郭紫君，李益兵，郭 鈞

(1.武漢理工大學(xué) 機(jī)電工程學(xué)院，湖北 武漢 430070；2.武漢理工大學(xué) 數(shù)字制造湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430070)

可持續(xù)供應(yīng)商選擇是可持續(xù)供應(yīng)鏈管理中的重要環(huán)節(jié)，上游供應(yīng)商的經(jīng)濟(jì)效益表現(xiàn)情況、環(huán)境及社會責(zé)任履行情況將對下游企業(yè)產(chǎn)生直接或間接的影響[1]。由于產(chǎn)品質(zhì)量與患者健康息息相關(guān)，醫(yī)療器械制造企業(yè)對工藝流程、生產(chǎn)環(huán)境、滅菌情況、產(chǎn)品安全等要求遠(yuǎn)高于一般制造業(yè)，對上游供應(yīng)商也有更高的準(zhǔn)入門檻和監(jiān)管力度[2]。制造企業(yè)結(jié)合行業(yè)特點(diǎn)考慮供應(yīng)商在經(jīng)濟(jì)、社會、環(huán)境的可持續(xù)表現(xiàn)逐漸成為一種發(fā)展趨勢。

現(xiàn)有可持續(xù)供應(yīng)商評價(jià)指標(biāo)體系需涵蓋經(jīng)濟(jì)效益類指標(biāo)、社會效益類指標(biāo)、環(huán)境效益類指標(biāo)3個(gè)方面，已基于三重底線(tripple bottom line, TBL)原則構(gòu)建可持續(xù)指標(biāo)體系達(dá)成共識，但不同行業(yè)的評價(jià)指標(biāo)也存在一定的區(qū)別。塑料包裝業(yè)[3]制定了生態(tài)設(shè)計(jì)費(fèi)、物流成本、調(diào)料數(shù)量等11個(gè)指標(biāo)?；ば袠I(yè)[4]從市場接受度、資源狀況、安全生產(chǎn)等方面出發(fā)，制定了準(zhǔn)入許可、管理制度等8個(gè)指標(biāo)。

決策模型方面，為克服主觀性和不確定性的影響，現(xiàn)有的可持續(xù)供應(yīng)商選擇模型多集中于模糊性的處理和決策方法的優(yōu)化。Chunxia等[5]提出區(qū)間Pythagorean模糊環(huán)境下，采用灰色關(guān)聯(lián)分析和TOPSIS(technique for order preference by similarity to an ideal solution)綜合評價(jià)法對備選供應(yīng)商進(jìn)行排序。Hazeri等[6]采用最佳-最差權(quán)重確定法計(jì)算指標(biāo)權(quán)重，并利用灰色關(guān)聯(lián)分析對供應(yīng)商進(jìn)行排序。代文鋒等[7]基于前景理論和MULTIMOORA提出一種新的決策方法。在醫(yī)療行業(yè)供應(yīng)商選擇研究中，?eljko等[8]認(rèn)為由于不確定性在商業(yè)運(yùn)作中長期存在，醫(yī)療行業(yè)供應(yīng)商的選擇應(yīng)該考察產(chǎn)品的質(zhì)量與安全。

當(dāng)前基于醫(yī)療器械制造企業(yè)的供應(yīng)商選擇與評價(jià)指標(biāo)體系研究偏少。因此，筆者從醫(yī)療器械制造企業(yè)對供應(yīng)商高準(zhǔn)入、強(qiáng)監(jiān)管、重視安全生產(chǎn)等特點(diǎn)構(gòu)建評價(jià)指標(biāo)，提出了醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商選擇模型。該模型采用Pythagorean模糊集(pythagorean fuzzy sets, PFS)有效處理定量、定性兩類決策信息，提出改進(jìn)的基于PFS的最佳-最差權(quán)重確定方法(best worst method, BWM)和多屬性邊界近似區(qū)域比較法(multi-attributive border approximation area comparison, MABAC)進(jìn)行供應(yīng)商選擇與決策。

1 醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商指標(biāo)體系

醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商指標(biāo)體系如圖1所示，該指標(biāo)體系基于三重底線原則[9]，衡量供應(yīng)商在經(jīng)濟(jì)、社會、環(huán)境的綜合可持續(xù)效益，共包括9個(gè)1級指標(biāo)、20個(gè)2級指標(biāo)，涵蓋定性、定量兩類決策信息。其中價(jià)格比c1、產(chǎn)品合格率c3、交貨效率c6、環(huán)保投入比c17為定量指標(biāo)，其決策信息以精確數(shù)據(jù)給出，其余16項(xiàng)指標(biāo)為定性指標(biāo)，指標(biāo)決策信息由決策專家經(jīng)過實(shí)地調(diào)研后定性給出定性語言評價(jià)。

