宋李俊，趙 虎，周康渠

（重慶理工大學(xué) 機(jī)械工程學(xué)院，重慶 400054）

0 引言

隨著市場(chǎng)競(jìng)爭(zhēng)全球化的趨勢(shì)和激烈程度的加劇，客戶對(duì)產(chǎn)品多樣性、質(zhì)量和成本等方面提出了更高的要求。為滿足客戶需求，企業(yè)需要聯(lián)合供應(yīng)商、零售商等組織，共同構(gòu)成供應(yīng)鏈，參與市場(chǎng)競(jìng)爭(zhēng)。供應(yīng)商是確定供應(yīng)鏈的關(guān)鍵，它作為供應(yīng)鏈中制造企業(yè)的上游企業(yè)，影響著企業(yè)的成本、競(jìng)爭(zhēng)力和客戶滿意度等多個(gè)方面，其選擇已成為供應(yīng)鏈設(shè)計(jì)的關(guān)鍵環(huán)節(jié)［1］，并已得到學(xué)術(shù)界和企業(yè)界越來(lái)越多的關(guān)注。

目前，供應(yīng)商選擇的研究主要包括評(píng)價(jià)準(zhǔn)則和評(píng)價(jià)方法兩方面。在評(píng)價(jià)準(zhǔn)則研究方面，在對(duì)273名代理商和管理人員調(diào)查統(tǒng)計(jì)的基礎(chǔ)上，Dickson總結(jié)提出了23條基本涵蓋供應(yīng)商選擇過程中應(yīng)考慮的評(píng)價(jià)準(zhǔn)則［2］。Weber等在Dickson研究的基礎(chǔ)上，對(duì)74篇關(guān)于供應(yīng)商選擇的文獻(xiàn)進(jìn)行研究，指出各評(píng)價(jià)準(zhǔn)則在供應(yīng)商實(shí)際選擇過程中被關(guān)注的程度［3］，其中質(zhì)量、價(jià)格和交貨期是供應(yīng)商選擇中最重視的三個(gè)因素。關(guān)于評(píng)價(jià)方法的研究，主要包括：①線性加權(quán)平均法，即賦予每個(gè)評(píng)價(jià)指標(biāo)以權(quán)重，對(duì)每個(gè)供應(yīng)商相對(duì)于每個(gè)評(píng)價(jià)指標(biāo)的表現(xiàn)進(jìn)行打分，求加權(quán)和，以判斷供應(yīng)商的優(yōu)劣［4］；②成本法，該方法相比于其他方法更為精確，但對(duì)成本相關(guān)數(shù)據(jù)的要求比較高［5］；③數(shù)據(jù)包絡(luò)方法，通過效率來(lái)進(jìn)行供應(yīng)商劃分［6］；④人工智能算法，采用人工智能技術(shù)進(jìn)行供應(yīng)商選擇［7］。此外，模糊層次分析法［8］、混合方法［9］、基于層次分析法的模糊線性規(guī)劃（Analytic Hierarch Process weighted Fuzzy Linear Programming model，AHP-FLP）方法也多用于供應(yīng)商選擇。

雖然有各種評(píng)價(jià)準(zhǔn)則和評(píng)價(jià)方法用于供應(yīng)商的選擇，但是這些研究都由企業(yè)單獨(dú)對(duì)供應(yīng)商進(jìn)行選擇，未直接考慮客戶的需求，而客戶對(duì)企業(yè)產(chǎn)品質(zhì)量、價(jià)格、創(chuàng)造性等方面的需求是企業(yè)選擇供應(yīng)商的重要依據(jù)，也是企業(yè)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)、快速發(fā)展的重要保證［10］。由于客戶需求信息具有顯性和隱性的特點(diǎn)，對(duì)于顯性信息的獲取，企業(yè)可通過調(diào)研的形式獲得，而隱性信息只有客戶最為了解，企業(yè)在獲取客戶隱性需求的過程中，需要花費(fèi)大量的成本，同時(shí)不能保證獲取信息的準(zhǔn)確性和實(shí)效性。因此，有必要將客戶納入供應(yīng)商選擇過程中，以便客戶根據(jù)自身需求，對(duì)備選的供應(yīng)商進(jìn)行評(píng)價(jià)。文獻(xiàn)［11］提出了基于顧客需求的目標(biāo)規(guī)劃模型，將客戶作為供應(yīng)商選擇的主體，對(duì)供應(yīng)商選擇評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià)。文獻(xiàn)［12］提出根據(jù)客戶對(duì)產(chǎn)品的不同需求，選擇不同的供應(yīng)商，由這些供應(yīng)商提供相應(yīng)的部件來(lái)滿足客戶需求。文獻(xiàn)［13］指出客戶知識(shí)在供應(yīng)商選擇中的重要性，通過建立用以收集和交換客戶訂單和偏好信息的模型，將這些客戶的信息融入企業(yè)供應(yīng)商選擇過程中。文獻(xiàn)［14］采用質(zhì)量功能配置（Quality Function Deployment，QFD）中“質(zhì)量屋”的概念，在客戶需求和供應(yīng)商選擇指標(biāo)系統(tǒng)之間建立了一個(gè)關(guān)系矩陣，通過分析客戶需求和指標(biāo)系統(tǒng)中各指標(biāo)的匹配程度，將客戶需求的權(quán)重轉(zhuǎn)化成指標(biāo)系統(tǒng)中指標(biāo)的權(quán)重，用于對(duì)各供應(yīng)商進(jìn)行評(píng)價(jià)。

上述文獻(xiàn)在供應(yīng)商選擇過程中都考慮了客戶的需求。但是這些研究仍存在不足：①未對(duì)參與企業(yè)的供應(yīng)商選擇的不同客戶進(jìn)行區(qū)分。對(duì)企業(yè)而言，不同客戶的價(jià)值和協(xié)作能力是不同的，在企業(yè)資源等條件的限制下，應(yīng)從所有客戶中選擇重要的客戶參與企業(yè)供應(yīng)商選擇，以提高供應(yīng)商選擇的效率和效果；②缺乏客戶協(xié)同機(jī)制和企業(yè)與客戶在供應(yīng)商選擇過程中的協(xié)同工作內(nèi)容分析。

