0.引言

　　

　　在現(xiàn)代企業(yè)中，企業(yè)外購部分的成本占了總成本的絕大部分。在美國的一般企業(yè)中，外購的原材料成本通常占產品成本的40%~60%，對于大型汽車企業(yè)約占50%，對于高新技術企業(yè)可達80%。由此可見，采購部門在企業(yè)的運行效率和效果方面起到了關鍵的作用，它對企業(yè)降低成本、增加利潤、加強柔性等方面都有直接的影響。因此，供應商選擇問題，受到了廣泛的重視。

　　

　　供應商選擇是一個多目標決策問題，需要對多個供應商在多條相互影響的準則基礎上進行評價。Dickson于1966年在273名代理商和管理人員中進行了統(tǒng)計調查，總結了23條準則，基本上涵蓋了供應商選擇時應當考慮的因素。1991年Weber統(tǒng)計了1966~1991年的74篇文章，重新評價了23條準則在實際應用中的被關注程度。目前的研究一般都是基于Dickson準則完成的。

　　

　　在評價準則的基礎上，進行供應商選擇采用的算法一般有線性加權（Iinearweighting)、數(shù)學規(guī)劃(mathematicaIprogramming)、人工智能等算法。

　　

　　1.存在的問題

　　

　　目前，對于供應商選擇問題的研究一般依托較大的供應鏈管理系統(tǒng)或決策支持系統(tǒng)，以某一企業(yè)為核心研究對象，與企業(yè)信息系統(tǒng)緊密結合，企業(yè)內信息采集量大，對比較穩(wěn)定、準確、單一的企業(yè)而言，管理者學習采購策略比較多。

　　

　　行業(yè)性B2B電子商務平臺是面向一個行業(yè)提供電子商務服務，向行業(yè)中的核心企業(yè)提供采購、銷售的功能，向配套商（向核心企業(yè))提供銷售原材料、零配件服務的功能。當使用此平臺的企業(yè)達到一定的臨界數(shù)量時，交易行為出現(xiàn)自組織性后，信息量可以滿足平臺核心企業(yè)對采購決策的需要。

　　

　　行業(yè)性B2B電子商務平臺中的采購決策系統(tǒng)，由于參與企業(yè)多，交易信息豐富，企業(yè)內部信息少；決策者類型豐富、決策策略多樣。因此，不能單純依托單一企業(yè)數(shù)據(jù)、以生產數(shù)據(jù)為核心進行研究，需要參照行業(yè)性B2B電子商務平臺的特點進行改造。

　　

　　針對行業(yè)性B2B電子商務平臺的特點，本文設計了一種供應商選擇系統(tǒng)，并已應用于某摩托車電子商務平臺。

　　

　　2.行業(yè)性B2B電子商務平臺環(huán)境下的供應商選擇系統(tǒng)模型

　　

　　文獻提出了一種供應商選擇系統(tǒng)，該系統(tǒng)又分為供應商管理系統(tǒng)、企業(yè)管理策略管理系統(tǒng)和供應商選擇系統(tǒng)三個部分，并且給出了一般的系統(tǒng)構建方法。相比之下，行業(yè)性B2B電子商務平臺環(huán)境下的供應商選擇系統(tǒng)，既有某些類似，也有改進和獨特之處：

　　

　　!由供應商管理系統(tǒng)向B2B電子商務平臺中的銷售廠商信息管理系統(tǒng)轉移；

　　

　　!由企業(yè)管理策略管理系統(tǒng)向采購人員的評價習慣積累系統(tǒng)轉移；

　　

　　!增加B2B電子商務平臺中各采購者對銷售商的協(xié)同評價系統(tǒng)；

　　

　　!結合B2B電子商務平臺的配套市場系統(tǒng)，實現(xiàn)廠商模糊搜索系統(tǒng)；

　　

　　!相關的訂單處理、庫存處理系統(tǒng)。

 

　　在這個系統(tǒng)中進行供應商選擇決策，首先要根據(jù)產品數(shù)據(jù)查找能夠提供所需產品的供應商，然后根據(jù)必須的條件進行預選擇，再采用選擇算法進行選擇。選擇結束后，對于采購者的采購習慣進行積累，交易結束后，采購者對供應商進行協(xié)同評價。該系統(tǒng)考慮了行業(yè)性B2B電子商務平臺的具體特點和自身約束，設計了獨特的部分。