圖1 可持續(xù)供應(yīng)商選擇指標(biāo)體系

2 PFS模糊環(huán)境下可持續(xù)供應(yīng)商選擇模型

由于醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商選擇中涉及評價(jià)指標(biāo)眾多，定量、定性兩類決策信息難以統(tǒng)一處理，決策過程充滿了一定的模糊性與不確定性。Yager[10]提出的PFS語言集能描述精確的信息，有效解決模糊性與不確定性問題。因此，筆者提出PFS模糊環(huán)境下的可持續(xù)供應(yīng)商選擇模型，如圖2所示。主要選擇流程包括3個(gè)步驟：①以Pythagorean模糊數(shù)(pythagorean fuzzy numbers, PFNs)描述定性、定量兩類決策信息，構(gòu)建標(biāo)準(zhǔn)決策矩陣；②采用改進(jìn)BWM算法確定指標(biāo)權(quán)重，用PFNs描述指標(biāo)間重要度偏好，先計(jì)算出1級指標(biāo)權(quán)重，再確定2級指標(biāo)權(quán)重；③基于混合MABAC算法確定候選供應(yīng)商優(yōu)劣順序。

圖2 可持續(xù)供應(yīng)商決策流程

為了更好地闡述所提出的模型，相關(guān)參數(shù)解釋與定義如表1所示。

表1 相關(guān)參數(shù)解釋與定義

2.1 獲取混合評價(jià)信息

針對定性、定量兩類決策信息的模糊性與局限性，基于PFS理論提出一種定性、定量決策信息的處理方法，并構(gòu)建標(biāo)準(zhǔn)決策矩陣。具體步驟如下：

步驟1針對已構(gòu)建的指標(biāo)體系cj,j=1,2,…,n，組織相關(guān)專家對供應(yīng)商si,i=1,2,…,m展開信息收集并給出定量、定性指標(biāo)決策信息，構(gòu)建初始決策矩陣A=(aij)m×n。

表2 語言變量和相應(yīng)的PFNs

表2中隸屬區(qū)間mij可由供應(yīng)商si的定量決策信息aij與指標(biāo)cj的期望區(qū)間[amin,amax]計(jì)算得出，確定隸屬區(qū)間mij后，可從表2找出對應(yīng)的PFNs。對于決策信息越大越理想的效益型指標(biāo)與決策信息越小越理想的成本型指標(biāo)，mij具體計(jì)算公式為：

(1)

對于定性決策信息aij，語言變量與PFNs的對應(yīng)關(guān)系如表3所示。

表3 語言變量和相應(yīng)的PFNs

2.2 基于改進(jìn)BWM算法的權(quán)重確定

BWM是一種非常有效的確定準(zhǔn)則權(quán)重的多準(zhǔn)則決策方法。在醫(yī)療器械制造企業(yè)供應(yīng)商評價(jià)中，由于2級指標(biāo)數(shù)量眾多，指標(biāo)間聯(lián)系密切、不同指標(biāo)間的相對偏好用簡單實(shí)數(shù)表示缺乏客觀性、精確度表征不足。筆者提出一種改進(jìn)BWM算法，以PFNs描述指標(biāo)間偏好，先計(jì)算1級指標(biāo)權(quán)重，再確定2級指標(biāo)權(quán)重。具體步驟如下：

步驟1確定1級指標(biāo)中重要度程度最大的指標(biāo)zb與重要度程度最小的指標(biāo)zw。

表4 語言變量與相應(yīng)的PFNs

(2)

(3)

步驟3確定1級指標(biāo)權(quán)重。以一致性偏好最小為目標(biāo)，構(gòu)建優(yōu)化模型如下：

minξ

(4)

步驟4確定各2級指標(biāo)相對于所屬1級指標(biāo)的相對重要度，將1級指標(biāo)權(quán)重依據(jù)各2級指標(biāo)的相對重要度分配給各2級指標(biāo)，并將2級指標(biāo)權(quán)重記為WT={w1,…,wj,…,wn}。