本文在已有研究的基礎(chǔ)上，考慮客戶在供應(yīng)商選擇中的重要性，提出客戶協(xié)同供應(yīng)商選擇研究。首先，提出客戶協(xié)同供應(yīng)商選擇的過程模型，分析客戶協(xié)同供應(yīng)商選擇的過程和工作內(nèi)容。其次，從客戶價(jià)值、客戶協(xié)同態(tài)度、客戶協(xié)同能力和客戶學(xué)習(xí)效應(yīng)四方面建立了協(xié)同客戶的綜合評(píng)價(jià)指標(biāo)體系，利用粗糙集理論對(duì)指標(biāo)體系進(jìn)行約簡(jiǎn)，采用小波神經(jīng)網(wǎng)絡(luò)確定協(xié)同客戶的綜合評(píng)價(jià)值，為企業(yè)選擇參與供應(yīng)商選擇的協(xié)同客戶。再次，建立客戶協(xié)同供應(yīng)商選擇評(píng)價(jià)矩陣，對(duì)供應(yīng)商選擇評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估，并根據(jù)供應(yīng)商在各指標(biāo)上的表現(xiàn)，共同確定供應(yīng)商的綜合評(píng)價(jià)值，為企業(yè)選擇合適的供應(yīng)商。最后，通過實(shí)例證明了客戶協(xié)同供應(yīng)商選擇研究的有效性和可行性。

1 客戶協(xié)同供應(yīng)商選擇過程模型

企業(yè)通過提供滿意的產(chǎn)品或服務(wù)達(dá)到客戶期望和需求，一方面能夠改善客戶服務(wù)水平和提升客戶的滿意度，另一方面能夠形成良好的企業(yè)客戶關(guān)系，提升企業(yè)產(chǎn)品的銷售量并吸引新的客戶［15］。高質(zhì)量的產(chǎn)品或服務(wù)需企業(yè)有較好的設(shè)計(jì)、制造水平，也與為企業(yè)提供合適原材料和零部件的供應(yīng)商有關(guān)［16］，選擇能夠?yàn)槠髽I(yè)滿足客戶需求提供保證的供應(yīng)商尤其重要?？紤]到客戶在產(chǎn)品使用知識(shí)、使用經(jīng)驗(yàn)等方面比企業(yè)人員有更深刻的體會(huì)，是企業(yè)進(jìn)行產(chǎn)品或服務(wù)改善與創(chuàng)新的重要源泉，將客戶納入企業(yè)供應(yīng)商選擇過程中，客戶利用擁有的產(chǎn)品使用知識(shí)和經(jīng)驗(yàn)，并結(jié)合自身的需求選擇合適的供應(yīng)商。因?yàn)榭蛻粼谶x擇的過程中是從自身對(duì)產(chǎn)品或服務(wù)的要求出發(fā)，可能未考慮企業(yè)管理、財(cái)務(wù)等方面的特點(diǎn)，所以在供應(yīng)商選擇過程中仍需要企業(yè)進(jìn)行引導(dǎo)和參與。通過客戶與企業(yè)決策者協(xié)同進(jìn)行供應(yīng)商選擇，彌補(bǔ)以往由企業(yè)決策者單方面決策的不足，充分發(fā)揮雙方優(yōu)勢(shì)，為企業(yè)選擇供應(yīng)商提供一種新的思路和方法。通過該方式，對(duì)企業(yè)而言，一方面能夠使企業(yè)準(zhǔn)確、有效地獲取客戶需求信息，降低獲取客戶需求信息的時(shí)間、人力和財(cái)務(wù)等方面的成本；另一方面，選擇出的供應(yīng)商既能夠滿足企業(yè)生產(chǎn)制造等方面的要求，又能夠促進(jìn)企業(yè)為客戶提供滿意的產(chǎn)品，從而提高客戶滿意度和企業(yè)收益。此外，在企業(yè)與客戶進(jìn)行協(xié)同工作的過程中，企業(yè)與客戶進(jìn)行深入的交流和信息的共享，有助于企業(yè)加深對(duì)其重要客戶的了解，為企業(yè)的客戶管理提供有效信息，提升客戶服務(wù)水平；對(duì)客戶而言，他將對(duì)產(chǎn)品的要求直接反映給企業(yè)，為他能夠獲得滿意的產(chǎn)品提供一定的促進(jìn)作用，同時(shí)在協(xié)同企業(yè)選擇供應(yīng)商的過程中，客戶能夠獲得一定的激勵(lì)，主要包括經(jīng)濟(jì)激勵(lì)和精神激勵(lì)。

客戶協(xié)同企業(yè)進(jìn)行供應(yīng)商選擇的過程模型如圖1所示。

具體內(nèi)容包括：

（1）從客戶價(jià)值、客戶協(xié)同態(tài)度、客戶協(xié)同能力和客戶學(xué)習(xí)效應(yīng)四個(gè)方面，建立協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系。

（2）從客戶信息數(shù)據(jù)庫(kù)中收集、分析客戶的評(píng)價(jià)信息，并對(duì)其進(jìn)行規(guī)范化和模糊量化處理，采用粗糙集理論對(duì)指標(biāo)進(jìn)行約簡(jiǎn)。

（3）利用粗糙小波神經(jīng)網(wǎng)絡(luò)具有的時(shí)頻局域化性質(zhì)和神經(jīng)網(wǎng)絡(luò)自適應(yīng)、自學(xué)習(xí)能力，對(duì)客戶進(jìn)行綜合評(píng)價(jià)，選擇出協(xié)同客戶。

（4）從供應(yīng)商信息數(shù)據(jù)庫(kù)中初步選擇備選供應(yīng)商，提出供應(yīng)商選擇評(píng)價(jià)準(zhǔn)則，如質(zhì)量、成本、供應(yīng)柔性等。

