任永泰，張夢瑤，汪新剛

（東北農(nóng)業(yè)大學(xué) 理學(xué)院，黑龍江 哈爾濱 150000）

基于組合賦權(quán)的TOPSIS法在企業(yè)供應(yīng)商選擇中的應(yīng)用

任永泰，張夢瑤，汪新剛

（東北農(nóng)業(yè)大學(xué) 理學(xué)院，黑龍江 哈爾濱 150000）

基于回顧和分析供應(yīng)商選擇若干方法的不足之處，針對供應(yīng)商的供貨、質(zhì)量、技術(shù)能力等幾個主要方面對電氣制造企業(yè)進(jìn)行大量的問卷調(diào)研，對收集到的相關(guān)數(shù)據(jù)，首先運(yùn)用因子分析法建立供應(yīng)商評價指標(biāo)體系，其次將因子分析法與熵權(quán)法相結(jié)合，對評價指標(biāo)進(jìn)行組合賦權(quán)，更加科學(xué)有效地反映出各指標(biāo)對評價指標(biāo)體系的重要程度，運(yùn)用TOPSIS法結(jié)合實(shí)例計(jì)算貼近度，對多個備選供應(yīng)商進(jìn)行優(yōu)劣排序，選出能夠建立戰(zhàn)略合作關(guān)系的最優(yōu)供應(yīng)商。

供應(yīng)商選擇；因子分析；熵權(quán)；TOPSIS

1 引言

制造企業(yè)進(jìn)行大量的問卷調(diào)研，對收集到的相關(guān)數(shù)據(jù)，首先運(yùn)用因子分析法建立供應(yīng)商評價指標(biāo)體系［3-4］，避免了指標(biāo)在遞階層次上的不合理；其次利用因子分析法與熵權(quán)法對指標(biāo)組合賦權(quán)，降低權(quán)重主觀性的同時改進(jìn)了熵權(quán)法的不足［5］；最后，采用多目標(biāo)決策分析中常用的有效方法—TOPSIS法，通過實(shí)證分析對企業(yè)各備選供應(yīng)商進(jìn)行綜合實(shí)力的優(yōu)劣排序，得到可以與之建立戰(zhàn)略合作關(guān)系的最優(yōu)供應(yīng)商。

2 供應(yīng)商評價指標(biāo)體系的建立

2.1 問卷設(shè)計(jì)和樣本收集

每個企業(yè)在選擇供應(yīng)商時，考慮的指標(biāo)和側(cè)重方面會有不同，但對大多數(shù)中小型制造企業(yè)來說，供應(yīng)商選擇的基本準(zhǔn)則就是圍繞質(zhì)量、貨期、成本、服務(wù)、企業(yè)資質(zhì)等幾個方面。本文結(jié)合參考的文獻(xiàn)與電氣制造業(yè)L公司的實(shí)況，確定了關(guān)于質(zhì)量、供貨、技術(shù)、價格和服務(wù)等方面的30個評價指標(biāo)，并以此設(shè)計(jì)了供應(yīng)商選擇指標(biāo)體系的調(diào)查問卷。

調(diào)查問卷運(yùn)用李克特七級量表針對供應(yīng)商評價體系指標(biāo)的重要度進(jìn)行衡量，問卷發(fā)放對象均為從事電氣制造業(yè)的各部門主管，問卷內(nèi)容主要包含了企業(yè)基本信息以及對指標(biāo)重要程度判斷的選項(xiàng)。共發(fā)放問卷120份，收回101份，有效份數(shù)98份。

2.2 數(shù)據(jù)分析及指標(biāo)體系的確定

因子分析［6］是一種降維的、簡化數(shù)據(jù)的方法，研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測變量的潛在結(jié)構(gòu)，并用少數(shù)幾個不可觀測的假想變量（提取的主因子）來反映原來眾多變量的主要信息，最終對各樣本進(jìn)行量化分析、評價。本文使用統(tǒng)計(jì)軟件SPSS17.0對問卷結(jié)果進(jìn)行因子分析，因子分析過程如下。

