)同的MACD，需要對(duì)現(xiàn)有研究的群一致性模型進(jìn)行改進(jìn)與擴(kuò)展。

本文建立了一個(gè)半自動(dòng)一致性模型（SACM），該模型顯著特點(diǎn)是容易管理大型群體，不需要大量復(fù)雜手工操作以確保協(xié)同決策過程有效，群決策者給出初始偏好后，迭代算法能自動(dòng)地修改各大型群體的多種個(gè)人意見以達(dá)成一致性。此外，該模型可將供應(yīng)商與客戶B2B協(xié)同的單向、局部的優(yōu)化擴(kuò)展進(jìn)化為具有多層一致性與抗風(fēng)險(xiǎn)性的閉環(huán)的、反饋的計(jì)劃與執(zhí)行協(xié)同優(yōu)化，同時(shí)，可減少協(xié)同決策時(shí)間，以實(shí)現(xiàn)最大化用戶效用。

2 供應(yīng)商與客戶B2B協(xié)同的M ACD問題

供應(yīng)商與客戶B2B協(xié)同中資源動(dòng)態(tài)性且具有群一致性特性的MACD問題可描述如下：MACD問題在分布式狀態(tài)下形成，合作伙伴管理供應(yīng)商與客戶的協(xié)作活動(dòng)，在供應(yīng)商與客戶B2B協(xié)同中沒有總的協(xié)調(diào)組織，協(xié)調(diào)者可以是供應(yīng)鏈的內(nèi)部或外部的組織（如供應(yīng)鏈中客戶或供應(yīng)鏈外第四方物流服務(wù)商），它的作用是對(duì)客戶項(xiàng)目成功及供應(yīng)商網(wǎng)絡(luò)參與活動(dòng)進(jìn)行協(xié)調(diào)。在時(shí)點(diǎn)t的MACD問題Pt可分解為spzt(z=1，2，…，h)(h≥1)獨(dú)立的子問題集Pt={sp1t，sp2t，…，spzt，…，spht}。有確定方案集spzXt={spz(j=1，2，…，n)}的子問題spzt(z=1，2,…，h)(h≥1)，由子群決策者spzt(E)={spzt(e1),spzt(e2),…，spzt(er)}(r≥2)以獨(dú)立與并發(fā)方式進(jìn)行局部的求解；通過集結(jié)spzt(z=1，2，…，h)(h≥1)子問題集求解問題Pt，其中各子問題的信息收集、分析與存儲(chǔ)由相應(yīng)子群決策者獨(dú)立進(jìn)行。假定子群決策者權(quán)重為spzt(E(λ))=(spzt(e1(λ))，spzt(e2(λ))，…，spzt(er(λ)))T，其中，spzt(ek(λ))≥0，k=1，2,…，r且；方案的屬性集為spzXt(U)={spzXt(U1)，spzXt(U2)，…，spzXt(Um)}，屬性權(quán)重為spzXt(U(w))={spzXt(U1(w1))，spzXt(U2(w2))，…，spzXt(Um(wm))}，其中，spzXt(Ui(wi))≥0，i=1，2，…，m，為針對(duì)子問題spzt(z=1，2，…，h)，方案及方案屬性spzXt(ui)(i=1，2，…，m)，決策者spzt(ek)(k=1，2，…，r)所給出的個(gè)體決策矩陣。個(gè)體決策矩陣spzt(ek(D))=(spzt(ek(dij)))m×n可規(guī)范化為相應(yīng)的標(biāo)準(zhǔn)決策矩陣spzt(ek(G))=(spzt(ek(gij)))m×n，其中，當(dāng)spzXt(ui)為利潤(rùn)型屬性時(shí)：

當(dāng)spzXt(ui)為成本型屬性時(shí)：

然后，通過采用加權(quán)集結(jié)算子（AWA）：

將標(biāo)準(zhǔn)個(gè)體決策矩陣spzt(ek(G))=(spzt(ek(gij)))m×n聚集為子群決策者spzt(E)的協(xié)同決策矩陣spzt(E(G))=(spzt(E(gij)))m×n。相似性用于測(cè)量個(gè)體意見與總體意見兼容程度。為了測(cè)量標(biāo)準(zhǔn)個(gè)體決策矩陣spzt(ek(G))與協(xié)同決策矩陣spzt(E(G))之間近似性，引用如下距離計(jì)算公式：