（5）建立供應(yīng)商協(xié)同評(píng)價(jià)矩陣，由企業(yè)和協(xié)同客戶對(duì)評(píng)價(jià)準(zhǔn)則和供應(yīng)商進(jìn)行評(píng)價(jià)，以選擇滿足客戶需求和企業(yè)發(fā)展的供應(yīng)商。

2 協(xié)同客戶選擇

2.1 協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系的構(gòu)建

作為企業(yè)客戶管理重要內(nèi)容之一的客戶價(jià)值識(shí)別，是企業(yè)與客戶保持良好合作關(guān)系和進(jìn)行決策的重要依據(jù)，同時(shí)也是企業(yè)獲得市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)的重要保證［17］。在企業(yè)篩選參與供應(yīng)商選擇的協(xié)同客戶過程中，應(yīng)將客戶的價(jià)值作為重點(diǎn)考慮的方面，高價(jià)值的客戶在一定程度上代表了企業(yè)利潤(rùn)點(diǎn)和市場(chǎng)戰(zhàn)略方向。關(guān)于客戶價(jià)值的識(shí)別和評(píng)價(jià)的研究已得到學(xué)術(shù)界的廣泛重視。Wang等［18］將客戶的價(jià)值分為當(dāng)前價(jià)值、潛在價(jià)值和客戶忠誠(chéng)度。其中，客戶當(dāng)前價(jià)值利用RFM 中的客戶消費(fèi)、消費(fèi)頻率、消費(fèi)金額三個(gè)方面進(jìn)行衡量；潛在價(jià)值通過客戶的交叉購(gòu)買能力評(píng)價(jià)；客戶忠誠(chéng)度則采用客戶的情感因素、行為因素和轉(zhuǎn)換成本來(lái)衡量。Luo Yan［19］提出客戶識(shí)別的三維框架模型，包括客戶全生命周期價(jià)值維度、客戶感知價(jià)值維度和競(jìng)爭(zhēng)環(huán)境下客戶的可獲得性維度。

選擇參與企業(yè)供應(yīng)商選擇的協(xié)同客戶，除考慮客戶價(jià)值外，還應(yīng)對(duì)客戶的協(xié)同態(tài)度、協(xié)同能力和學(xué)習(xí)效應(yīng)進(jìn)行分析。因此，本文從這四個(gè)方面建立了協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系。具體包括：

（1）客戶價(jià)值 從企業(yè)的角度出發(fā)，客戶價(jià)值是指企業(yè)通過該客戶獲得的綜合效益和付出的綜合成本之間的差距。綜合效益表示企業(yè)通過客戶購(gòu)買企業(yè)提供的產(chǎn)品或服務(wù)所帶來(lái)的直接經(jīng)濟(jì)收入和間接收益；綜合成本是指企業(yè)為客戶提供產(chǎn)品或服務(wù)過程中所發(fā)生的經(jīng)濟(jì)成本、時(shí)間成本等?？蛻魞r(jià)值是衡量客戶重要性的重要方面，在篩選參與企業(yè)供應(yīng)商選擇的協(xié)同客戶時(shí)考慮的衡量客戶價(jià)值的因素包括客戶購(gòu)買頻率、客戶購(gòu)買總額、客戶的利潤(rùn)貢獻(xiàn)率（利潤(rùn)／成本）、客戶交叉購(gòu)買能力、客戶增長(zhǎng)潛力、客戶忠誠(chéng)度和客戶轉(zhuǎn)換成本。

（2）客戶協(xié)同態(tài)度 客戶協(xié)同供應(yīng)商選擇意味著企業(yè)和客戶在供應(yīng)商選擇過程中相互配合、相互促進(jìn)，充分發(fā)揮雙方的優(yōu)勢(shì)，為企業(yè)選擇出合適的供應(yīng)商?？蛻魠f(xié)同態(tài)度則表達(dá)了客戶與企業(yè)交流、協(xié)同企業(yè)工作的意愿大小。客戶協(xié)同態(tài)度可以從客戶對(duì)企業(yè)的了解程度、客戶信譽(yù)、溝通容易程度、參與協(xié)同工作的積極性四個(gè)方面進(jìn)行衡量。

（3）客戶協(xié)同能力 在客戶具備一定的協(xié)同意愿的同時(shí)，還應(yīng)具有一定的協(xié)同能力，保證客戶能夠有效完成協(xié)同過程中的相關(guān)工作。主要衡量指標(biāo)包括客戶知識(shí)表達(dá)能力、信息反饋能力、教育層次、供應(yīng)商選擇的基本知識(shí)、客戶產(chǎn)品使用經(jīng)驗(yàn)和客戶產(chǎn)品使用知識(shí)。

（4）學(xué)習(xí)效應(yīng) 為了最大化利用客戶資源，提高客戶協(xié)同工作效率，企業(yè)組織客戶對(duì)企業(yè)供應(yīng)商選擇過程中的特性、模型、知識(shí)、環(huán)境和思維方式等內(nèi)容進(jìn)行針對(duì)性的培訓(xùn)和學(xué)習(xí)?？蛻敉ㄟ^學(xué)習(xí)，能夠更好地理解供應(yīng)商選擇過程和相關(guān)模型，促使客戶更好地表達(dá)自身需求，有助于增強(qiáng)供應(yīng)商選擇的有效性。同時(shí)，企業(yè)在該過程中，能夠?qū)蛻舻恼鎸?shí)需求有進(jìn)一步的認(rèn)識(shí)，從而有助于提升企業(yè)的產(chǎn)品知識(shí)學(xué)習(xí)和更新能力。企業(yè)與客戶相互促進(jìn)和配合，形成學(xué)習(xí)效應(yīng)，在產(chǎn)生學(xué)習(xí)效應(yīng)的基礎(chǔ)上，對(duì)協(xié)同客戶的評(píng)價(jià)和供應(yīng)商的選擇更為有效、合理。學(xué)習(xí)效應(yīng)指標(biāo)分為基本型、被動(dòng)型、負(fù)責(zé)型、能動(dòng)型和伙伴型［20］。