本著更好地規(guī)范培訓(xùn)管理流程、加強(qiáng)培訓(xùn)收支管理、實(shí)現(xiàn)信息共享的原則，提出將費(fèi)用管理系統(tǒng)與培訓(xùn)管理信息系統(tǒng)合并整合為一個系統(tǒng)，實(shí)現(xiàn)從培訓(xùn)辦班計(jì)劃、培訓(xùn)班級日常管理、培訓(xùn)辦班收支歸集、預(yù)算預(yù)警、績效考核的全過程一體化平臺管理模式。

首先對數(shù)據(jù)進(jìn)行有效性檢驗(yàn)，本文采取的Bartlett檢驗(yàn)和KMO檢驗(yàn)的結(jié)果為0.000和0.763，說明該相關(guān)矩陣不是單位矩陣且適合進(jìn)行因子分析。然后對30個變量采取主成分分析（Principal Components Analysis）和正交旋轉(zhuǎn)法（Varimax），采用Kaiser標(biāo)準(zhǔn)（特征根大于1）提取出7個主因子，所提取的7個主因子可以解釋原有各變量77.44%的的信息量。根據(jù)主因子在各變量上的因子載荷系數(shù)＞0.5為提取原則，分別提取各主因子相應(yīng)的變量，根據(jù)各主因子所包含的變量特征屬性對其進(jìn)行命名，各主因子分別為供貨能力、質(zhì)量水平、技術(shù)水平、業(yè)務(wù)保障能力、企業(yè)環(huán)境、信譽(yù)水平、價格因素，且每個公共因子都有明確的含義，說明該問卷的設(shè)計(jì)具有較高的效度。通過因子分析建立的供應(yīng)商評價指標(biāo)體系見表1。

表1 供應(yīng)商評價指標(biāo)體系

3 研究方法及決策過程

TOPSIS于1981年由Wang.C.L和Yoon.K.首次提出，又叫逼近理想解的排序法，是一種多目標(biāo)決策方法，其基本思路是對規(guī)范化后的數(shù)據(jù)進(jìn)行加權(quán)，找出有限個評價對象中的理想解與負(fù)理想解，計(jì)算各方案與理想解、負(fù)理想解的距離及貼進(jìn)度，進(jìn)而對評價對象做出相對優(yōu)劣的排序［7］。理想解和負(fù)理想解都是假設(shè)的解，它

們的各個指標(biāo)值都達(dá)到備選方案中最好值或最壞值的解。

3.1 指標(biāo)權(quán)重的確定

3.1.1 因子分析法。通過因子分析能夠建立指標(biāo)遞階層次和確定指標(biāo)權(quán)重，根據(jù)指標(biāo)遞階層次需考慮一級指標(biāo)在目標(biāo)層的權(quán)重、二級指標(biāo)在一級指標(biāo)上的權(quán)重和二級指標(biāo)在目標(biāo)層的權(quán)重［8］。依據(jù)因子分析的原理，貢獻(xiàn)率是主因子對總目標(biāo)的貢獻(xiàn)程度，因子得分系數(shù)是由各主因子與其所包含的變量組成的線性回歸方程中自變量的回歸系數(shù)，反映的是自變量（變量）變化對因變量（主因子）的影響程度［8］。因此一級指標(biāo)（主因子）在目標(biāo)層的權(quán)重可由其對總目標(biāo)的貢獻(xiàn)率確定，二級指標(biāo)在一級指標(biāo)上的權(quán)重可由組內(nèi)變量的因子得分系數(shù)確定，二級指標(biāo)在目標(biāo)層上的權(quán)重可根據(jù)一級指標(biāo)在目標(biāo)層的權(quán)重與其包含的二級指標(biāo)在該一級指標(biāo)上的權(quán)重乘積所得。

令主因子的權(quán)重為Ai，主因子的方差貢獻(xiàn)為ai，對七個主因子的貢獻(xiàn)率ai做歸一化處理即得到Ai，其中n為提取的主因子的個數(shù)，公式如下：

式（1）同樣適用于對組內(nèi)變量的因子得分系數(shù)做歸一化處理來確定二級指標(biāo)在一級指標(biāo)上的權(quán)重Aij，此時的n為組內(nèi)變量的個數(shù)。