其中，L(spzt(ek(G))，spzt(E(G)))稱為個(gè)體決策矩陣spzt(ek(G))與協(xié)同決策矩陣spzt(E(G))近似性程度。假定δ為可接受的近似性閥，且0＜δ＜1，如果L(spzt(ek(G))，spzt(E(G)))≤δ(z=1，2，…，h)，那么，個(gè)體決策矩陣spzt(ek(G))與協(xié)同決策矩陣spzt(E(G))稱為可接受近似性。與問題Pt={sp1t，sp2t，…，spzt，…，spht}相關(guān)的全局目標(biāo)決策矩陣Pt(E(G))可用對(duì)角矩陣表示如下：

令L(Pt(E(G)))為全局近似性，如果L(Pt(E(G)))≤δ，那么Pt(E(G))為群體決策者P(E)={sp1(E)，sp2(E)，…，sph(E)}對(duì)問題P的近似性可接受協(xié)同決策矩陣。

3 模型

根據(jù)以上描述的供應(yīng)商與客戶B2B協(xié)同MACD問題，開發(fā)與設(shè)計(jì)的閉環(huán)、反饋的半自動(dòng)一致性模型（SACM）包括4階段：供應(yīng)商和客戶B2B協(xié)同資源數(shù)據(jù)初始化；形成協(xié)同決策問題；一致性達(dá)到過程與供應(yīng)商和客戶B2B協(xié)同計(jì)劃生成；供應(yīng)商和客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控分析與計(jì)劃重構(gòu)。如圖1，SACM詳細(xì)步驟說明如下：

第1階段供應(yīng)商與客戶B2B協(xié)同資源數(shù)據(jù)初始化（包括1個(gè)步驟）

步驟1供應(yīng)商與客戶B2B協(xié)同資源設(shè)置。協(xié)調(diào)者指定初始化的供應(yīng)商與客戶B2B協(xié)同資源，包括產(chǎn)品資源設(shè)置、技術(shù)資源設(shè)置、財(cái)務(wù)資源設(shè)置、倉(cāng)儲(chǔ)資源設(shè)置及設(shè)備與能力資源設(shè)置。

第2階段形成MACD問題（包括4個(gè)步驟）

步驟2MACD問題設(shè)置。協(xié)調(diào)者指定MACD問題Pt及該問題分解成相應(yīng)子問題集spzt(z=1，2，…，h)(h≥1)。

步驟3選擇協(xié)同決策成員。協(xié)調(diào)者選擇與子問題spzt相關(guān)的子群決策者spzt(E)，決策者spzt(E)接收到協(xié)調(diào)者發(fā)來的參與協(xié)同決策問題求解的通知并確認(rèn)參與后，協(xié)調(diào)者設(shè)定決策者權(quán)重向量spzt(E(λ))=(spzt(e1(λ))，spzt(e2(λ))，…，spzt(er(λ)))T。

步驟4列舉各子問題可行求解方案。協(xié)調(diào)者列舉子群決策者spzt(E)求解子問題spzt的確定方案集，并指定方案中各屬性值、屬性類型（利潤(rùn)或成本）及各屬性權(quán)重spzXt(U(w))={spzXt(U1(w1))，spzXt(U2(w2))，…，spzXt(Um(wm))}。

步驟5令CYCLE為迭代次數(shù)，然后，指定最大迭代次數(shù)MAXCYCLE以避免現(xiàn)群體求解死循環(huán)；令CYCLE=0為初始循環(huán)值；指定可接受的近似性的閥δ，令δ=δ*是可接受的近似性最低限度及0＜ω＜1。

第3階段時(shí)間點(diǎn)t的協(xié)同決策一致性過程（包括6個(gè)步驟）

步驟6協(xié)調(diào)者收集與標(biāo)準(zhǔn)化決策者偏好。各子群決策者獨(dú)立地給出相應(yīng)決策矩陣中各方案偏好。令spzt(ek(D))=(spzt(ek(dij)))m×n為決策者spzt(ek)(k=1，2，…，r)決策矩陣，其中，spzt(ek(dij))為決策者spzt(ek)(k=1，2，…，r)對(duì)子問題spzt(z=1，2，…，h)方案spz(j=1，2，…，n)中，屬性spzXt(ui)(i=1，2，…，m)評(píng)價(jià)偏好值。協(xié)調(diào)者收集spzt(ek(D))=(spzt(ek(dij)))m×n，然后，通過公式（1）、（2）構(gòu)造標(biāo)準(zhǔn)化決策矩陣如下：

