首页 > 论文范文 > 社会科学论文 > 科技论文 > 电信技术论文 > 基于投影寻踪技术的供应商评价与实证研究

基于投影寻踪技术的供应商评价与实证研究

2023-08-30 70 上传者：管理员

摘要：研究根据已有的供应商选择与评价指标体系和30个供应商样本数据，建立了供应商评价与选择的PPC模型。结果表明：在21个评价指标中，降低成本计划（指标x5）对供应商能力的影响最大，其次是总资产周转率（指标x14），产品退货比率（x2）的影响最小；在30个供应商中，供应商26的竞争力最强，其次是供应商25，第30号供应商最劣；供应商可以分为五类，类内供应商差异很小，而不同类之间差异显著。采用PPC建模，能同时构建每个样本得分的评价函数和得到每个评价指标的最佳客观权重，完成评价指标和供应商的优劣排序和分类，同时准确揭示不同评价指标数据之间的正负相关关系。因此，在供应商选择与评价中应优先推荐使用PPC模型。

关键词：
供应商
投影寻踪
权重
评价与选择
评价指标
加入收藏

引言

在供应链环境下,供应商与制造商不仅是竞争关系,更是伙伴关系。因此，核心企业如何选择适合自身发展的供应商（也称为合作伙伴），是供应链管理中至关重要的问题之一，核心企业也越来越重视供应商的选择（评价）问题。供应商的优劣对核心企业甚至整个供应链的绩效都会产生重要的影响，因此，评价选择合适的供应商是供应链顺畅运行的基础，是实现供应链整体利益的重要保证，也是企业管理者决策的重要内容[1]。

本文首次将PPC技术应用于供应商的评价与选择中，以期获得更有效、可靠和客观的评价结果，同时在拓展供应商评价与选择理论方面进行尝试探索。

1、投影寻踪分类建模原理简介

Friedman等于1987年提出了一维投影寻踪模型（PPC)[2]，试图通过研究样本数据在不同投影方向（空间角度）上的分布规律，挖掘出能够最大程度揭示数据特征和规律的最优投影方向，得到样本数据在该最佳投影方向上投影值（即样本综合评价值），从而对高维样本数据进行一维的排序和分类研究。PPC建模技术集确定各个评价指标权重与构建评价函数于一个过程，属于客观评价法，在高维、非线性、非正态分布规律数据的建模中具有独特优势，克服了FA和PCA等主要适用于变量（指标）之间须呈强线性关系和大样本的缺陷，应用越来越广。

PPC建模的核心和关键是如何确定最佳投影方向。Friedman等提出的一维PPC模型的目标函数为“使样本投影值z (i）的标准差Sz与局部密度值Dz的乘积最大化”，即

式中a(j）为最佳投影向量系数（或称为权重），样本投影值。因此，就一维样本投影值z(i），采用有序样本最优分割法就可以进行优劣排序或分类。

(1）式为高维并同时含有等式和不等式约束的非线性最优化问题，存在很多局部最优解，求解非常困难。为此，笔者编制了基于乌鸦搜索算法（Crow search algorithm，简称CSA)[3]的Matlab最优化程序求解最佳投影向量a。根据楼文高等[4]提出的定理，本文先后改变一半指标的归一化方式，求得了相同的目标函数值，而指标的权重是互为相反数，从而判定最优化过程已经求得了真正的全局最优解。

2、建立供应商选择的改进型投影寻踪模型MPPC

2.1供应商选择与评价指标体系

有关供应商选择与评价的论文很多，不同的学者从自己对供应商能力的理解和学术视野出发建立了不同的评价指标体系，少的只采用7个指标，多的则采用20多个指标，迄今为止还没有统一的供应商评价指标体系，考虑到本文的重点一是研究如何应用投影寻踪技术进行供应商选择与评价研究，二是讨论分析现有的供应商选择与评价的神经网络组合模型存在的主要问题等，不失一般性以及便于比较，我们直接选用有较多数据支撑的、周强[5]建立并被其他学者采用的评价指标体系，由供应商的产品竞争力、企业竞争力和其他竞争力三个方面的21个指标（分别用x1～x21表示）构成，具体见表1。