　　

　　廠商的模糊搜索與預選擇系統(tǒng)，用于從配套市場中根據(jù)所需產品搜索廠商，作為供應商選擇輸入。在一般供應商選擇決策支持系統(tǒng)中，可供選擇的供應商來自配套企業(yè)和企業(yè)信息庫，數(shù)據(jù)描述規(guī)范單一，范圍界限明顯。但是，在B2B電子商務平臺中，產品的種類、描述不容易保持規(guī)范，產品容易相互交叉，有必要建立模糊的搜索系統(tǒng)，既保證足夠的查全率,又保證一定的查準率，為進一步供應商選擇過程提供足夠的信息源。

　　

　　供應商協(xié)同評價系統(tǒng)，用于積累供應商的信譽、交易量、交貨拖期時間、服務等信息，作為選擇供應商時的評價依據(jù)。一般來說，采購商不可能和每個供應商都發(fā)生交易關系。在一般供應商選擇系統(tǒng)中，都要維護一個供應商信息庫，存儲各個供應商的信息。對于行業(yè)性B2B電子商務平臺基礎上的供應商選擇系統(tǒng)而言，它的優(yōu)勢在于不同企業(yè)的評價信息可以共享，采購者可以從別人的交易經驗中獲得知識，指導自己的采購過程。這不僅可彌補單個企業(yè)信息不足的局限，還起到了行業(yè)性宣傳和監(jiān)督的作用，充分發(fā)揮了信息化的優(yōu)勢。

　　

　　企業(yè)采購策略和習慣積累系統(tǒng)，是將企業(yè)采購者某些特殊重視的評價準則，或者某些特殊的習慣加以積累，進一步提高決策系統(tǒng)推薦的準確性。由于來自企業(yè)內部的信息比較少，不能期望在決策系統(tǒng)運行前對采購者的習慣進行學習，于是面向行業(yè)性B2B電子商務平臺的供應商選擇系統(tǒng)，采用系統(tǒng)運行使用過程中學習的方法。供應商協(xié)同評價系統(tǒng)和企業(yè)采購策略及習慣積累系統(tǒng)，在空間和時間兩個尺度上積累信息，結合了行業(yè)性B2B電子商務平臺的自身特點，提高了評價的有效性。

　　

　　3.行業(yè)性B2B電子商務平臺下的供應商選擇關鍵問題

　　

　　3.1基于模糊搜索的廠商預選擇

　　

　　行業(yè)性B2B電子商務平臺中的供應商選擇，要求通過產品搜索到供應企業(yè)。配套市場產品種類繁多、商品豐富，搜索功能應該能夠輔助采購者快速、準確地找到需要的商品及供應者，進行選擇購買。目前實際應用的電子商務平臺系統(tǒng)的搜索功能一般比較簡單，大多是在數(shù)據(jù)庫中，在產品名稱、廠家等字段進行“包含”查找操作。查找的結果一方面準確性差，容易包含許多企業(yè)不需要的產品；另一方面也容易遺漏，將許多詞義相同、詞形不同的商品忽略。在行業(yè)性B2B電子商務平臺中，企業(yè)分別輸入產品的信息，難以進行過分嚴格的語法限制。同時搜索的內容也不容易進行限制，這就給準確搜索帶來了難度。用戶查找好商品后，還要進行供應商對比選擇等工作。在這種情況下，提高搜索的“查全率”和“查準率”更顯得必要。

　　

　　根據(jù)這一需求，本文設計了搜索算法和削減算法，如圖4所示。在搜索算法中，首先進行同義詞擴張，將用戶輸入的一個查找項擴展成為多個，擴大搜索的范圍。同義詞擴張后，對于每一個同義詞分別進行搜索，首先進行種屬定位，縮小查詢范圍，提高查準率。即進行預查詢，確定商品所處的種類位置，對于“距離”較遠的種類，由用戶進行選擇，去除“形近義遠”的情況。其中距離定義為：=2m+n。其中，S={在目錄樹上從a到b的路徑}，n={在目錄樹上上升的步數(shù)}，m={在目錄樹上下降的步數(shù)}。因為在目錄樹上上升是進入父類，而下降是進入另一個子類，所以下降距離定義較長。