圖1 4階段半自動(dòng)一致性模型圖

步驟7判斷是否達(dá)成一到性。依據(jù)加權(quán)集結(jié)算子公式（3），集結(jié)標(biāo)準(zhǔn)決策矩陣spzt(ek(G))=(spzt(ek(gij)))m×n(z=1,2,…，h;k=1,2,…，r;i=1,2,…，m;j=1,2,…，n)為各子問題的群協(xié)同決策矩陣spzt(E(G))=(spzt(E(gij)))m×n。習(xí)慣地，令spzt(ek(G(0)))=(spzt(ek(gij(0))))m×n=spzt(ek(G))=(spzt(ek(gij)))m×n，然后，根據(jù)公式（4）計(jì)算各子問題層的群近似性如下：

如果L(spzt(ek(G(CYCLE)))，spzt(E(G(CYCLE))))＞δ*(z=1，2，…，h;k=1，2，…，r)，轉(zhuǎn)至步驟8；否則，根據(jù)公式（5），計(jì)算總問題Pt層的群近似性如下：

如果L(Pt(E(G(CYCLE))))≤δ*轉(zhuǎn)至步驟9；否則，轉(zhuǎn)至步驟8。

步驟8如果CYCLE＞MAXCYCLE，那么，問題Pt無解，轉(zhuǎn)至步驟1；否則，令

其中

步驟9集結(jié)各子問題的群決策者偏好。依據(jù)加權(quán)集結(jié)算子（AWA），計(jì)算各子問題求解方案的總屬性值如下：

步驟10依據(jù)各2，…，n)值對(duì)各子問題方案2，…，n)排序。

步驟11各子群決策者spzt(E)從相應(yīng)各子問題spzt(z=1,2,…，h)(h≥1)方案集h;j=1，2，…，n)}中，選擇最優(yōu)方案。MACD問題Pt通過群決策者{sp1t(E)，sp2t(E)，…，spht(E)}求解，同時(shí)生成時(shí)間點(diǎn)t的供應(yīng)商與客戶B2B協(xié)同計(jì)劃。

第4階段供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控分析及計(jì)劃重構(gòu)

步驟12供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控分析。供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控分析目的是計(jì)算時(shí)間點(diǎn)t的供應(yīng)鏈穩(wěn)定性。供應(yīng)鏈穩(wěn)定性特征向量包括：執(zhí)行階段的供應(yīng)商與客戶B2B協(xié)同計(jì)劃與控制向量，擾動(dòng)向量，供應(yīng)商與客戶B2B協(xié)同資源參數(shù)向量。從基于Agent協(xié)同決策網(wǎng)（ACDN）中自動(dòng)抽取這些特征向量，抽取規(guī)則取決于受監(jiān)控階段的管理目標(biāo)，以便充分考慮MACD問題所描述的各參數(shù)。采用基于Agent協(xié)同決策網(wǎng)絡(luò)（ACDN）自動(dòng)計(jì)算供應(yīng)鏈穩(wěn)定性，并得到時(shí)間點(diǎn)t時(shí)供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行的不同擾動(dòng)程度與狀態(tài)。ACDN設(shè)計(jì)如下：

其中，Xspz(E)t為時(shí)間點(diǎn)t的各子群決策者Agents集合（ACDN頂點(diǎn)集合）；Aspzt(E)={a(spzt(ek)，spzt(ek′))，ek，ek′∈E}為ACDN Xspzt(E)的邊弧集合，表示在t時(shí)間ACDN決策者Agents之間關(guān)系；Yspz(E)t={a(spzt(ek)，spzt(ek′))，ek，ek′∈E}=L(spzt(ek(G))，spzt(ek′(G)))為關(guān)系的數(shù)值參數(shù)，表示一致性程度。各不同子群決策者Agents是相互獨(dú)立的，因此，對(duì)每個(gè)供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行，構(gòu)造如下網(wǎng)絡(luò)圖：

在時(shí)間點(diǎn)t的ACDN組成也可表示為：

供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行ACDN狀態(tài)可定義如下：

據(jù)此可得到動(dòng)態(tài)供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行ACDN狀態(tài)集合：S={Sθ}={S1，S2，…，SkΔ}。