表1供应商评价指标明细表

2.2供应商选择与评价的样本数据

周强采集了某企业35家供应商的各个评价指标数据，并邀请专家对35家供应商进行打分，得到了各个供应商的评分，并在没有采用检验样本实时监控训练过程以防止发生“过训练”的情况下，以前30个为训练样本，建立了结构为21-45-1的BPNN模型，用另外五个样本进行测试验证，并认为建模效果较好。刘增明[6]对上述前30个样本首先应用PCA技术进行降维，取保留了原始变量85%以上方差的9个主成分，KMO=0.591，将9个主成分作为输入变量，在没有采用检验样本实时监控训练过程以防止发生“过训练”的情况下，以前25个为训练样本，建立了结构为9-19-1的BPNN模型，用序号为26～30的样本进行测试验证，也认为取得了较好的建模效果。

考虑到便于比较不同方法结果的合理性和可靠性，本文也采用上述35个样本进行PPC建模，限于篇幅，各个评价指标的具体值和专家打分值详见文献[7]。

2.3建立供应商选择与评价的投影寻踪模型

从上述21个指标的性质可知，x2～x4,x16四个指标是逆向指标，其他都是正向指标，对所有指标进行正向归一化预处理，将指标值线性转化到[0 1]范围内。将归一化后的数据导入笔者编制的PPC程序，得到了真正的全局最优解，最佳投影向量及其系数为，见表2。

样本投影值的标准差Sz=0.6811,Dz=178.15，窗口半径R=0.5668，最大窗口半径rmax=2.8339，目标函数值Q(a)=121.332。30个供应商的评分值如表3所示。从各个评价指标的最佳投影向量系数（权重）可以看出，评价指标的重要性排序（权重从大小）见表4。

表4评价指标重要性排序表

如果根据有序样本最优分割法把评价指标的重要性分成最重要、重要、中等重要和次重要四类（当然也可以分成三类或者五类等），则前6个指标为最重要指标，权重范围为0.2797～0.3012，前7～13个指标为重要指标，权重范围为0.2015～0.2540，前14～18个指标为中等重要指标，权重范围为0.1344～0.1865，后3个指标为次重要指标，权重范围为0.0386～0.0705。最后3个指标的权重明显小于其他指标的权重，如果要简化评价指标体系，可以删除这3个指标。各个供应商得分（投影值）从大到小的排序详见表5。（供应商得分在一栏表示两个供应商的投影值相等，即供应商的竞争力相同）。如果根据有序样本最优分割法把30个供应商分成优秀、良好、中等、较差和差五类，则排名前7的供应商为优秀的供应商，得分范围为3.260～3.554，排名8～9名的供应商为良好的供应商，得分范围为2.459～2.562，排名第10～22位的供应商为中等供应商，得分范围为2.032～2.245，排名第23～28位的供应商为较差的供应商，得分范围为1.642～1.947，排名第29～30位的供应商为差的供应商，得分范围为0.720～1.092。从不同类别的供应商的得分来看，同一类别内的供应商，其得分相差较小，而不同类别供应商之间，则得分相差较大，如很好的供应商与良好的供应商之间差距是很明显的，得分至少要相差0.698，中等供应商与良好供应商之间差距也是明显的。供应商分类见表6。