　　

　　定義了五種查找方式，相對來講，范圍逐漸放寬，目的是獲得五個范圍逐漸擴大的查找結果，并且在這所有結果的合并中選取一個合適的子集，作為查找結果。

　　

　　對于每一種查找方式查找的結果，按照查找屬性的類型(數(shù)字和字符）以及屬性的值，再進行一次削減，以期盡量排除無關結果。每一個詞條都得到5個結果集，對于多個詞條的結果進行合并，削減不同詞條和同一詞條不同查找方式一樣的結果。最后，將n個詞條的5n個結果集進行排序，按照查找方式的優(yōu)先級排隊，所得結果靠前的為相關度較高的，靠后的為相關度較低的。得到的產品表對應的企業(yè)表就是所需要的能夠提供所需產品的企業(yè)。

　　

　　為了簡化選擇算法的計算，有必要對結果進行進一步削減，目的是保留想要的，然后施加條件約束進行削減，不斷循環(huán)，直至保留的產品數(shù)目達到一定數(shù)量為止。這是一個“must”類型的預選擇算法。

　　

　　3.2 供應商選擇的AHP算法及其參數(shù)學習

　　

　　進行供應商選擇的算法很多。其中，線性加權算法是應用最多的，有很多改進算法。如CostRatio方法;Multi-AttributeUtilityTheory(MAUT)方法。目前研究比較活躍的是AHP(anaiytichierar?chyprocess)算法和ANP(anaiyticnetworkprocess)算法。

　　

　　數(shù)學規(guī)劃方法則偏重定量準則的準確計算，客觀性較高、主觀性較低，如線性規(guī)劃方法、多目標規(guī)劃方法、混合整數(shù)規(guī)劃方法等。此外，還有將兩者結合的算法、神經網(wǎng)絡方法、數(shù)據(jù)包絡方法、基于實例的推理（Case-based-rea-soning，CBR)方法等。

　　

　　本文采用層次分析法作為本系統(tǒng)的核心算法。層次分析法是美國著名運籌學家匹茲堡大學教授I.L.SaatyC賽惕）于20世紀70年代中期提出的，是一種將定性分析與定量分析相結合、定性問題定量化的實用決策方法。

　　

　　AHP算法的基本思想是將一個復雜的多規(guī)則評價問題，分解為層次狀的若干個因素的組合，對同一層次上的因素，通過成對的重要程度比較，組成比較矩陣。如果矩陣基本滿足對稱性、一致性、傳遞性，矩陣主特征值和主特征矢量元素就可以表示各評價因素的優(yōu)先關系。結合不同層次間的優(yōu)先關系，可以對決策問題形成由各個影響因素組成的評價模型。

　　

　　采用AHP算法，應當針對決策對象選擇合適的評價準則。本文主要參考Dickson總結的23條準則(既包括了易于量化的因素，如價格等，也包括主觀性比較強的準則，如信譽等）以及1997年華中理工大學管理學院CIMS-供應鏈管理課題組調查的國內企業(yè)關注的準則。

　　

　　針對AHP算法，以及協(xié)同評價系統(tǒng)的需要，設計了動態(tài)的層次樹建立數(shù)據(jù)結構，行業(yè)性B2B電子商務平臺管理員針對本平臺的行業(yè)和特色，動態(tài)設計評價的層次樹。平臺下的所有企業(yè)因為要采用協(xié)同評價系統(tǒng)，需要使用同一評價層次樹，但是，可以根據(jù)各個企業(yè)評價習慣積累的不同，調整各個評價準則的參數(shù)。圖5給出了一個摩托車供應市場的評價層次樹對于準則中的非數(shù)值型參數(shù)評分采用Saaty的9分量化法，對于數(shù)值型參數(shù)評分可以使用評分相除法。

　　

　　各個采購商使用的評價準則所占比重變化較小，本文采取針對不同類型廠商（如JIT等）建立幾組共性較強的參數(shù)。各個采購商可以從與自己類似的類型入手，進行適當?shù)男薷牡玫阶陨淼脑u價準則權重表。在使用過程中，對于AHP算法的評分和用戶的最終選擇進行比較學習，對各個準則權重進行微調一一供應商選擇系統(tǒng)的自學習模塊。