供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行動(dòng)態(tài)性表示為與以上集合與狀態(tài)相關(guān)的動(dòng)態(tài)ACDN。依據(jù)供應(yīng)商與客戶B2B協(xié)同計(jì)劃及運(yùn)營(yíng)績(jī)效測(cè)量進(jìn)行供應(yīng)商與客戶B2B協(xié)同實(shí)時(shí)監(jiān)控分析。

步驟13生成新時(shí)間點(diǎn)t′的計(jì)劃重構(gòu)問題Pt′。供應(yīng)商與客戶B2B協(xié)同計(jì)劃適應(yīng)性基于ACDN參數(shù)變化。供應(yīng)鏈擾動(dòng)影響也許會(huì)引起ACDN執(zhí)行中各種參數(shù)偏離供應(yīng)商與客戶B2B協(xié)同計(jì)劃，以及計(jì)劃可操作性降低。根據(jù)發(fā)生的偏差種類屬性，形成供應(yīng)商與客戶B2B協(xié)同計(jì)劃重構(gòu)測(cè)量指示值（類似儀表盤刻度）。預(yù)警主要任務(wù)是監(jiān)控ACDN供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)際參數(shù)值與原計(jì)劃相比較值的變化。當(dāng)時(shí)間點(diǎn)t的ACDN供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行的擾動(dòng)程度與狀態(tài)的偏離達(dá)一定程度時(shí)，預(yù)警被激發(fā)，并形成新時(shí)間點(diǎn)t′的計(jì)劃重構(gòu)問題Pt′，并轉(zhuǎn)至步驟2。

以上描述的各子問題MACD求解，可讓管理者仿真模擬在不同資源約束條件下訂單執(zhí)行的動(dòng)態(tài)復(fù)雜性，了解在波動(dòng)條件中供應(yīng)鏈行為，確定供應(yīng)鏈瓶頸，實(shí)施必要的管理調(diào)節(jié)。

4 模型應(yīng)用與驗(yàn)證

4.1 實(shí)驗(yàn)環(huán)境

應(yīng)用一個(gè)自主開發(fā)的自動(dòng)協(xié)同決策系統(tǒng)有效地求解MACD問題，該系統(tǒng)包括仿真與優(yōu)化MACD引擎、Web平臺(tái)、ERP系統(tǒng)、模糊神經(jīng)系統(tǒng)及協(xié)調(diào)監(jiān)控器。驗(yàn)證模型的仿真與優(yōu)化引擎由采用半自動(dòng)一致性模型（SACM）實(shí)現(xiàn)供應(yīng)網(wǎng)絡(luò)動(dòng)態(tài)控制、設(shè)計(jì)及規(guī)劃供應(yīng)鏈的MACD軟件組成，結(jié)合了將問題分解為獨(dú)立的子問題集優(yōu)化，一致性模型，一組群決策者Agents，基于Agents協(xié)同決策網(wǎng)絡(luò)（ACDN）及動(dòng)態(tài)模擬仿真模型。在總體信息框架環(huán)境中，以上描述的MACD引擎總體實(shí)驗(yàn)環(huán)境如圖2所示。供應(yīng)商與客戶B2B協(xié)同計(jì)劃及運(yùn)營(yíng)執(zhí)行基于同時(shí)綜合考慮各不同子問題群決策者在互相聯(lián)系與動(dòng)態(tài)環(huán)境中的協(xié)同?；贓RP數(shù)據(jù)流集成產(chǎn)生供應(yīng)商與客戶B2B協(xié)同方案集；然后，指定具有確定或隨機(jī)參數(shù)的幾個(gè)子群，群一致性過程及部分計(jì)劃子問題選擇方案的過程，例如，需求預(yù)測(cè)、生產(chǎn)計(jì)劃及采購(gòu)計(jì)劃等。供應(yīng)商與客戶B2B協(xié)同各方案由相應(yīng)各子問題識(shí)別，由各子問題的群決策者依據(jù)方案屬性進(jìn)行評(píng)價(jià)，個(gè)人意見集結(jié)成相應(yīng)各子問題群決策者的意見，當(dāng)預(yù)定義一致性在子問題群決策者層與總體層均達(dá)到時(shí)，選擇各子問題最優(yōu)方案并生成供應(yīng)商與客戶B2B協(xié)同計(jì)劃。由于篇幅所限，本文將考慮沒有集成ERP數(shù)據(jù)流、WEB及供應(yīng)商與客戶B2B協(xié)同監(jiān)控器的實(shí)驗(yàn)過程。

