□ 余 杰 □ 吉衛(wèi)喜 □ 孫 斌

江南大學機械工程學院 江蘇無錫 214122

目前，眾多機械制造企業(yè)的部分產(chǎn)品零部件及加工工序會采用外協(xié)加工的生產(chǎn)方式，形成這種需求的原因是：一方面，當車間沒有相應設備或者在規(guī)定的計劃時間內(nèi)無法完成生產(chǎn)任務時，通過采用生產(chǎn)任務外協(xié)的方式，能夠讓企業(yè)獲得更多商機和市場；另一方面，即使車間可以獨立完成所有產(chǎn)品的每道工序，考慮到降低制造成本，也有可能把部分生產(chǎn)任務外協(xié)。外協(xié)加工可以讓企業(yè)專注于自身核心競爭力的提升。

然而，外協(xié)加工卻給企業(yè)帶來一系列棘手的難題，主要體現(xiàn)在：①參與外協(xié)投標的企業(yè)往往有多個，而且它們的經(jīng)營方針、質(zhì)保體系和生產(chǎn)能力等各不相同，因此如何選出滿意的外協(xié)供應商顯得格外困難；②對外協(xié)供應商的評價和決策主要依靠經(jīng)驗，評價體系不完善，評價指標較片面，沒有合理的評價決策方法。

為此，近年來國內(nèi)外許多專家學者也都致力于解決外協(xié)生產(chǎn)問題的研究，文獻［1］提出并建立了一種可以促進云制造環(huán)境下外協(xié)加工資源高效利用和快速共享的集成服務模式；文獻［2］通過建立供應商評價體系，提出了基于模糊層次分析的供應商評價方法;文獻［3］提出采用改進遺傳算法對多供應商選擇問題進行求解；文獻［4］針對虛擬研究中心伙伴決策問題，提出了一種基于支持向量機和模糊層次分析法的綜合評價模型;文獻［5］提出了多產(chǎn)品分批次采購的供應商選擇模型，并設計了相應的禁忌算法。這些研究與理論的實際意義并不明顯，算法或多或少存在復雜度高和主觀性較大的不足。本文采用熵值法-TOPSIS相結合的方法來對外協(xié)供應商進行評價，并開發(fā)出相應的軟件系統(tǒng)，目前已經(jīng)投入企業(yè)實際使用。

1 外協(xié)供應商評價指標體系的建立

要想對外協(xié)供應商作出合理而正確的評價，首先最關鍵的問題就是建立合理全面的評價指標體系。一個合理全面的評價體系，不僅要考慮外協(xié)加工產(chǎn)品的質(zhì)量、技術、生產(chǎn)能力、服務水平和成本，還應關注外協(xié)供應商其它方面的素質(zhì)，這些素質(zhì)是其提供外協(xié)加工的重要保障和支撐。綜上分析，本文把供應商的評價指標體系分為外協(xié)加工產(chǎn)品競爭力、內(nèi)部競爭力、外部競爭力和兼容能力，見表1。

2 基于熵值法-TOPSIS的外協(xié)供應商評價算法

外協(xié)供應商的評價屬于定性和定量因素相結合的多目標評價問題，通過對各評價指標進行定性或者定量分析，在此基礎上計算出各個外協(xié)供應商的綜合評價值，為外協(xié)加工時選擇供應商提供決策支持。

2．1 評價算法簡介

系統(tǒng)的信息熵用來衡量系統(tǒng)的無序程度，某項指標值無序程度越大，信息熵越小，則該指標的權重也越大；如果某項指標的指標值無序程度越小，信息熵越大，該指標的權重越?。?］。因此，可以利用熵值法計算各指標的權重。

TOPSIS法由Hwang和Yoon提出，其基本思想是依據(jù)接近正理想解和遠離負理想解的程度，給出各供應商的綜合能力排序，具有逼近于理想解的特性［7-8］。由于TOPSIS方法無法確定評價指標權重，所以需要結合熵值法來確定評價指標的權重。