最后將二級指標(biāo)對于一級指標(biāo)的權(quán)重與一級指標(biāo)對于目標(biāo)層的權(quán)重相乘即為二級指標(biāo)在目標(biāo)層的權(quán)重。

3.1.2 熵權(quán)法。在信息論中，熵是對不確定程度的一種度量，熵越小，說明信息無序程度越小，有效信息量越大，在綜合評價中起的作用就越大，指標(biāo)的權(quán)重也就越大。對于一個有m個方案、n個評價指標(biāo)的數(shù)據(jù)集，熵權(quán)法步驟如下：

步驟1：構(gòu)造原始數(shù)據(jù)矩陣，方案mi對指標(biāo)nj的評價值為則m×n的原始數(shù)據(jù)矩陣V如下：

步驟2：因指標(biāo)的意義和量綱不同，需對原始數(shù)據(jù)作無量綱化處理，建立無量綱化矩陣指標(biāo)分效益型（越大越優(yōu)）與成本型（越小越優(yōu)）兩種，兩種指標(biāo)的無量綱化公式如下：

步驟3計(jì)算熵值。第j個指標(biāo)的熵值為：

步驟4：確定指標(biāo)權(quán)重：

3.1.3 權(quán)重的組合。將因子分析的權(quán)重uj與熵權(quán)值ej進(jìn)行組合對指標(biāo)賦權(quán)，將專家經(jīng)驗(yàn)與客觀數(shù)據(jù)相結(jié)合，使權(quán)重更加合理。令組合權(quán)值為wj，對uj與ej相乘然后進(jìn)行歸一化處理：

3.2 基于組合賦權(quán)的TOPSIS運(yùn)算過程

其次，確定評價對象的理想解與負(fù)理想解：

最后，計(jì)算各評價對象到理想解與負(fù)理想解的距離d+和d-：

貼進(jìn)度Si：

根據(jù)相對貼進(jìn)度Si可以對評價對象進(jìn)行優(yōu)劣排序，Si越大，評價對象與理想解越接近，評價對象越優(yōu)。

4 實(shí)證分析

某電氣制造企業(yè)L公司需采購一種干式變壓器，且該變壓器將長期外包。從投標(biāo)競選的多家變壓器企業(yè)中進(jìn)行初步的篩選后，最終確定五家企業(yè)為備選供應(yīng)商，分別以A、B、C、D、E表示。該企業(yè)根據(jù)供應(yīng)商歷史交貨記錄、供應(yīng)商檔案等資料對五個備選供應(yīng)商做了詳細(xì)的調(diào)查后，確定了定量指標(biāo)，并由各部門專家組成的供應(yīng)商評價小組對定性指標(biāo)進(jìn)行打分，得到原始數(shù)據(jù)一份，見表2。

表2 供應(yīng)商數(shù)據(jù)表

（1）構(gòu)建原始數(shù)據(jù)矩陣V，將指標(biāo)分成效益型與成本型兩種，依據(jù)式（4）和式（5）分別進(jìn)行無量綱化。

（2）計(jì)算各指標(biāo)的組合權(quán)重wj，構(gòu)建加權(quán)決策矩陣。根據(jù)上述因子分析過程可知，各主因子的方差貢獻(xiàn)率分別為16.440%、15.719%、13.156%、9.693%、8.391%、7.514%、6.525%，各主因子的組內(nèi)變量因子得分系數(shù)矩陣見表3。

表3 因子得分系數(shù)矩陣

利用式（1）和（2）可得因子分析法下的各二級指標(biāo)權(quán)重uj；同時采用式（6）和（7）確定指標(biāo)熵權(quán)ej，最后根據(jù)式（8）計(jì)算出組合權(quán)值wj。指標(biāo)各權(quán)重的計(jì)算結(jié)果及加權(quán)決策矩陣見表4。

（3）根據(jù)加權(quán)決策矩陣，利用式（10）、（11）得出理想解與負(fù)理想解為：

表4 指標(biāo)各權(quán)重與加權(quán)決策矩陣

（4）計(jì)算距離和貼近度，根據(jù)式（12）、（13）分別計(jì)算出五個供應(yīng)商到最優(yōu)解、最劣解的距離與貼近度，結(jié)果見表5。

