基于投影寻踪技术的供应商评价与实证研究.pdf

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（1）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 searchalgorithm，简称 CSA）3的 Matlab 最优化程序求解最佳投影向量a軆。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。基于投影寻踪技术的供应商评价与实证研究Supplier Evaluation and Empirical Research Based on Projection Pursuit Technology于晓虹 YU Xiao-hong曰王芊月 WANG Qian-yue曰吴芹 WU Qin（上海商学院文法学院，上海200235）（College of Humanities and Law，Shanghai Business School，Shanghai 200235，China）摘要院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。Abstract:Based on the existing supplier selection and evaluation index system and 30 supplier sample data,a PPC model for supplierevaluation and selection was established.The results show that among the 21 evaluation indicators,the cost reduction plan(indicator x5)hasthe greatest impact on supplier capability,followed by the total asset turnover rate(indicator x14),and the product return rate(indicator x2)has the smallest impact.Among the 30 suppliers,supplier 26 has the strongest competitiveness,followed by supplier 25,and supplier 30 isthe worst;Suppliers can be divided into five categories,with small differences within each category,while significant differences betweendifferent categories.Using PPC modeling,it is possible to simultaneously construct an evaluation function for each sample score and obtainthe optimal objective weight for each evaluation indicator,complete the ranking and classification of evaluation indicators and suppliers,andaccurately reveal the positive and negative correlation between different evaluation indicator data.Therefore,the PPC model should beprioritized in supplier selection and evaluation.关键词院供应商；评价与选择；投影寻踪；评价指标；权重Key words:supplier；evaluation and selection；projection pursuit；evaluation indicators；weight中图分类号院TP278文献标识码院A文章编号院1006-4311（2023）23-053-03doi:10.3969/j.issn.1006-4311.2023.23.018价值工程2建立供应商选择的改进型投影寻踪模型 MPPC2.1 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 x1x21表示）构成，具体见表 1。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 2630 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，x2x4，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a軆=a（1）a（21），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。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 0.27970.3012，前 713 个指标为重要指标，权重范围为 0.20150.2540，前 1418 个指标为中等重要指标，权重范围为 0.13440.1865，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 3.2603.554，排名 89 名的供应商为良好的供应商，得分范围为 2.4592.562，排名第 1022 位的供应商为中等供应商，得分范围表1供应商评价指标明细表产品竞争力评价指标（10个）产品质量合格率、产品退货比率、顾客投诉率、产品价格比率、降低成本计划、批量柔性、品种柔性、准时供货率、紧急接受订货能力企业竞争力评价指标（8个）信息共享程度、沟通程度、战略目标的兼容性、企业文化的兼容性、总资产周转率、总资产收益率、资产负债率、科研经费投入率、新产品销售比率其他竞争力评价指标（3个）员工素质、企业质量体系状况和绿色因素表2最佳投影向量及向量系数对应表向量系数a1a2a3a4a5a6a7a8a9a10数值0.18650.03860.05490.14730.30120.23180.28830.28520.07050.2015a11a12a13a14a15a16a17a18a19a20a210.21910.16240.21130.29050.2540.24490.27970.13440.2260.28930.1599表3供应商评分值对应表供应商123456789101112131415评分值3.3171.6421.9472.2452.5622.2282.0662.0692.1212.2281.9112.162.4592.2382.032供应商161718192021222324252627282930评分值2.0961.9112.1722.2282.0733.3173.2913.283.263.4293.5541.9111.8011.0920.72表4评价指标重要性排序表排序号12345678910向量系数a5a14a20a7a8a17a15a16a6a191112131415161718192021a11a13a10a1a12a21a4a18a9a3a2Value Engineering为 2.0322.245，排名第 2328 位的供应商为较差的供应商，得分范围为 1.6421.947，排名第 2930 位的供应商为差的供应商，得分范围为 0.7201.092。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。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：淤邀请专家，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）。于原则上讲，应优选选择投影值大的供应商。盂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。参考文献院1马士华援供应链管理M援武汉：华中科技大学出版社，2010：221-236.2Friedman J H,and Tukey J W.A projection pursuitalgorithm for exploratory data analysisJ.IEEE Transactions onComputers,1974,C-23(9):881-890.3Askarzadeh A.A novel metaheuristic method for solvingconstrainedengineeringoptimizationproblems:Crowsearchalgorithm J.Computers&Structures,2016,169:1-12.4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）：47-58.5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，2009.6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）：53-57，64.7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.表5供应商得分排序表得分大小排序123456789供应商Z26Z25Z1、Z21Z22Z23Z24Z5Z13Z4得分大小排序101112131415161718供应商Z14Z19、Z10、Z6Z18Z12Z9Z16Z20Z8Z7得分大小排序192021222324252627供应商Z15Z3Z11Z27Z17Z28Z2Z29Z30表6供应商分类表供应商等第供应商序号优秀（3.260-3.554）Z26、Z25、Z1、Z21、Z22、Z23、Z24良好（2.459-2.562）Z5、Z13中等（2.032-2.245）Z4、Z19、Z10、Z18、Z12、Z9、Z16、Z20、Z8、Z7、Z15较差（1.642-1.947）Z3、Z11、Z27、Z17、Z28、Z2差（0.720-1.092）Z29、Z30