2．2 評價步驟

2．2．1 實例模型

X重工科技有限公司是一家專業(yè)制造數(shù)控機床、加工中心的企業(yè)，該企業(yè)在實施外協(xié)加工時，往往只是依靠經(jīng)驗來選擇外協(xié)供應商，決策結果不準確，從而導致外協(xié)加工產(chǎn)品質(zhì)量、交貨期等無法得到可靠保障。其原因主要歸結于：沒有對外協(xié)供應商建立正確完整的評價指標體系；不知道如何利用正確合適的算法來計算各個外協(xié)供應商綜合評價值。

表1 外協(xié)供應商評價指標體系

為此，根據(jù)已經(jīng)建立的評價指標體系和實際調(diào)研，得到X公司3個典型外協(xié)供應商的各個指標數(shù)據(jù)，見表2。下面將結合該模型實例，說明熵值法-TOPSIS評價算法的步驟。

2．2．2 基于熵值法-TOPSIS的外協(xié)供應商評價步驟

（1）構造外協(xié)供應商的標準評價矩陣。根據(jù)表2中3個典型外協(xié)供應商的指標評價數(shù)據(jù)，通過把其中的定性指標轉化為數(shù)值，轉化方法：很好（95）、好（85）、較好（75）、一般（65），得出一個 3×34 的初始評價矩陣 A，aij為其初始評價矩陣元素。

由于34個評價指標的量綱不同，因此需要將其進一步歸一化：

式中：bij為標準評價矩陣元素；m表示參與評價的外協(xié)供應商數(shù)量。

表2 X公司3個外協(xié)供應商評價指標數(shù)據(jù)

因此可得實例模型的標準評價矩陣B：

（2）計算評價指標權重。根據(jù)式（2）計算第j項評價指標的信息熵：

式中：k=（lnm）-1, 0≤e≤1．

指標的信息熵越大，其數(shù)據(jù)的效用價值就越小，當ej=1時，信息熵最大，此時j指標數(shù)據(jù)值對綜合評價的效用價值就是0。所以，某項指標數(shù)據(jù)的效用價值由1與該指標信息熵的差值cj來確定:

第j項評價指標的權重為：

由此可見，利用熵值法計算評價指標的權重，根本上是利用該評價指標信息的價值系數(shù)來估算的。

實例模型的 k=（ln3）-1=0．91，根據(jù)式（2）、式（3）、式（4），計算得到 X 企業(yè) 34項評價指標的權重向量:

ω=（0．000207，0．000207，0．002823，0．000207，0．000664，．．，0．000207，0．003649）

（3）構造加權矩陣。

根據(jù)式（5），得模型實例的加權矩陣：

（4）確定正負理想解。式中：J1和J2分別表示評價指標體系中的效益型指標和成本型指標的集合，效益型指標數(shù)據(jù)值越大越好，而成本型指標值則越小越好。

對于模型實例而言，34個評價指標中只有價格水平和采購成本屬于成本型指標，其余均屬于效益型指標，根據(jù)式（6）確定正負理想解為：

D+=（0．000070，0．000070，0．001028，0．000069，0．000229， … ，0．000069，0．001357）

D-=（0．000068，0．000069，0．000855，0．000069，0．000206，…，0．000069，0．001076）

（5）根據(jù)各個指標的正負理想解，計算距離。外協(xié)供應商的各項指標評價值與對應正負理想值之間的距離為：

▲圖1 外協(xié)供應商評價

（6）計算TOPSIS評價值。根據(jù)TOPSIS評價值對外協(xié)供應商進行排序，TOPSIS評價值計算式為：

結合X企業(yè)模型實例，根據(jù)式（7）計算得到正負理想解集L+和L-：

L+=（0．5174，0．4928，0．1244）T

L-=（0．0700，0．1187，0．5067）T

再根據(jù)式 （8） 可得 TOPSIS 評價值 Y=（0．1192，0．1941，0．8029）T，因此，外協(xié)供應商 3 為最優(yōu)決策結果。