根據(jù)協(xié)同客戶選擇的主要影響因素分析，建立了協(xié)同客戶選擇的評(píng)價(jià)指標(biāo)體系，具體框架結(jié)構(gòu)如圖2所示。

2.2 基于粗糙集和小波神經(jīng)網(wǎng)絡(luò)的協(xié)同客戶選擇

協(xié)同客戶選擇是一個(gè)涉及多客戶、多指標(biāo)的評(píng)價(jià)過程，每個(gè)指標(biāo)的評(píng)價(jià)值都會(huì)對(duì)選擇結(jié)果產(chǎn)生影響，指標(biāo)的評(píng)價(jià)值與協(xié)同客戶綜合評(píng)價(jià)值之間存在復(fù)雜的內(nèi)在、隱含的映射關(guān)系，是一個(gè)復(fù)雜的非線性系統(tǒng)。小波神經(jīng)網(wǎng)絡(luò)綜合了小波變換和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，利用小波變換所具有的時(shí)頻局域化性質(zhì)和神經(jīng)網(wǎng)絡(luò)自適應(yīng)、自學(xué)習(xí)、容錯(cuò)能力強(qiáng)的特點(diǎn)，能夠有效解決協(xié)同客戶選擇中的非線性映射問題，分析指標(biāo)和協(xié)同客戶綜合評(píng)價(jià)之間的復(fù)雜關(guān)系。為了提高小波神經(jīng)網(wǎng)絡(luò)求解問題的速度，需要對(duì)輸入變量進(jìn)行處理，減少輸入變量，從而有效地簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，減少訓(xùn)練的步數(shù)和時(shí)間，提高網(wǎng)絡(luò)學(xué)習(xí)的速度和判斷的準(zhǔn)確性。

對(duì)于輸入變量的處理，本文分兩步進(jìn)行：首先，對(duì)協(xié)同客戶評(píng)價(jià)指標(biāo)體系中的定性指標(biāo)進(jìn)行模糊量化處理；其次，考慮到協(xié)同客戶選擇的評(píng)價(jià)指標(biāo)較多，指標(biāo)之間存在一定的關(guān)聯(lián)性，為降低協(xié)同客戶選擇的難度，去除指標(biāo)中的冗余信息，采用粗糙集方法對(duì)指標(biāo)進(jìn)行約簡(jiǎn)。

此外，為了能夠有效處理輸入小波神經(jīng)網(wǎng)絡(luò)的變量中的隨機(jī)和不確定部分，縮小搜索空間，改進(jìn)網(wǎng)絡(luò)學(xué)習(xí)的收斂速度，將粗糙集和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，由粗糙神經(jīng)元和小波神經(jīng)元共同構(gòu)成小波神經(jīng)網(wǎng)絡(luò)的隱含層。其中，粗糙神經(jīng)元包括上限神經(jīng)元和下限神經(jīng)元。

由上述分析，本文提出基于粗糙集和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合的協(xié)同客戶選擇方法。主要步驟如下：

（1）對(duì)于協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系中的定性指標(biāo)，按照一定的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行模糊量化處理。

（2）采用粗糙集方法，分析協(xié)同客戶選擇評(píng)價(jià)指標(biāo)的重要程度，并根據(jù)重要程度提取主要影響因素，得到約簡(jiǎn)后的協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系。

（3）將約簡(jiǎn)后的指標(biāo)及指標(biāo)評(píng)價(jià)值作為輸入?yún)?shù)，對(duì)粗糙小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，分析得到協(xié)同客戶的綜合評(píng)價(jià)值。

基于粗糙集和小波神經(jīng)網(wǎng)絡(luò)的協(xié)同客戶選擇評(píng)價(jià)模型如圖3所示。

（1）協(xié)同客戶選擇評(píng)價(jià)指標(biāo)的模糊量化

協(xié)同客戶選擇評(píng)價(jià)指標(biāo)體系中存在多個(gè)定性指標(biāo)，如客戶增長(zhǎng)潛力、客戶忠誠(chéng)度、客戶信譽(yù)和客戶知識(shí)表達(dá)能力等。這些指標(biāo)難以直接定量化描述，本文采用專家評(píng)價(jià)的方法，即專家根據(jù)一定的標(biāo)準(zhǔn)建立語(yǔ)言變量與模糊量化值之間的關(guān)系，對(duì)定性指標(biāo)進(jìn)行模糊量化處理，以獲得指標(biāo)的定量評(píng)價(jià)值。語(yǔ)言變量與模糊量化值之間的對(duì)應(yīng)關(guān)系如表1所示。

表1 語(yǔ)言變量與模糊量化值之間的對(duì)應(yīng)關(guān)系

（2）協(xié)同客戶選擇評(píng)價(jià)指標(biāo)約簡(jiǎn)

粗糙集方法可以通過所處理的數(shù)據(jù)本身來(lái)較客觀地反映模型的信息，對(duì)先驗(yàn)知識(shí)的要求不高，能夠處理不確定和不精確問題。通過對(duì)數(shù)據(jù)間關(guān)系的分析，可以對(duì)輸入信息中的冗余部分進(jìn)行約簡(jiǎn)，同時(shí)可以簡(jiǎn)化輸入信息的空間維數(shù)，用來(lái)解決協(xié)同客戶選擇評(píng)價(jià)中的指標(biāo)約簡(jiǎn)問題。

基于粗糙集的協(xié)同客戶選擇評(píng)價(jià)指標(biāo)約簡(jiǎn)過程如下：

步驟1 離散化客戶歷史數(shù)據(jù)。

企業(yè)客戶的歷史數(shù)據(jù)部分是連續(xù)的，而粗糙集處理的是離散數(shù)據(jù)。因此，需要對(duì)數(shù)據(jù)進(jìn)行離散化處理。關(guān)于數(shù)據(jù)離散化的方法包括等距離法、等頻率法、最大熵法、L-方法、W-方法、P-方法和C-方法等。本文采用等距離法離散化客戶歷史數(shù)據(jù)。