4.2 實(shí)驗(yàn)過程

假定MACD問題Pt為50個(gè)IT企業(yè)組成三級(jí)動(dòng)態(tài)供應(yīng)鏈的供應(yīng)商與客戶B2B協(xié)同計(jì)劃生成與執(zhí)行分析：20個(gè)計(jì)算機(jī)配件部件供應(yīng)商，1個(gè)OEM計(jì)算機(jī)制造商合作完成29個(gè)計(jì)算機(jī)銷售商，29個(gè)訂單需求規(guī)劃；問題Pt分解為需求預(yù)測(cè)子問題、生產(chǎn)計(jì)劃子問題及采購(gòu)計(jì)劃子問題。SACM通過將50個(gè)決策群體成員分為3個(gè)子問題群體，同時(shí)求解需求預(yù)測(cè)子問題、生產(chǎn)計(jì)劃子問題及采購(gòu)計(jì)劃子問題。SACM驗(yàn)證步驟說明如下：

第1階段供應(yīng)商與客戶B2B協(xié)同資源數(shù)據(jù)初始化（系統(tǒng)操作界面如圖3所示）

驗(yàn)證過程如下所示。

協(xié)同企業(yè)設(shè)置：供應(yīng)商設(shè)置；OEM制造商設(shè)置；銷售商設(shè)置。

產(chǎn)品資源設(shè)置：產(chǎn)品結(jié)構(gòu)設(shè)置；具有交貨期、價(jià)格及數(shù)量屬性值的訂單設(shè)置；擾動(dòng)設(shè)置（需求波動(dòng)）；生產(chǎn)計(jì)劃執(zhí)行與控制設(shè)置。

技術(shù)資源設(shè)置：工藝路線向量、技術(shù)標(biāo)準(zhǔn)設(shè)置；不設(shè)確定性置。

圖2 供應(yīng)商與客戶B2B協(xié)同自動(dòng)協(xié)同決策系統(tǒng)總體信息框架環(huán)境圖

圖3 供應(yīng)商與客戶B2B協(xié)同資源數(shù)據(jù)初始化

財(cái)務(wù)資源設(shè)置：成本計(jì)算設(shè)置；供應(yīng)商、OEM制造商及銷售商之間利潤(rùn)分配設(shè)置。

倉(cāng)儲(chǔ)資源設(shè)置：供應(yīng)商、OEM制造商及銷售商庫存訂貨點(diǎn)設(shè)置；采購(gòu)計(jì)劃執(zhí)行與控制設(shè)置。

設(shè)備與能力資源設(shè)置：工作中心及能力計(jì)算設(shè)置；擾動(dòng)設(shè)置（設(shè)備故障及人工出錯(cuò)）。

第2階段形成MACD問題（系統(tǒng)操作界如圖4所示）

圖4 形成MACD問題

驗(yàn)證過程包括：MACD問題設(shè)置；生成預(yù)測(cè)子問題；生成生產(chǎn)計(jì)劃子問題；生成采購(gòu)計(jì)劃子問題。

協(xié)調(diào)者可借助成員函數(shù)及模糊神經(jīng)系統(tǒng)確定決策成員及各方案屬性權(quán)重。問題生成結(jié)果用集合方式表示，以便后續(xù)決策矩陣數(shù)據(jù)獲取，以預(yù)測(cè)子問題結(jié)果為例進(jìn)行說明。