表2最佳投影向量及向量系数对应表

表3供应商评分值对应表

表5供应商得分排序表

表6供应商分类表

3、结果与讨论

3.1各个供应商的竞争力分析及其如何选择合适的供应商

由2.3的结果可知，在30个供应商中，第26号供应商的竞争力最强，其得分（投影值）高达3.554，第25号供应商的竞争力排名第2位，得分为3.429，然后竞争力逐次减弱的供应商排序分别为第1(21）、22、23、24、……、2、29、30号供应商。事实上，排名前7位的供应商的竞争力相差并不是很大，也就是说，这些供应商的竞争力基本是相似的，该企业在选择供应商时，可根据自己的特殊（情况下）需要，并针对这些供应商的各自特点，选取合适的供应商，并不一定要选取竞争力排名第一位的供应商，因为他们竞争力的差异并不大。如果该企业要求供应商的质量体系状况（指标x20）必须同时完全满足四个方面的要求（即取值为1），则应该选取第25、1、21和23号供应商，同时，如果要求供应商必须满足“有3年以上的降低成本措施和详细的推进方案，并己取得初步成效”条件，则可以选取第26、1、21、23号供应商，为此，该企业应该选取第1、21和23号供应商，因为竞争力排名第一位的供应商（第26号）只满足其三个方面的质量体系状况要求，并不符合该企业对供应商的质量体系要求，企业只好忍痛割爱第26号供应商了。

3.2各个评价指标的重要性分析及其选择新供应商的原则

从2.3的结果可知，在选择供应商的21个评价指标中，降低成本计划（指标x5）最有利于提高供应商的竞争力，其次是总资产周转率（指标x14），然后依次是企业质量体系状况（指标x20）、品种柔性（指标x7）、……、顾客投诉率（x3），产品退货比率（x2）的影响最小。因此，目标企业在遴选供应商时，应优先选择降低成本计划得到高或者总资产周转率得分比较高等的供应商，他们的竞争力比较强，否则，供应商的竞争力就比较弱。除了上述30个供应商，如果有新的供应商参与竞标，应遵循如下原则选择供应商：①邀请专家，对新供应商的各个指标进行打分，并代入上述建立的模型，计算得到新供应商的投影值（综合得分）。②原则上讲，应优选选择投影值大的供应商。③如果有几家供应商得分基本相当，企业可根据最重要指标的得分高低来遴选，如首先选择降低成本计划得分比较高的供应商，等等。

4、结论与建议

本文在分析现有的供应商评价与选择常规评价方法的基础上，针对由21个指标构成的某企业的30个供应商的样本数据，应用PPC技术进行建模，求得了全局最优解。在21个评价指标中，降低成本计划（指标x5）的能力对供应商竞争力的影响最大，其次是总资产周转率（指标x14），然后依次是企业质量体系状况（指标x20）、品种柔性（指标x7）、……、顾客投诉率（x3），产品退货比率（x2）的影响最小，其中最重要、重要、中等重要和次重要的指标分别是6个、7个、5个和3个。在30个供应商中，供应商26的竞争力最强，其次是供应商25，竞争力逐次减弱的供应商排序分别为供应商1(21）、22、23、24、……、2、29和30，其中分别有7个、2个、13个、6个和2个供应商为优秀、良好、中等、较差和差。

根据评价结果分析，每一类供应商之间的差异并不是很大，原则上可以相互替代，因此，企业在选择优秀类供应商时应综合考虑自己的需求和条件。但是不同类供应商之间差异较显著，因此选择科学的合适的评价方法尤为重要，采用PPC模型进行供应商评价与选择研究，既克服了常规评价方法需要其他方法确定权重的缺陷，又没有PCA、NN等需要大样本条件的限制，求得的权重准确的反映了各个指标数据之间的正负相关关系，因此，在供应商选择与评价中应优先推荐使用PPC模型。

参考文献:

[1]马士华.供应链管理[M].武汉:华中科技大学出版社,2010:221-236.

[2]楼文高,乔龙.投影寻踪分类建模理论的新探索与实证研究[J.数理统计与管理,2015,34(01):47-58.

[3]周强.供应链管理模式关系的研究与设计[D].西安:西安理工大学,2009.

[4]刘增明,陈运非,蒋海青.基于PCA-BP神经网络方法的供应商选择[J].工业工程与管理,2014,19(01):53-57,64.

[5]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型[J].中国管理科学,2002(01):80-84.

基金资助:2021年度上海商学院校级一流本科课程建设项目——市场调查与统计(项目编号:SBS-2021-XJJK-17);

文章来源:于晓虹,王芊月,吴芹.基于投影寻踪技术的供应商评价与实证研究[J].价值工程,2023,42(23):53-55.