步驟2 建立屬性決策表。

決策表指具有條件屬性集和決策屬性集的信息系統(tǒng)，通過步驟1對(duì)指標(biāo)屬性值進(jìn)行離散化和量化后，形成二維決策表，其中行表示對(duì)象，列表示對(duì)象的屬性（分為條件屬性和決策屬性）。

步驟3 計(jì)算屬性αi的重要性和權(quán)重。

條件屬性αi的重要性是指從條件屬性C中去掉αi后決策結(jié)果大小的變化程度，決策結(jié)果變化越大屬性αi越重要，反之，則相對(duì)不重要。屬性αi的重要性的

為方便計(jì)算，需要將各屬性的重要性轉(zhuǎn)化為權(quán)重，采用式（2）對(duì)屬性重要性進(jìn)行歸一化處理：

式中ωi表示條件屬性中第i個(gè)屬性的權(quán)重。

步驟4 條件屬性約簡(jiǎn)。

計(jì)算得到條件屬性C中所有屬性的權(quán)重｛ω1，ω2，…，ωi，…，ωn｝，并對(duì)所有屬性的權(quán)重進(jìn)行排序，選擇權(quán)重較大的屬性，得到協(xié)同客戶選擇的較為科學(xué)合理的評(píng)價(jià)指標(biāo)體系C=｛c1，c1，…，cl｝（l＜n）。

（3）基于粗糙小波神經(jīng)網(wǎng)絡(luò)的協(xié)同客戶選擇評(píng)價(jià)模型

由于三層感知器網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單、操作性強(qiáng)、輸入變量數(shù)目可控等特點(diǎn)，本文采用三層感知器結(jié)構(gòu)構(gòu)建協(xié)同客戶選擇評(píng)價(jià)模型。將影響因素作為輸入層，輸入層的節(jié)點(diǎn)數(shù)目由經(jīng)過粗糙集約簡(jiǎn)后的協(xié)同客戶選擇評(píng)價(jià)指標(biāo)數(shù)決定；由小波變換層作為中間層，中間層由粗糙神經(jīng)元和小波神經(jīng)元構(gòu)成；輸出層則是協(xié)同客戶綜合評(píng)價(jià)結(jié)果。

其中：X=（x1，x2，…，xn）表示協(xié)同客戶選擇評(píng)價(jià)指標(biāo)值集合，uij表示第j個(gè)輸入xj與中間層第i個(gè)小波基單元之間的連接權(quán)重，wi表示第i個(gè)小波基單元的輸出權(quán)重，表示協(xié)同客戶綜合評(píng)價(jià)值。

（1）粗糙神經(jīng)元

粗糙神經(jīng)元由上限神經(jīng)元R-和下限神經(jīng)元R-構(gòu)成，如圖4所示。將協(xié)同客戶評(píng)價(jià)指標(biāo)值作為輸入變量，通過上限神經(jīng)元和下限神經(jīng)元產(chǎn)生一個(gè)輸出值，并將輸出值傳遞給小波神經(jīng)元。兩個(gè)粗糙神經(jīng)元之間的相互交叉聯(lián)系包括全連接模式、并行連接模式和交叉連接模式三種類型，本文采用全連接方式。

粗糙神經(jīng)元輸出的計(jì)算公式［21］為：

式中：t為任意激活函數(shù)，如sigmoid函數(shù)；IR為粗糙神經(jīng)元的輸入值。

則由第j粗糙神經(jīng)元輸入到小波神經(jīng)元的輸入值可以表示為

式（4）表明輸入層變量受外界影響的波動(dòng)情況，通過將波動(dòng)信息傳遞給小波神經(jīng)元，能夠增強(qiáng)網(wǎng)絡(luò)自身的抗干擾能力。

（2）綜合評(píng)價(jià)

協(xié)同客戶選擇模型中的第i個(gè)小波基單元φi（t）中的ti由uij和第j個(gè)輸入xj決定，表示為ti=

則由粗糙神經(jīng)元和小波神經(jīng)元構(gòu)成的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸入為

協(xié)同客戶綜合評(píng)價(jià)值表示為

由于上述模型具有多變特性，需要通過網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練，確定模型中的網(wǎng)絡(luò)參數(shù)uij，ai，bi和wj，以確保預(yù)測(cè)值與實(shí)際值之間的最優(yōu)擬合。式中是依賴于不同的伸縮因子ai和平移因子bi的小波基函數(shù)。

設(shè)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練樣本數(shù)為H個(gè)，為（xk1，xk2，…，xkn，yk）（k=1，2，…，H），通過學(xué)習(xí)與訓(xùn)練，并對(duì)上述4 個(gè)參數(shù)采用最小均方差能量函數(shù)進(jìn)行優(yōu)化［22］，

小波基的個(gè)數(shù)m可以通過逐步檢驗(yàn)的方法來(lái)確定。首先設(shè)定協(xié)同客戶選擇評(píng)價(jià)的允許擬合誤差為ε；然后由m=1開始計(jì)算，求解Ei，如果Ei＜ε，則取m=i，否則繼續(xù)增加m的值，直到m=m＊時(shí)，使Em＊滿足Em＊＜ε為止，取m=m＊，從而確定網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)。

選用具有較高時(shí)-頻域分辨率的Morlet小波基函數(shù)，其表達(dá)式為：

步驟1 初始化小波神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)。賦予參數(shù)uij，ai，bi，wi隨機(jī)的初始值，并給定允許擬合的誤差值ε。

步驟2 輸入學(xué)習(xí)樣本xkj（j=1，2，…，n；k=1，2，…，H）和相應(yīng)的期望輸出值yk。其中H為小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練的樣本數(shù)。

步驟3 小波神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)過程。利用式（5）計(jì)算當(dāng)前網(wǎng)絡(luò)參數(shù)對(duì)應(yīng)的網(wǎng)絡(luò)輸出值。

步驟4 采用最速下降法對(duì)小波神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)進(jìn)行修正：

式中：η為小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率因子，采用訓(xùn)練迭代可變速率；α為動(dòng)量因子，以防止陷入局部最小值。