X 201013硬盤需求預(yù)測(cè)決策成員集合：

決策成員權(quán)重集合：

sp1(E(λ))={sp1(e1(λ))，sp1(e2(λ))，sp1(e3(λ))，

sp1(e4(λ))，sp1(e5(λ))，sp1(e6(λ))，

sp1(e7(λ))，sp1(e8(λ))，sp1(e9(λ))，

sp1(e10(λ))}={0.10，0.05，0.20，0.03，

0.02，0.15，0.25，0.16，0.04}

需求預(yù)測(cè)決策初始方案集合：

sp1X={sp1x1，sp1x2，sp1x3，sp1x4，sp1x5}其中，

sp1x1={u11，u12，u13，u14，u15}=

{數(shù)量/3 000，價(jià)格/500，折扣/0.2，

日期/2013-3-8，質(zhì)量/0.9}

sp1x2={u21，u22，u23，u24，u25}=

{數(shù)量/4 000，價(jià)格/400，折扣/0.3，

日期/2013-4-2，質(zhì)量/0.8}

sp1x3={u31，u32，u33，u34，u35}=

{數(shù)量/2 500，價(jià)格/550，折扣/0.1，

日期/2013-3-23，質(zhì)量/0.7}

sp1x4={u41，u42，u43，u44，u45}=

{數(shù)量/5 000，價(jià)格/380，折扣/0.4，

日期/2013-3-29，質(zhì)量/0.9}

sp1x5={u51，u52，u53，u54，u55}=

{數(shù)量/4 500，價(jià)格/440，折扣/0.35，

日期/2013-3-15，質(zhì)量/0.9}

其中，數(shù)量、價(jià)格為成本型屬性；折扣、質(zhì)量為利潤(rùn)型屬性。

決策初始方案屬性權(quán)重集合：

sp1x1（U（w））={sp1x1（U1（w1）），sp1x2（U2（w2）），

sp1x3（U3（w3）），sp1x4（U4（w4）），

sp1x5（U5（w5））}={數(shù)量/0.4，價(jià)格/0.2，

折扣/0.1，日期/0.1，質(zhì)量/0.2}

第3階段自動(dòng)支持一致性達(dá)成過程（系統(tǒng)操作界如圖5、圖6所示）

圖5 自動(dòng)支持一致性達(dá)成過程

圖6 自動(dòng)生成的B2B協(xié)同計(jì)劃

在此階段，通過自動(dòng)一致性模型生成預(yù)測(cè)子問題求解優(yōu)化方案，生產(chǎn)計(jì)劃子問題求解優(yōu)化方案及采購(gòu)計(jì)劃子問題求解優(yōu)化方案。MACD問題Pt求解優(yōu)化方案是基于多步驟局部問題同時(shí)求解的方案。依據(jù)MACD問題Pt求解優(yōu)化方案，生成時(shí)間點(diǎn)t的供應(yīng)商與客戶B2B協(xié)同計(jì)劃。

第4階段供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控與計(jì)劃重構(gòu)（如圖7所示）

圖7 供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行實(shí)時(shí)監(jiān)控與計(jì)劃重構(gòu)

供應(yīng)商與客戶B2B協(xié)同計(jì)劃生成后，應(yīng)用ACDN仿真與實(shí)際問題相關(guān)的各種不確定性（環(huán)境，如需求、人行為不確定性等），實(shí)時(shí)監(jiān)控供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行。計(jì)算供應(yīng)商與客戶B2B協(xié)同計(jì)劃預(yù)測(cè)值、生產(chǎn)計(jì)劃及采購(gòu)計(jì)劃重構(gòu)測(cè)量指示值。當(dāng)偏離達(dá)預(yù)警閥時(shí)，預(yù)警被激發(fā)，并形成新時(shí)間點(diǎn)t′的需求預(yù)測(cè)、生產(chǎn)計(jì)劃及采購(gòu)計(jì)劃的MACD問題Pt′。