表5 各備選供應(yīng)商的距離與貼進(jìn)度

從表5中可以看出，各供應(yīng)商的綜合排序結(jié)果為B＞D＞A＞C＞E。因此，L公司應(yīng)選擇B為戰(zhàn)略合作伙伴，如需要選兩家，可同時考慮D。

5 結(jié)語

供應(yīng)商選擇是供應(yīng)鏈管理的前提，是控制整個供應(yīng)鏈質(zhì)量的關(guān)鍵。供應(yīng)商選擇是一個多指標(biāo)、多方案的復(fù)雜決策問題，本文提出的基于因子分析和熵權(quán)組合賦權(quán)的TOPSIS法，通過在L公司的實(shí)證研究證明了指標(biāo)層次遞階與權(quán)重確定的科學(xué)合理性，并根據(jù)TOPSIS法充分利用原始數(shù)據(jù)，定量的計(jì)算了各備選評價對象的優(yōu)劣度，結(jié)果具有客觀真實(shí)性，驗(yàn)證了此決策模型對企業(yè)建立戰(zhàn)略合作伙伴關(guān)系、提高自身市場競爭力具有一定的指導(dǎo)意義。

［1］毛會芳.供應(yīng)鏈環(huán)境下的供應(yīng)商管理研究［D］.武漢：武漢大學(xué),2005.

［2］曹艷國.供應(yīng)商選擇分析［J］.物流技術(shù),2012,31（11）.

［3］舒霄虹.供應(yīng)鏈管理中供應(yīng)商評價選擇指標(biāo)體系的設(shè)計(jì)［D］.上海：上海交通大學(xué),2008.

［4］張莉立.電子制造企業(yè)供應(yīng)商的選擇評價體系研究［D］.杭州：浙江大學(xué),2013.

［5］谷麗麗,曹翠芬,崔利華.淺析供應(yīng)商選擇中熵權(quán)法的不足與改進(jìn)［J］.物流技術(shù),2009,28（1）.

［6］祁洪全.綜合評價的多元統(tǒng)計(jì)分析方法［D］.長沙：湖南大學(xué), 2001.

［7］李明.基于AHP的TOPSIS法在供應(yīng)商選擇和評價中的應(yīng)用研究［J］.物流工程與管理,2012,34（8）.

［8］劉彬.基于因子分析法的綠色供應(yīng)商評價指標(biāo)權(quán)重的確定［J］.中國商貿(mào),2011,（25）.

Application of Combination Weighting Based TOPSIS in Enterprise Supplier Selection

Ren Yongtai,Zhang Mengyao,Wang Xingang
（School of Sciences, Northeast University of Agriculture, Harbin 150000, China）

In this paper, based on a review and analysis of the inadequacy of the existing methods of supplier selection, we carried out amassive questionnaire survey on electrical manufacturing enterprises with regard to the supply capacity, quality and technology, etc., of theirsuppliers, used the factor analysis to first build the supplier evaluation index system, then combined the factor analysis and entropy weightingmethod to weight the evaluation indexes and at the end, in an empirical case, applied the TOPSIS to rank the candidate suppliers and isolatethe optimal one.

supplier selection； factor analysis； entropy weight； TOPSIS

F274；F224

A

1005-152X（2016）09-0058-05

10.3969/j.issn.1005-152X.2016.09.013

2016-08-10

黑龍江省教育2014年度科學(xué)技術(shù)研究項(xiàng)目“黑龍江省農(nóng)作物生物質(zhì)能能流分析與循環(huán)利用功放能評價”（12541038）

任永泰（1973-），通訊作者，男，黑龍江安達(dá)人，東北農(nóng)業(yè)大學(xué)理學(xué)院教授，碩導(dǎo)，研究方向：管理科學(xué)與工程、統(tǒng)計(jì)學(xué)、水資源優(yōu)化與利用；張夢瑤（1991-），女，河南平頂山人，東北農(nóng)業(yè)大學(xué)工業(yè)工程專業(yè)碩士研究生，研究方向：供應(yīng)鏈管理。