步驟5 求解網(wǎng)絡(luò)誤差。若網(wǎng)絡(luò)誤差的絕對(duì)值小于預(yù)先設(shè)定誤差允許值，則停止網(wǎng)絡(luò)的學(xué)習(xí)，否則返回步驟2。

3 客戶協(xié)同供應(yīng)商選擇

客戶協(xié)同供應(yīng)商選擇即企業(yè)在選擇供應(yīng)商的過程中，將客戶納入供應(yīng)商選擇過程中。企業(yè)要求客戶根據(jù)自身對(duì)企業(yè)產(chǎn)品的經(jīng)驗(yàn)、知識(shí)以及對(duì)產(chǎn)品／服務(wù)的需求，對(duì)供應(yīng)商選擇評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià)，同時(shí)企業(yè)也會(huì)對(duì)指標(biāo)進(jìn)行評(píng)價(jià)。綜合二者的評(píng)價(jià)會(huì)得到供應(yīng)商選擇評(píng)價(jià)指標(biāo)的權(quán)重，再根據(jù)供應(yīng)商在每個(gè)指標(biāo)上的表現(xiàn)確定備選供應(yīng)商的綜合評(píng)價(jià)值，為企業(yè)選擇供應(yīng)商提供決策依據(jù)。

3.1 供應(yīng)商選擇評(píng)價(jià)指標(biāo)

本文綜合已有的關(guān)于供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系研究的成果，在Dickson總結(jié)提出的用于供應(yīng)商選擇的23條評(píng)價(jià)準(zhǔn)則的基礎(chǔ)上，參考了企業(yè)管理人員和專家的意見，提出了由6個(gè)一級(jí)指標(biāo)和29個(gè)二級(jí)指標(biāo)構(gòu)成的供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系。具體如表2所示。

表2 供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系

續(xù)表2

3.2 客戶協(xié)同供應(yīng)商選擇過程

（1）確定供應(yīng)商選擇評(píng)價(jià)指標(biāo)體系

假設(shè)有L個(gè)備選供應(yīng)商，組成的供應(yīng)商集合為S=｛S1，S2，…，SL｝，用于供應(yīng)商選擇的評(píng)價(jià)指標(biāo)有P個(gè)，構(gòu)成評(píng)價(jià)指標(biāo)集合I=｛I1，I2，…，IP｝。

（2）確定協(xié)同客戶的重要度

由粗糙集理論和小波神經(jīng)網(wǎng)絡(luò)篩選得到的協(xié)同客戶有n個(gè)，構(gòu)成協(xié)同客戶的集合為C=｛C1，C2，…，Cn｝，表示第i個(gè)協(xié)同客戶通過粗糙小波神經(jīng)網(wǎng)絡(luò)計(jì)算得到的綜合評(píng)價(jià)值。為方便比較，需要對(duì)n個(gè)協(xié)同客戶的綜合評(píng)價(jià)值進(jìn)行歸一化處理，得到第i個(gè)協(xié)同客戶的重要度

在供應(yīng)商選擇過程中，需要考慮企業(yè)和客戶兩方面的要求，為了能夠表示企業(yè)和客戶在供應(yīng)商選擇過程中的相對(duì)權(quán)重，由企業(yè)確定協(xié)同客戶權(quán)重分配系數(shù)α，由此得到協(xié)同客戶的權(quán)重為，則企業(yè)的權(quán)重為1-α，其中0≤α≤1。

（3）客戶協(xié)同供應(yīng)商選擇評(píng)價(jià)

客戶協(xié)同供應(yīng)商的選擇評(píng)價(jià)矩陣如表3所示：

表3 客戶協(xié)同供應(yīng)商選擇評(píng)價(jià)

表3中：rij表示第i個(gè)協(xié)同客戶對(duì)第j個(gè)供應(yīng)商選擇評(píng)價(jià)指標(biāo)的評(píng)價(jià)值，rij∈［0，1］，rij值越大，表示協(xié)同客戶Ci認(rèn)為指標(biāo)Ij越重要。在協(xié)同客戶和企業(yè)對(duì)各指標(biāo)評(píng)價(jià)后，可以計(jì)算得到每個(gè)指標(biāo)的重要程度，

式中βIj表示指標(biāo)Ij的重要程度。

（4）評(píng)價(jià)供應(yīng)商在各指標(biāo)上的表現(xiàn)

由企業(yè)組織O個(gè)相關(guān)人員，如企業(yè)市場(chǎng)部、采購(gòu)部等與供應(yīng)商進(jìn)行業(yè)務(wù)往來(lái)的主要人員，構(gòu)成企業(yè)評(píng)價(jià)人員集合X=｛x，x2，…，xO｝，對(duì)L個(gè)備選供應(yīng)商在各指標(biāo)上的表現(xiàn)進(jìn)行評(píng)價(jià)。評(píng)價(jià)的尺度標(biāo)準(zhǔn)如表4所示。

表4 評(píng)價(jià)尺度標(biāo)準(zhǔn)

由此可以得到第k個(gè)企業(yè)人員對(duì)第t個(gè)供應(yīng)商在第j個(gè)指標(biāo)上的評(píng)價(jià)值，表示為vktj，則第t個(gè)供應(yīng)商在j個(gè)指標(biāo)上的評(píng)價(jià)值為

（5）計(jì)算供應(yīng)商的綜合評(píng)價(jià)值

供應(yīng)商的綜合評(píng)價(jià)值是由企業(yè)對(duì)供應(yīng)商在各個(gè)指標(biāo)上表現(xiàn)的評(píng)價(jià)值和各評(píng)價(jià)指標(biāo)的重要度共同確定的。第t個(gè)供應(yīng)商的綜合評(píng)價(jià)值為

