基于模糊案例推理的供應商選擇模型

摘要：物流采購管理部門經(jīng)常進行供應商選擇與采購量分配方面的工作。如果有一種工具能夠幫助管理人員利用先前的采購經(jīng)驗對當前的采購行為做出決策，這將是非常有益的。文章在模糊的決策環(huán)境下，針對戰(zhàn)術采購決策建立了一個基于案例推理方法和多目標數(shù)學規(guī)劃的供應商選擇與采購量分配集成模型，并給出相應的應用案例。

關鍵詞：供應商選擇；采購量分配；案例推理；模糊數(shù)

中圖分類號：F253.2文獻標識碼：A文章編號：1002-3100(2008)08-0133-06

Abstract: Selecting the vendor and allocating the purchase is one of the most important responsibilities of the purchasing department in a company. It is a benefit if there is a tool that can help the decision-maker make the decision according previous purchasing experiments. This paper focus on the operation level of decision about purchasing， proposes a model of vendor selection based on Case-Based Reasoning， and then gives an example.

Key words: vendor selection problem; quantity allocation; case-based reasoning; fuzzy number

0引言

據(jù)統(tǒng)計，在制造企業(yè)中采購成本占到產(chǎn)品成本的70%，而在高新技術企業(yè)中原材料采購和服務外包的成本占到產(chǎn)品總成本能夠達到80%以上[1]。可見，供應商選擇與采購管理對大多數(shù)企業(yè)來說，是一項非常重要的業(yè)務活動。選擇了一家錯誤的供應商可能會影響企業(yè)的運營；而合適的供應商選擇可以提高企業(yè)的盈利能力和產(chǎn)品的競爭力。

供應商選擇與采購量分配問題一直是企業(yè)采購實踐的重點，也是供應鏈領域的研究熱點。國內(nèi)外已經(jīng)有大量的研究成果[2]。基于案例推理的方法是供應商選擇研究的新方法。Choy和Lee利用案例推理方法提出了一個智能的供應商管理系統(tǒng)，利用此系統(tǒng)可以自動選擇合適的供應商，做出外包選擇[3]。楊瑾等使用案例推理方法構建了一個供應商選擇決策支持系統(tǒng)[4]，但是該決策支持系統(tǒng)主要考察的是戰(zhàn)略層面的供應商選擇，使用的決策數(shù)據(jù)都是打分得到的，用它處理具體的戰(zhàn)術層面的采購有些不妥。現(xiàn)有的文獻都是基于清晰環(huán)境下，很少有考慮模糊信息的情況。我們在文獻[4]的基礎上，針對戰(zhàn)術采購決策建立了一個基于模糊案例推理方法和多目標數(shù)學規(guī)劃的供應商選擇與采購量分配集成模型，并給出相應的應用案例。

1相關知識簡介

1.1基于案例推理的方法

物流采購管理部門經(jīng)常進行供應商選擇與采購量分配方面的工作。如果有一種工具能夠幫助管理人員利用先前的采購經(jīng)驗對當前的采購行為做出決策，這將是非常有益的。案例推理正是這樣的一種工具。

基于案例推理（Case-Based Reasoning， CBR）的方法，最早由耶魯大學的Schank教授在1982年提出， 是人工智能領域一項重要的推理方法。其核心思想是對人們過去的經(jīng)驗和知識進行結構化存儲，并根據(jù)其進行相應的判斷與推理。在CBR中把當前所面臨的問題或情況稱為目標案例（Target Case），而把記憶的問題或情況稱為源案例（Base Case）。粗略的說，就是由目標案例的提示而獲得記憶中的源案例，并且通過源案例來指導目標案例求解的一種策略。案例推理中知識表示是以案例為基礎，案例的獲取比規(guī)則獲取要容易，大大簡化知識獲取。對過去的求解結果進行重用，而不是再次從頭推導，可以提高對新問題的求解效率。過去求解成功或失敗的經(jīng)歷可以指導當前求解時該怎樣走向成功或避開失敗，這樣可以改善求解的質(zhì)量。基本的推理步驟通常可歸納為“4R”循環(huán)[5]。即案例檢索（Retrieve），案例重用（Reuse），案例修改（Revise）和案例保存(Retain)。

1.2模糊數(shù)

2模型的構建過程

2.1案例庫的建立

2.1.1建立供應商選擇的指標體系并給出權重

Weber等人總結了自1967年至1990年供應商選擇領域出現(xiàn)的74篇文獻，認為供應商選擇問題是典型的多準則決策問題，而且這些準則之間往往還存在相互沖突，采購決策必須權衡這些沖突的目標，選擇合適的供應商并合理分配采購量。Weber發(fā)現(xiàn)質(zhì)量、交貨和成本是選擇供應商最重要的準則[7]。指標選取不是本文討論的重點，我們主要在方法的探討上。結合我們面對的具體問題，我們選取成本、交貨、質(zhì)量這三個指標。成本指產(chǎn)品價格加上運輸成本和訂購成本。交貨指標衡量供應商滿足交貨需求的能力，這里我們用及時交貨率和交貨提前期這兩個指標來衡量。質(zhì)量指標衡量供應商滿足質(zhì)量要求的能力，選取產(chǎn)品次品率來表示（如圖 2所示）。在建立指標體系后，需要給每個指標賦予一定的權重（如表1所示）。指標的權重可以由決策者主觀判斷給出，也可以借助于其它分析方法，比如層次分析法。