4.3 結(jié)果與討論

本研究創(chuàng)新之處包括：提高供應(yīng)商與客戶B2B協(xié)同處理能力，在供應(yīng)商與客戶B2B協(xié)同中引入考慮群一致性及資源動(dòng)態(tài)性的MACD，詳細(xì)描述了SACM，提出了供應(yīng)商與客戶B2B協(xié)同計(jì)劃的新工具——自動(dòng)協(xié)同決策系統(tǒng)，通過擴(kuò)展供應(yīng)商與客戶B2B協(xié)同建模能力，發(fā)展了供應(yīng)商與客戶B2B協(xié)同基礎(chǔ)方法。本文從群一致性與資源動(dòng)態(tài)性角度，描述MACD半自動(dòng)一致性模型SACM，利用具有足夠穩(wěn)定性與抗風(fēng)險(xiǎn)性的管理目標(biāo)來替代在實(shí)際波動(dòng)的執(zhí)行環(huán)境中終將失敗的理想優(yōu)化計(jì)劃，從整體價(jià)值鏈群資源觀點(diǎn)，考慮供應(yīng)商與客戶B2B協(xié)同優(yōu)化。不僅多子問題群一致性與供應(yīng)鏈動(dòng)態(tài)性理解是新的，求解方法在供應(yīng)鏈管理領(lǐng)域也是新的。提出的數(shù)學(xué)方法綜合應(yīng)用了控制論（動(dòng)態(tài)與反饋實(shí)現(xiàn)）、運(yùn)籌學(xué)（局部?jī)?yōu)化模型實(shí)現(xiàn)）、模糊神經(jīng)系統(tǒng)與面向Agent建模（供應(yīng)鏈組成成員的自主、自治行為實(shí)現(xiàn)），這些多模型復(fù)雜性能描述與求解反映了現(xiàn)實(shí)世界需求的復(fù)雜問題。基于多子問題群協(xié)同決策及動(dòng)態(tài)ACDN的供應(yīng)商與客戶B2B協(xié)同，是群一致性建模過程且為ACDN結(jié)構(gòu)與狀態(tài)的函數(shù)。該模型局限性主要是在自動(dòng)化決策實(shí)現(xiàn)前，初始化數(shù)據(jù)及建立OEM廠商及供應(yīng)商聯(lián)接得花大量時(shí)間，然而，從實(shí)際相關(guān)的復(fù)雜問題生成、決策支持及提高供應(yīng)商與客戶B2B協(xié)同計(jì)劃及再計(jì)劃的效率方面看，這些時(shí)間消耗是值得的。

5 結(jié)論

提出了面向供應(yīng)商與客戶B2B協(xié)同的多屬性協(xié)同決策半自動(dòng)一致性模型SACM，該模型通過給多子群決策者提供一定程度自動(dòng)化，自動(dòng)實(shí)現(xiàn)供應(yīng)商與客戶B2B協(xié)同計(jì)劃；然后，通過基于Agent協(xié)同決策網(wǎng)（ACDN），自動(dòng)、自主地對(duì)供應(yīng)商與客戶B2B協(xié)同計(jì)劃執(zhí)行進(jìn)行實(shí)時(shí)監(jiān)控并識(shí)別新時(shí)間點(diǎn)重構(gòu)計(jì)劃的MACD問題，快速響應(yīng)內(nèi)外環(huán)境，讓互相關(guān)聯(lián)的、動(dòng)態(tài)的供應(yīng)鏈協(xié)同運(yùn)營(yíng)。此外，基于本文模型實(shí)現(xiàn)了一個(gè)自動(dòng)協(xié)同決策系統(tǒng)。本文模型顯著特點(diǎn)是能半自動(dòng)地修改各大型群體的多種個(gè)人意見以達(dá)成一致性，實(shí)現(xiàn)半自動(dòng)協(xié)同決策過程。由于提出的模型具有管理現(xiàn)實(shí)世界多個(gè)較大決策群體的能力，可將其應(yīng)用到整條復(fù)雜供應(yīng)商與客戶B2B協(xié)同中。

[1]Cabrerizo F J，Moreno J M，Perez I J，et al.Analyzing consensus approaches in fuzzy group decision making：advantages and drawbacks[J].Soft Computing，2010，14（5）：451-463.

[2]Chiclana F，Tapia García J M，del Moral M J，et al.A statistical comparative study of different similarity measures of consensus in group decision making[J].Information Sciences，2013，221（1）：110-123.

[3]Shafiei F，Sundaram D，Piramuthu S.Multi-enterprise collaborative decision support system[J].Expert Systems with Applications，2012，39（6）：7637-7651.

[4]Palomares I，Rodríguez R M，Martínez L.An attitude-driven web consensus support system for heterogeneous group decision making[J].Expert Systems with Applications，2013，40（2）：139-149.

[5]Lau R Y.KTowards a Web services and an intelligent agent-based collaborative decision system for B2B e-commerce[J].Electronic Commerce Research and Applications，2007，6（8）：260-275.

[6]Mata F，Martnez L，Herrera-Viedma E.An adaptive consensus support model for group decision making problems in a multi-granular fuzzy linguistic context[J].IEEE Transactions on Fuzzy Systems，2009，17（2）：279-290.