企業(yè)根據(jù)每個(gè)供應(yīng)商的綜合評(píng)價(jià)值，確定供應(yīng)商的優(yōu)先順序并進(jìn)行選擇。

4 應(yīng)用研究

以重慶市某企業(yè)進(jìn)行客戶協(xié)同供應(yīng)商選擇為例，對(duì)上述方法進(jìn)行驗(yàn)證。首先企業(yè)從其客戶管理數(shù)據(jù)庫(kù)中選擇18個(gè)客戶，并收集客戶的相關(guān)歷史數(shù)據(jù)，如客戶購(gòu)買頻率、購(gòu)買總額等；然后組織客戶對(duì)企業(yè)供應(yīng)商選擇過程中的特性、模型、知識(shí)、思維方式以及協(xié)同環(huán)境與手段進(jìn)行學(xué)習(xí)。

4.1 協(xié)同客戶選擇評(píng)價(jià)指標(biāo)約簡(jiǎn)

針對(duì)粗糙集理論處理離散化數(shù)據(jù)的特點(diǎn)，需要對(duì)客戶歷史數(shù)據(jù)進(jìn)行離散化處理。對(duì)于定性指標(biāo)，企業(yè)共選擇了20位專家對(duì)18個(gè)客戶進(jìn)行評(píng)價(jià)，專家給出客戶在每個(gè)指標(biāo)上的評(píng)價(jià)值和綜合評(píng)價(jià)值，將專家評(píng)價(jià)結(jié)果進(jìn)行加和平均處理，并采用等距離法進(jìn)行離散化處理。對(duì)于定量指標(biāo)，也采用等距離法進(jìn)行離散化處理。離散化后共分為4個(gè)等級(jí)，等級(jí)劃分標(biāo)準(zhǔn)為：令xij為第i個(gè)客戶Ci在第j個(gè)指標(biāo)的評(píng)價(jià)值，取出18個(gè)客戶在j個(gè)指標(biāo)評(píng)價(jià)值中的最小值和最大值，記為xmin和xmax，則距離為

經(jīng)過離散化處理后的客戶評(píng)價(jià)值如表5所示。

對(duì)離散化數(shù)據(jù)采用式（1）和式（2）進(jìn)行求解，得到各指標(biāo)約簡(jiǎn)后的評(píng)價(jià)值，即各指標(biāo)權(quán)重，如表6所示。

對(duì)各個(gè)指標(biāo)的權(quán)重進(jìn)行排序，選擇權(quán)重大于0.034的指標(biāo)作為協(xié)同客戶選擇的評(píng)價(jià)準(zhǔn)則。約簡(jiǎn)后得到的指標(biāo)包括客戶購(gòu)買總額（V2）、客戶增長(zhǎng)潛力（V5）、客戶信譽(yù)（A2）、客戶知識(shí)表達(dá)能力（B1）、產(chǎn)品使用經(jīng)驗(yàn)（B5）等10個(gè)指標(biāo)。

4.2 基于小波神經(jīng)網(wǎng)絡(luò)的協(xié)同客戶選擇

將專家對(duì)18個(gè)客戶的10個(gè)指標(biāo)的評(píng)價(jià)值和綜合評(píng)價(jià)值用于對(duì)粗糙小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。設(shè)置擬合誤差為ε=10-5，根據(jù)訓(xùn)練過程的實(shí)際數(shù)據(jù)驗(yàn)證，學(xué)習(xí)因子為0.4，動(dòng)量因子為0.7，有效隱含層節(jié)點(diǎn)數(shù)設(shè)為10，經(jīng)過98次迭代，能夠得到期望的小波神經(jīng)網(wǎng)絡(luò)模型。圖5為小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練曲線。

表5 離散化處理后的客戶數(shù)據(jù)

表6 協(xié)同客戶選擇評(píng)價(jià)指標(biāo)權(quán)重

將訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)用于對(duì)企業(yè)的協(xié)同客戶進(jìn)行綜合評(píng)價(jià)，判斷出各協(xié)同客戶的重要性，從而確定各協(xié)同客戶在供應(yīng)商選擇過程中的權(quán)重。經(jīng)過分析，得到客戶的主要評(píng)價(jià)指標(biāo)值和綜合權(quán)重如表7所示。

4.3 客戶協(xié)同供應(yīng)商選擇

根據(jù)式（12）對(duì)經(jīng)過粗糙集和小波神經(jīng)網(wǎng)絡(luò)確定的客戶重要性進(jìn)行歸一化處理，從而得到每個(gè)客戶的權(quán)重。協(xié)同客戶權(quán)重如表8所示。

由于在供應(yīng)商選擇過程中需要同時(shí)考慮企業(yè)和客戶的需求，設(shè)定協(xié)同客戶權(quán)重分配系數(shù)α=0.5，表示企業(yè)和客戶在供應(yīng)商選擇過程中同等重要。然后客戶與企業(yè)對(duì)供應(yīng)商選擇評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估，并結(jié)合企業(yè)對(duì)每個(gè)供應(yīng)商的的評(píng)估，得到客戶協(xié)同供應(yīng)商選擇的綜合評(píng)價(jià)，如表9所示。

由上述計(jì)算結(jié)果可知，各備選供應(yīng)商綜合評(píng)價(jià)值優(yōu)先排序?yàn)楣?yīng)商2、供應(yīng)商1、供應(yīng)商3、供應(yīng)商4、供應(yīng)商6、供應(yīng)商5。企業(yè)根據(jù)需要，按照綜合評(píng)價(jià)值的大小進(jìn)行供應(yīng)商的選擇。

表7 協(xié)同客戶的評(píng)價(jià)與選擇

表8 協(xié)同客戶重要性

表9 客戶協(xié)同供應(yīng)商選擇綜合評(píng)價(jià)

5 結(jié)束語(yǔ)