2.3 基于混合型MABAC的供應(yīng)商選擇策略

MABAC[12]算法過程簡單、結(jié)果穩(wěn)定、且考慮了潛在的損益值、易獲得較全面的結(jié)果?？紤]到醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商選擇中，決策信息統(tǒng)一用PFNs描述。因此，筆者將MABAC算法擴(kuò)展到PFS環(huán)境下以確定供應(yīng)商優(yōu)劣順序，具體實(shí)施過程如下：

(5)

步驟3構(gòu)造差分矩陣D=(dij)m×n。

(6)

(7)

步驟4計(jì)算候選供應(yīng)商可持續(xù)得分sri，sri越大，供應(yīng)商可持續(xù)表現(xiàn)越好，可由式(8)確定。

(8)

3 案例分析

以某生產(chǎn)注射器的醫(yī)療器械制造企業(yè)為例，在收集和審核供應(yīng)商的相關(guān)證件對供應(yīng)商進(jìn)行初選后，該企業(yè)需從s1,s2,s3,s4中展開優(yōu)選，確定可持續(xù)供應(yīng)商。

3.1 供應(yīng)商選擇過程分析

步驟1構(gòu)建初始決策矩陣，如表5所示。

表5 初始決策矩陣

步驟2構(gòu)建標(biāo)準(zhǔn)決策矩陣。以PFNs形式描述定性、定量兩類決策信息，其中定量指標(biāo)c1、c3、c6、c17的期望區(qū)間分別為(0.8,1.0)，(98%,100%)，(0.9,1.0)，(0.1,0.2)。

步驟3計(jì)算指標(biāo)權(quán)重。經(jīng)商議一級指標(biāo)重要度程度最大與最小的指標(biāo)分別為質(zhì)量z2、雇傭慣例z7。確定指標(biāo)間相對重要度偏好后，求解式(4)確定1一級指標(biāo)權(quán)重，再依據(jù)各2級指標(biāo)相對于所屬1級指標(biāo)的相對重要度，確定2級指標(biāo)權(quán)重,如圖3所示。

圖3 各2級指標(biāo)權(quán)重

步驟4構(gòu)造加權(quán)標(biāo)準(zhǔn)決策矩陣。確定指標(biāo)權(quán)重W后，可構(gòu)建加權(quán)標(biāo)準(zhǔn)決策矩陣。

步驟5確定各指標(biāo)邊界近似區(qū)域。各指標(biāo)邊界近似區(qū)域的計(jì)算可通過式(5)計(jì)算得出。

步驟6確定可持續(xù)供應(yīng)商。構(gòu)造差分矩陣D并計(jì)算各候選供應(yīng)商s1,s2,s3,s4的可持續(xù)得分，分別為-0.17，0.06，-0.11,0.04。候選供應(yīng)商的優(yōu)劣順序?yàn)閟2>s4>s3>s1， 因此該企業(yè)應(yīng)與供應(yīng)商s2建立可持續(xù)合作關(guān)系。

3.2 敏感性分析

敏感性分析[8]的目的是評估最具影響力的指標(biāo)對決策模型的影響，新指標(biāo)權(quán)重的計(jì)算公式為：

(9)

在本研究中，指標(biāo)z2(質(zhì)量)被認(rèn)為是影響程度最大的指標(biāo)，其指標(biāo)權(quán)重為0.15，參數(shù)Δx范圍為-0.15≤Δx<0.85?，F(xiàn)根據(jù)Δx的可變區(qū)間確定20種計(jì)算場景{sc1,sc2, …,sc20}，并按照本文提出的供應(yīng)商選擇模型計(jì)算候選供應(yīng)商可持續(xù)得分，結(jié)果如圖4所示。

圖4 MABAC算法敏感性分析

敏感性分析結(jié)果表明，指標(biāo)權(quán)重分配不同會導(dǎo)致供應(yīng)商的可持續(xù)得分不同，但供應(yīng)商排名始終保持s2>s4>s3>s1，供應(yīng)商s2在20次實(shí)驗(yàn)中的可持續(xù)得分均最高，始終為最優(yōu)決策。

4 結(jié)論

針對醫(yī)療器械制造企業(yè)可持續(xù)供應(yīng)商選擇問題，構(gòu)建了可持續(xù)供應(yīng)商評估指標(biāo)體系和可持續(xù)供應(yīng)商選擇模型。并以某醫(yī)療器械制造企業(yè)為例，驗(yàn)證了所提模型的有效性和合理性，最后通過敏感性分析證明了決策結(jié)果具有良好的穩(wěn)定性。