吳　征，吳鳳平，于倩雯

(河海大學 商學院，江蘇 南京 211100)

?

基于正負靶心的低碳供應商灰靶決策研究

吳征，吳鳳平，于倩雯

(河海大學 商學院，江蘇 南京 211100)

針對不確定條件下多指標、多層次的低碳供應商選擇問題，利用灰靶理論構建基于正負靶心的供應商評價模型。首先，通過信息熵的方法求出評價指標體系中各個一級指標下的二級指標權重，集結權重和規(guī)范指標數(shù)據(jù)得出綜合決策效果評價值；其次，確定正負靶心及正負靶心距，計算各決策方案到正負靶心的距離和綜合靶心距大?。辉俅?，根據(jù)極大熵原理和綜合靶心距最小化原則建立一級指標權重的優(yōu)化與求解模型，得出一級指標權重序列；最后，以蘇州三星液晶顯示器有限公司供應商方案的選擇為例，驗證了該方法的可行性與有效性。

不確定條件;低碳供應商;區(qū)間灰數(shù);正負靶心;灰靶評價

低碳供應商的選擇是一個多指標綜合評價問題，在低碳經(jīng)濟潮流下，傳統(tǒng)供應商選擇方法已不能順應新的潮流變化。目前，大多數(shù)學者都是從綠色經(jīng)濟和可持續(xù)發(fā)展的視角來考慮綠色供應鏈中的低碳供應商選擇問題，在此過程中碳排放往往作為一個常數(shù)，較少考慮到碳足跡等模糊碳排放因素，而碳足跡的優(yōu)化對于綠色供應鏈中的低碳減排具有重要影響。近年來，一些專家學者就低碳或綠色供應商的選擇問題進行了深入研究。

在評價模型方面：AMID等[1]以成本、質量、價格等為目標，通過極大-極小權重模型對單產(chǎn)品供應商多目標規(guī)劃問題進行求解；SHAW等[2]在碳排放的基礎上考慮模糊需求，并運用加權規(guī)劃模型求解單產(chǎn)品多目標規(guī)劃問題中各供應商的訂貨量；KILIC[3]則首次提出了FTOPSIS方法在供應商評價選擇模型中的應用，建立了多產(chǎn)品條件下供應商的需求單目標規(guī)劃模型；楊紅娟等[4]建立了基于數(shù)據(jù)包絡法的低碳供應鏈績效評價模型，定量分析了各評價指標，其評價結果具有客觀性，該方法較適用于定量評價指標；羅新星等[5]在綠色供應鏈下供應商的選擇研究中將層次分析法和逼近理想點法相結合，并對供應商做了優(yōu)先排序。

在評價指標體系方面：DONALD等[6]以績效、經(jīng)濟、整體、適合、守法5項評價指標作為供應商選擇的影響因素；鄒樹梁等[7]針對核電產(chǎn)業(yè)的特征，從技術服務、質保能力、創(chuàng)新能力、信譽、規(guī)模實力和合作兼容性6個方面構建了評價指標體系；張停停[8]從虛擬和實體兩個層面考慮供應商的選擇過程，通過知識、市場、資源的組合構建指標體系；秦娟等[9]則提出在現(xiàn)有物流供應商選擇決策模型中應同時考慮專家偏好及評估指標等相關問題；宋寶娥等[10]通過對質量安全、價格、成本、服務水平、管理水平和人員素質等6個方面的考量建立了超市生鮮食品供應商選擇指標體系。

筆者運用灰色理論中的灰靶決策方法，構建基于正負靶心的低碳供應商灰靶評價模型，利用新型模糊集和TOPSIS方法對模型的正負靶心進行求解，以理想最優(yōu)方案為正靶心、理想最劣方案為負靶心，并計算各評價方案與正負靶心的距離及綜合靶心距。根據(jù)綜合靶心距最小化原則建立目標優(yōu)化模型求解供應商選擇評價指標權重，得出可能度矩陣的排序向量并根據(jù)權重大小進行方案排序。

1　低碳供應商選擇的綜合評價指標構建

不確定條件下低碳供應商評價指標體系的設置必須遵循科學性、系統(tǒng)性、可行性的原則，同時按照統(tǒng)一的標準和準確的數(shù)值進行相應的運算，盡量避免評價的主觀性和片面性。借鑒上述研究成果，依據(jù)不確定條件下低碳供應商評價具有多變性、綠色性的特點，以及對模糊碳排放因素的考量，從產(chǎn)品與服務、管理與協(xié)同、不確定性應對、碳足跡優(yōu)化、供應鏈評價5個方面總結篩選出不確定性條件下低碳供應商選擇評價指標，如表1所示。