[7]Tan P S，Lee S S G，Goh A E S.Multi-criteria decision techniques for context-aware B2B collaboration in supply chains[J].Decision Support Systems，2012，52（5）：779-780.

[8]Khorshid S.Soft consensus model based on coincidence between positive and negative ideal degrees of agreement under a group decision-making fuzzy environment[J].Expert Systems with Applications，2010，37（12）：3977-3985.

[9]Van der Rhdd B，Verma R，Plaschka G.Understanding trade-offs in the supplier selection process：the role of flexibility，delivery，and value added service support[J].Int J Prod Econ，2009，120（1）：30-41.

[10]Wu W Y，Sukoco B M，Li C Y，et al.An integrated multi objective decision-making process for supp lier selection with bundling problem[J].Experts Syst Appl，2009，36（5）：2327-2337.

[11]Zhao K，Yu X.A case based reasoning approach on supplier selection in petroleum enterprises[J].Expert Systems with Applications，2011，38（6）：6839-6847.

[12]Choi S P M，Liu J，Chen S P.A genetic agent-based collaborative decision system[J].Computer Networks，2001，37（5）：195-204.

[13]Kacprzyk J.Group decision making with a fuzzy linguistic majority[J].Fuzzy Sets and Systems，1986，18（2）：105-118.

[14]Scott J.Social network analysis-a handbook[M].London：SAGE Publications Ltd，2000：1-300.

[15]Goh C K，Tan K C，Liu D S，et al.A competitive and cooperative co-evolutionary approach to multi-objective particle swarm optimization algorithm design[J].European Journal of Operational Research，2010，202（1）：42-54.

[16]Boroushaki S，M alczew ski J.Measuring consensus for collaborative decision-making：a GIS-based approach[J].Environment and Urban Systems，2010，34（4）：322-332.

[17]Ben-A rieh D，Chen Z F.Linguistic-labels aggregation and consensus measure for autocratic decision making using group recommendations[J].IEEE Transactions on Systems，2006，36（3）：558-568.

[18]Cabrerizo F J，Pérez I J，Herrera-Viedma E.Managing the consensus in group decision making in an unbalanced fuzzy linguistic context with incomplete information[J].Know ledge-Based Systems，2010，181（3）：169-181.

[19]Cabrerizo F J，A lonso S，Herrera-Viedma E.A consensus model for group decision making problem s with unbalanced fuzzy linguistic information[J].International Journal of Information Technology and Decision Making，2009，8（1）：109-131.

[20]Mata F，M artnez L，Herrera-Viedma E.An adaptive consensus support model for group decision-making problems in a multi granular fuzzy linguistic context[J].IEEE Transactions on Fuzzy Systems，2009，17（2）：279-290.

[21]Herrera-Viedma E，A lonso S，Chiclana F，et al.A consensus model for group decision making with incomplete fuzzy preference relations[J].IEEE Transactions on fuzzy System s，2007，15（1）：863-877.

[22]Herrera-Viedma E，Chiclana F，Herrera F，et al.Group decision making model with incomplete fuzzy preference relations based on additive consistency[J].IEEE Transactions on Systems，M an and Cybernetics：Part B Cybernetics，2007，37（1）：176-189.

[23]Yucel A，Guneri A F.A weighted additive fuzzy programming approach for multi-criteria supplier selection[J].Expert Systems with Applications，2011，38（5）：6281-6286.

[24]Schubert P，Legner C.B2B integration in global supply chains：an identification of technical integration scenarios[J].Journal of Strategic Information System s，2011，20（4）：250-267.

[25]Steven Y，Lu P，Henry Y K，et al.A hybrid solution to collaborative decision-making in a decentralized supply chain[J].J Eng Technol Manage，2012，29（6）：95-111.

[26]Chen S M，Lee L W，Yang S W，et al.Adaptive consensus support model for group decision making systems[J].Expert Systems with Applications，2012，39（6）：12580-12588.

[27]Wassermann S，F(xiàn)aust K.Social network analysis-methods and applications[J].Cambridge：Cambridge University Press，1999：1-400.

[28]Wu H，Tzeng G，Chen Y.A fuzzy MCDM approach for evaluating banking performance based on balanced scorecard[J].Expert Syst Appl，2009，36（6）：10135-10147.

[29]Valente W.Network models of the diffusion of innovations[M].London：Hampton Press，1999：1-450.