　　

　　對于準則權重的學習分為下列幾種：用戶指定加分屬性，即供應商的某屬性得到了用戶的特別重視,則此準則的權重得到增長;用戶不指定加分屬性，根據(jù)用戶的多次選擇過程，可以評判用戶的傾向，則相應準則的權重得到增長;用戶不指定加分屬性，根據(jù)用戶的多次選擇過程不能評判用戶的傾向，說明指定采購商得到用戶的特別重視，相應供應商得到特別加分處理。

　　

　　3.3供應商選擇的協(xié)同評價

　　

　　供應商的系統(tǒng)評價是對行業(yè)性B2B電子商務平臺中交易信息在空間尺度上的積累。由于供應商選擇算法是以AHP算法為基礎，協(xié)同評價中的信息收集主要包括以下內容：

　　

　　(1) 某采購商對某供應商在某準則方面的評述;

　　

　　(2) 某采購商在某準則方面對供應商的打分；

　　

　　(3) 某采購商和某供應商交易成功與否及原因的信息；

　　

　　(4) 某采購商和某供應商交易的批量頻率等其他信息；

　　

　　(5) 某采購商對某供應商的主觀評述。

　　

　　其中（1)、(2)、（3)的信息在進行統(tǒng)計和歸一化后，在采購商進行AHP評分時，直接向采購商進行反饋。（4)、（5)的信息在AHP評分結束后，采購商在選擇前向采購商進行反饋。

　　

　　在行業(yè)性B2B電子商務平臺下的供應商選擇系統(tǒng)中，每個企業(yè)都擁有多名采購員，于是協(xié)同評價的信息就分為企業(yè)內部和企業(yè)外部兩大類。對于本企業(yè)反饋的信息，采購員可以看到較詳細的信息，并且對評價過程影響較大。對于其他企業(yè)反饋的信息，一方面進行統(tǒng)計綜合處理，如（1)、（2)將獨立的評分轉化成為分值的分布；另一方面有些對企業(yè)比較重要的信息(如交易時間、交易量），其他企業(yè)采購員得不到。此外，采購商對某供應商的主觀評述，從企業(yè)采購員的角度，也是一種兩面的信息，采購者可以根據(jù)企業(yè)間聯(lián)盟關系等信息進行主觀評判。

　　

　　4.實現(xiàn)與總結

　　

　　在摩托車行業(yè)性電子商務平臺用戶角色管理系統(tǒng)上，該系統(tǒng)集成了電子商務平臺的知識，提供了從模型建立、算法實現(xiàn)、參數(shù)優(yōu)化、協(xié)同評價與訂單處理的統(tǒng)一連續(xù)的決策支持與信息反饋、學習積累的過程。圖6以一個發(fā)動機選擇，演示了供應商選擇過程。系統(tǒng)在提供給企業(yè)對配套市場全面、準確、快速搜索的基礎上，實現(xiàn)采購決策的預選擇；在以AHP算法為核心的評分決策的過程中，進行知識庫反饋和輔助決策;在電子商務平臺商務訂單交易的基礎上進行參數(shù)學習和協(xié)同評價信息積累。

　　

　　基于Web的程序具有通用性強、人機界面簡單、企業(yè)邏輯和表現(xiàn)分離的特點。本文將參數(shù)的計算和知識庫的轉化放在服務器端，客戶端進行人機交互和數(shù)據(jù)預處理,計算結果通過HTTP協(xié)議傳遞。

　　

　　決策過程是一個連續(xù)的過程，系統(tǒng)采用SessionBean，保證同一個用戶進行評價的過程進度，避免出現(xiàn)同一用戶多評價過程。在用戶選擇參數(shù)優(yōu)化上，采用自主選擇的方法，保證系統(tǒng)參數(shù)改良、學習和歷史延續(xù)的統(tǒng)一。這些方法克服了靈活使用Web類程序帶來的負面影響。

 

作者簡介：李昕（1978 - ），男，河北阜城人，清華大學自動化系碩士研究生，主要從事現(xiàn)代集成制造系統(tǒng)、電子商務、供應鏈、控制等研究。