表1　不確定條件下低碳供應商選擇評價指標

2　低碳供應商選擇模型的構建

2.1評價指標的無量綱處理

對于效益型指標：

(1)

對于成本型指標：

(2)

經(jīng)過灰色極差變化公式處理后，可求得m個二級指標的規(guī)范化決策矩陣：

2.2綜合規(guī)范化決策矩陣的確立

(3)

根據(jù)式(3)將m個二級指標的規(guī)范化決策矩陣Rkm集結為一級指標k下綜合規(guī)范化決策矩陣Rk。

(4)

2.3優(yōu)化與求解權重模型的構建

(5)

(6)

(7)

(8)

(9)

(10)

求得綜合靶心距為：

(4)構建優(yōu)化與求解模型。根據(jù)文獻[16]，定義一級指標權重序列ω={ω1,ω2,…,ωk}為灰內涵序列，定義灰熵為：

(12)

根據(jù)極大熵原理，H?(ω)極大化及綜合靶心距最小化原則，應當調整ωj(j=1,2,…,k)降低ω={ω1,ω2,…,ωk}的不確定性，建立優(yōu)化模型：

(13)

為保證方案選擇的公平性，設λ=0.5，得到低碳供應商選擇方案一級指標權重序列ω={ω1,ω2,…,ωk}。

2.4低碳供應商的優(yōu)劣排序

將一級指標權重向量與綜合規(guī)范化決策矩陣Rk進行融合，得到方案的綜合決策矩陣R：

(14)

(15)

將n個區(qū)間灰數(shù)進行兩兩比較，得到n×n的模糊互補判斷矩陣，根據(jù)式(16)[17]得到供應商選擇方案的可能度矩陣的排序向量g=(g1,g2,…,gn)，并以gi的大小對供應商排序。

(16)

3　實證案例

以蘇州三星液晶顯示器有限公司的供應商作為研究對象，其供應商主要有蘇州市新斯科模具有限公司A1、蘇州柯科電子材料有限公司A2、康寧(上海)公司A3、蘇州大塚電子有限公司A4、蘇州樂佳電子有限公司A5、昆山龍騰光電有限公司A6這6大公司。根據(jù)已確定的指標對供應商的選擇進行驗證分析。定性指標由問卷調查和專家組打分給出，部分指標為實數(shù)值，在計算過程中可以作區(qū)間灰數(shù)的特殊情況處理，具體如表2所示。

(1)采用式(1)和式(2)對決策指標值進行區(qū)間灰數(shù)的灰色極差變換，經(jīng)過無量綱化處理之后，得到一級指標k(k=1,2,3,4,5)第下m個二級指標的規(guī)范化決策矩陣，以R14(k=1,m=4)為例：

表2　低碳供應商評價指標體系和效果評價值

(2)確定各個評價方案在一級指標k(k=1,2,3,4,5)下第m個決策指標的權重：w11=0.397,w12=0.306,w13=0.185,w14=0.112；ω21=0.127,ω22=0.469,ω23=0.187,ω24=0.103,ω25=0.172,ω26=0.045；ω31=0.283,ω32=0.391,ω33=0.326；ω41=0.190,ω42=0.303,ω43=0.215,ω44=0.116,ω45=0.176；ω51=0.573,ω52=0.427。

再按照式(3)集結規(guī)范化決策矩陣，得到綜合規(guī)范化決策矩陣：

(3)采用式(13)確定優(yōu)化與求解模型，運用Matlab軟件進行求解，得到一級指標的權重向量：

(0.297,0.239,0.146,0.210,0.108)

(4)將綜合規(guī)范化決策矩陣R5與一級指標的權重向量ω融合，得到綜合決策矩陣：

(5)對6個評價方案的綜合效果測度區(qū)間灰數(shù)進行兩兩比較，計算出可能度矩陣的排序向量為：g=(g1,g2,g3,g4,g5,g6)=(0.085 5,0.116 8,0.091 2,0.118 5,0.097 9,0.051 7)。

因為g4>g2>g5>g3>g1>g6，所以方案A4最優(yōu)，決策者可優(yōu)先考慮蘇州大塚電子有限公司，這與蘇州三星液晶顯示器有限公司實際選擇的供應商方案一致。

4　結論

在開放的經(jīng)濟背景下，低碳經(jīng)濟、循環(huán)經(jīng)濟已經(jīng)成為時代發(fā)展的潮流。筆者基于低碳管理的思想構建低碳供應商的綜合評價指標體系，改變對傳統(tǒng)常數(shù)值形式碳排放量的單一化探討，綜合考慮了模糊碳排放因素對低碳供應商選擇的影響。該灰靶決策方法能有效反映決策者的決策偏好，同時能夠減少評價結果的不確定性，使決策結果更加客觀；而且在計算機上易于實現(xiàn)，具有較強的應用價值，為低碳供應商的選擇提供了一個較好的工具。

[1]AMID A, GHODSYPOUR S H, O’BRIEN C.A weighted max-min model for fuzzy multi-objective supplier selection in a supply chain[J].International Journal of Production Economics, 2011,131(1):139-145.