3 系統(tǒng)實現(xiàn)

根據(jù)評價步驟，可見基于熵值法-TOPSIS的外協(xié)供應商的評價步驟、計算過程和計算量都相當復雜，如果只是單純依靠人工計算，則不僅會消耗大量人力，而且還很可能導致計算結果錯誤或不準確的情況，因此，依靠手工基于熵值法-TOPSIS對外協(xié)供應商進行評價，在實際中并不可取。

根據(jù)實際需要，開發(fā)基于熵值法-TOPSIS的外協(xié)供應商的評價系統(tǒng)顯得格外重要，并具有極大的實際意義，能減少評價成本和時間，提高評價準確率。

系統(tǒng)采用．NET平臺和SQLServer來開發(fā)，設計出如圖1所示的界面，點擊系統(tǒng)主菜單下的【外協(xié)供應商評價】菜單項，即可顯示所有外協(xié)供應商的基本信息、評價指標數(shù)據(jù)和綜合評價值，將各外協(xié)供應商的綜合評價值以柱狀圖的形式直觀反映出來，并可通過表格下方的導航欄進行數(shù)據(jù)增加、刪除、保存等操作，通過表格上方的查詢功能，選擇查詢條件，輸入需要查詢的關鍵字，表格中就會顯示所需查詢的外協(xié)供應商信息。

4 結束語

本文通過分析目前國內(nèi)大多數(shù)機械制造企業(yè)普遍存在的外協(xié)供應商評價現(xiàn)狀問題，建立了一個完整健全的適用于該行業(yè)的評價指標體系，提出采用基于熵值法-TOPSIS的算法來對外協(xié)供應商進行綜合評價，從算法步驟來看，先用熵值法確定各個評價指標的權重，再用TOPSIS法計算供應商的綜合評價值。

由于評價指標項較多，算法步驟較為復雜，計算量較大，如果只是依靠人工采用該算法進行計算，并沒有多大的實際意義，因此基于．NET開發(fā)平臺和SQL Server數(shù)據(jù)庫管理系統(tǒng)開發(fā)了該評價系統(tǒng)平臺，使熵值法-TOPSIS評價算法的實際應用意義顯得格外實用。

［1］ 尹超，呂海濤，劉飛，等．云制造環(huán)境下外協(xié)加工資源集成服務模式及語義描述 ［J］．計算機集成制造系統(tǒng)，2011，17（3）:526-531．

［2］ 高陸，童秉樞，董興輝，等．供應商評價體系及方法［J］．機械科學與技術，2003，22（2）：295-298．

［3］ 董景峰，王剛，呂民，等．基于改進蟻群算法的多供應商選擇問題求解［J］．計算機集成制造系統(tǒng)，2007，13（8）：1639-1644．

［4］ 羅志猛，周建中，張勇傳，等．基于支持向量機和模糊層次分析法的虛擬研究中心合作伙伴優(yōu)選決策 ［J］．計算機集成制造系統(tǒng)，2009，15（11）:2266-2271．

［5］ 王雪蓮，鐘石泉，劉偉華．多產(chǎn)品分批次采購的供應商選擇模型及優(yōu)化算法 ［J］．計算機集成制造系統(tǒng)，2010，16（8）：1727-1731．

［6］ 鄭宇，董川順，馬登哲．基于AHP和熵值法的項目供應商灰色關聯(lián)評價［J］．工業(yè)工程與管理，2011，16（6）：66-68．

［7］ 王愛民，周宏宇，張戰(zhàn)峰，等．基于TOPSIS的無整合第四方物流多屬性指派決策機制 ［J］．計算機工程與應用，2011，47（22）：244-248．

［8］ 毛軍軍，李俠，吳濤．結合粗集模糊熵和PCA載荷陣改進的 TOPSIS 方法 ［J］．計算機工程與應用，2011，47（18）：56-59．