本文提出一種新的企業(yè)選擇供應(yīng)商的方法和過程，采用粗糙集方法對(duì)由客戶價(jià)值、客戶協(xié)同態(tài)度、客戶協(xié)同能力和客戶學(xué)習(xí)效應(yīng)構(gòu)成的協(xié)同客戶評(píng)價(jià)指標(biāo)體系進(jìn)行預(yù)處理和約簡(jiǎn)，提取影響程度較大的指標(biāo)作為輸入變量，進(jìn)而提高由粗糙神經(jīng)元和小波神經(jīng)元構(gòu)成的小波神經(jīng)網(wǎng)絡(luò)的運(yùn)行速度，加速了收斂，提升了協(xié)同客戶評(píng)價(jià)的效率和精度，可為企業(yè)選擇出相對(duì)重要的協(xié)同客戶協(xié)同選擇供應(yīng)商。由這些協(xié)同客戶和企業(yè)共同對(duì)供應(yīng)商選擇準(zhǔn)則進(jìn)行評(píng)估，結(jié)合供應(yīng)商的實(shí)際情況，為企業(yè)選擇出同時(shí)滿足企業(yè)和客戶要求的供應(yīng)商。供應(yīng)商的評(píng)價(jià)選擇影響到企業(yè)產(chǎn)品創(chuàng)新開發(fā)的效率與質(zhì)量，本文下一步將重點(diǎn)研究企業(yè)供應(yīng)鏈各構(gòu)成主體和客戶對(duì)供應(yīng)鏈集成組織效率的影響機(jī)理及效率評(píng)價(jià)方法，完善客戶參與的企業(yè)創(chuàng)新模式理論與方法。

［1］CHANG B，HUNG H F.A study of using RST to create the supplier selection model and decision-making rules［J］.Expert Systems with Applications，2010，37（12）：8284-8295.

［2］DICKSON G W.An analysis of vendor selection systems and decisions［J］.Journal of Purchasing，1966，2（1）：5-17.

［3］WEBER C A，CURRENT J R，BENTON W C.Vendor selection criteria and methods［J］.European Journal of Operational Research，1991，50（1）：2-18.

［4］TIMMERMAN E.An approach to vendor performance evaluation［J］.Journal of Purchasing &Supply Management，1986，（1）：27-32.

［5］DEBOER L，LABRO E，MORLACCHI P.A review of methods supporting supplier selection［J］.European Journal of Purchasing &Supply Management，2001（7）：75-89.DOI：10.1016／S0969-7012（00）00028-9.

［6］RAMANATHAN R.Supplier selection problem：integrating DEA with the approaches of total cost of ownership and AHP［J］.Supply Chain Management-an International Journal，2007，12（4）：258-261.

［7］CHOY K L，F(xiàn)AN K H，LO V.Development of an intelligent customer-supplier relationship management system：the application of case-based reasoning［J］.Industrial Management &Data Systems，2003，103（4）：263-274.

［8］KAHRAMAN C，CEBECI U，ULUKAN Z.Multi-criteria supplier selection using fuzzy AHP［J］.Logistic Information Management，2003，16（6）：382-394.

［9］SEVKLI M，KOH S C，ZAIM S，et al.Hybrid analytical hierarchy process model for supplier selection［J］.Industrial Management &Data Systems，2008，108（1）：122-142.

［10］ROSS D F.Introduction to e-supply chain management：engaging technology to build market-winning business partnerships［M］.London，UK：CRC Press，2003.

［11］ZHOU Shuiyin，CHEN Rongqiu.Customer demand-oriented supply chain partner selection model［J］.Journal of Huazhong University of Science and Technology，2001，29（5）：38-40（in chinese）.［周水銀，陳榮秋.面向顧客需求的供應(yīng)鏈合作伙伴選擇模型［J］.華中科技大學(xué)學(xué)報(bào)，2001，29（5）：38-40.］

［12］SAWIK T.Integrated selection of suppliers and scheduling of customer orders in the presence of supply chain disruption risks［J］.International Journal of Production Research，2013，13：4045-4069.

［13］JAHANI A，MURAD M A A，SULAIMAN M N，et al.An intelligent case-based supplier selection framework：Customer knowledge management perspective［C］／／Proceedings of 2012 International Conference on Information Retrieval and Knowledge Management.Washington，D.C.，USA：IEEE，2012：95-99.

［14］XU Xing，LI Renwang，WU Xinli.Study on supplier selection model for supply chain collaboration［J］.Advances in Intelligent and Soft Computing，2011，123：241-246.

［15］GARCIA-MURILLO M，ANNABI H.Customer knowledge management［J］.Journal of the Operational Research Socie-ty，2002，53（8）：875-884.

［16］ORDOOBADI S M，WANG Shouhong.A multiple perspectives approach to supplier selection［J］.Industrial Management &Data Systems，2011，111（3／4）：629-648.

［17］JIN Daizhi，WANG Chunxia.Construction and testing of customer value identification model［C］／／Proceedings of 2010International Conference on Management Science &Engineering.Washington，D.C.，USA：IEEE，2010：595-601.

［18］WANG Jianren，HUANG Zhiwen，DUAN Ganglong.An information fusion model of customer identification based on ELM-SVM-DS［C］／／Proceedings of the 3rd International Conference on Information Management，Innovation Management and Industrial Engineering.Washington，D.C.，USA：IEEE，2010：464-467.

［19］LUO Yan.Decision making of customer retention based on customer identification［C］／／Proceedings of the 2011 8th International Conference on Fuzzy Systems and Knowledge Discovery.Washington，D.C.，USA：IEEE，2011：2017-2021.

［20］YANG jie，YANG Yu，WANG Weili，et al.Evaluation of collaborative innovative cust omer based on PWNN model and its application［J］.Computer Integrated Manufacturing Systems，2008，14（5）：882-890（in Chinese）.［楊 潔，楊 育，王偉立，等.基于預(yù)處理小波神經(jīng)網(wǎng)絡(luò)模型的協(xié)同創(chuàng)新客戶評(píng)價(jià)與應(yīng)用研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2008，14（5）：882-890.］

［21］CHANDANA S，MAYORGA R V.The new rough neuron［C］／／Proceedings of International Conference on Neural Networks and Brain.Washington，D.C.，USA：IEEE，2005，1：13-18.

［22］LILIEN G L，STATE P，MORRISON P D，et al.Performance assessment of the lead user idea-generation process for new product development［J］.Management Science，2002，48（8）：1042-1059.