[2]SHAW K, SHANKAR R, YADAV S S, et al.Supplier selection using fuzzy AHP and fuzzy multi-objective linear programming for developing low carbon supply chain[J].Expert Systems with Applications, 2012,39(9):8182-8192.

[3]KILIC H S.An integrated approach for supplier selection in multi-item/multi-supplier environment[J].Applied Mathematical Modelling, 2013, 37(14/15):7752-7763.

[4]楊紅娟,郭彬彬.基于DEA方法的低碳供應鏈績效評價探討[J].經(jīng)濟問題探索,2010(9):31-35.

[5]羅新星,彭素華.綠色供應鏈中基于AHP和TOPSIS的供應商評價與選擇研究[J].軟科學,2011(2):53-56.

[6]DONALD R, LEHMANN H.Decision criteria used different categories of products[J].Journal of Purchasing Materials Management, 1994(6):9-14.

[7]鄒樹梁,鄧亞玲,劉文君,等.核電技術服務供應商選擇決策模型構建及其實證分析[J].物流技術,2015(18):111-116.

[8]張停停.基于TOPSIS-RE的國際采購供應商伙伴選擇決策模型[J].桂林航天工業(yè)學院學報,2015(2):142-148.

[9]秦娟,李延來,陳振頌.基于極大熵配置模型與Choquet積分的物流供應商選擇群決策方法[J].計算機集成制造系統(tǒng),2015(10):2746-2759.

[10]宋寶娥,朱文茵,李曉明.基于TOPSIS法的超市生鮮食品供應商選擇模型研究[J].食品與機械,2013(4):223-228.

[11]周玲,羅黨.多目標灰色局勢決策方法研究[J].華北水利水電學院學報,2010,31(4):150-153.

[12]戴厚平.基于信息熵的區(qū)間直覺模糊多屬性決策方法[J].重慶文理學院學報(自然科學版),2009,28(6):1-4.

[13]湯建國,佘堃,祝峰.一種新的覆蓋粗糙模糊集模型[J].控制與決策,2012,27(11):1654-1662.

[14]于東波,許皞,李大偉,等.基于熵權-TOPISIS模型的開發(fā)區(qū)土地集約程度空間差異性研究[J].土壤通報,2015,46(2):307-311.

[15]曹飛,郜紅虎.基于TOPISIS評估的大型工程項目采購風險管理[J].價值工程,2013(15):34-37.

[16]王正新,黨耀國.基于區(qū)間數(shù)的多目標灰色局勢決策模型[J].控制與決策,2009,24(3):388-392.

[17]徐澤水.模糊互補判斷矩陣排序的一種算法[J].系統(tǒng)工程學報,2001,16(4):311-314.

Research on Grey Target Decision-making of Low Carbon Supplier under Uncertainty

WU Zheng, WU Fengping, YU Qianwen

According to the principle of setting up the index of supplier,the multi-index and multi-level index system of low-carbon supplier evaluation is established under uncertainty.And by using the grey target theory to construct supplier evaluation model based on positive and negative clout.First, through the method of information entropy to calculate the weight of the second level index under each the first level index in the index system of low-carbon supplier evaluation.The weight and standard index data are assembled as a combined effect value on decision-making.Next, to determine the positive and negative clouts and their distance,calculate the distance between the evaluation scheme and positive and negative clouts to obtain the evaluation scheme comprehensive off-target distance.Then, an optimization and solution model of the first level index weight is built to get the index's weight sequence.Finally, the feasibility and effectiveness of the proposed approach is validated by analyzing the evaluation case of Suzhou Samsung LCD Co.Ltd.supplier selection.

uncertainty; low-carbon supplier; interval grey number; positive and negative clouts; grey target evaluation

WU Zheng:Postgraduate; School of Business,Hohai University, Nanjing 211100,China.

2095-3852(2016)04-0459-05

A

2016-03-07.

吳征(1991-)，男，安徽安慶人，河海大學商學院碩士研究生.

F407.9

10.3963/j.issn.2095-3852.2016.04.014