2.1.2案例的表示和儲存

案例的表示是推理過程的基礎，它直接影響案例的檢索、復用、修改與學習。其中框架和面向?qū)ο笫悄壳岸鄶?shù)CBR采用的方法。本文采用框架的表示方法。過去成功的采購經(jīng)歷經(jīng)過收集、整理，以案例的形式儲存于案例庫。也就是說，過去采購的各個相關指標的值和所選的供應商以一定的格式儲存于數(shù)據(jù)庫（如表2所示）。

2.2案例檢索方法的選取與構造

案例檢索是基于案例推理系統(tǒng)的中心環(huán)節(jié)，檢索質(zhì)量關系著整個系統(tǒng)的質(zhì)量[3]。案例檢索通常有三種：歸納推理法、最鄰近法和知識引導法。本模型指標中涉及模糊數(shù)，適合用最鄰近法處理。目標案例T與案例庫中的源案例R的相似度

ST， R可以用公式（1）來表示：

2.3集成模型

我們提出的模型是一個兩階段模型，模型的第一階段是基于模糊案例推理的過程，第二階段利用第一階段得到的合適的供應商作為輸入變量，構造一個多目標數(shù)學規(guī)劃模型，然后求解模型，確定供應商以及相應的采購量。模型的推理、求解過程如圖3所示。

步驟如下：

（1）提出采購要求。根據(jù)生產(chǎn)或研發(fā)部門的要求，采購部門把相應的要求整理成案例庫中供應商案例格式的采購要求，生成新的采購要求文檔，即目標案例。

（2）案例檢索。采用2.2部分給出的相似度計算公式，分別計算目標案例與供應商案例庫中每個案例的相似度。

（3）選擇滿意的潛在案例。首先按降序排列潛在案例的相似值，然后用戶根據(jù)相似值判斷，如果某個案例被選中，這個案例將被復用、保留；如果用戶不滿意這些案例，則啟動案例修改過程。

（4）案例修改。對前一步得出的相似度最高的那些案例進行分析，分析哪些因素是對當前目標案例來說是好的因素，哪些是不好的因素。供應商根據(jù)采購的要求重新承諾。

（5）確定滿意的修改后的案例。首先按降序排列“修改后的案例”的相似值，然后用戶根據(jù)相似值確定滿足要求的案例。如果某個案例被選中，這個案例將被保留；否則，用戶需要修改采購要求以產(chǎn)生合適的方案，重復以上（1）~（5）步驟。

（6）案例復用。選取合適的案例中對應的供應商作為第二階段數(shù)學規(guī)劃模型的候選供應商。

（7）案例保存。儲存選中的案例到供應商案例庫。

（8）建立數(shù)學規(guī)劃模型。

（9）求解數(shù)學模型，確定供應商以及相應的采購量分配。

供應商選擇問題是個典型的多目標決策問題，為了選擇合適的供應商并在它們之間分配采購量，我們可以建立一個多目標規(guī)劃模型。我們的模型假定：（i）針對的是單一物品、單一周期下的問題。（ii）需求是一個確定的值。因為多數(shù)情況下，戰(zhàn)術層的數(shù)據(jù)都是從物料需求計劃系統(tǒng)等信息系統(tǒng)給出的一個確定值。模型的目標是使總成本、交貨提前期和產(chǎn)品次品率最小。

模型如下：

3應用算例

現(xiàn)實中案例庫中的案例成百上千，為了研究方便，我們假定某個特定的零部件案例庫中有10個供應商案例，根據(jù)采購要求我們整理的一個目標案例T，相關數(shù)據(jù)如表3所示。根據(jù)模型給出的步驟，不難得出案例庫中各個案例與目標案例的相似度。然后利用公式（1）得到各個案例與目標案例T的總的相似度，然后根據(jù)相似度降序排列（如表 4所示）。案例5是與采購要求相似度最高的案例，如果采購經(jīng)理覺得滿意或經(jīng)過案例修改后覺得滿意，則對應的供應商S5作為候選供應商進入下一輪；否則考慮下一個相似度次高的案例（這里是案例10）。重復這個過程直到找出所要的候選供應商個數(shù)。假設相似度前5個的采購案例都通過，對應的供應商作為候選供應商進入下一階段。

4結束語

基于案例推理的方法的供應商選擇模型是一個新的研究領域。本文針對單品種單周期采購建立了一個基于案例推理和多目標規(guī)劃的供應商選擇和采購量分配集成模型，并且使用模糊數(shù)描述一些選擇指標，為采購決策提供一種新的思路。未來可以考慮用其它方法來求相似度，以及把模型擴展到多品種聯(lián)合采購的情況。

參考文獻：

[1] Ghobadian A.， Stainer， A.， Kiss， T. A Computerized Vendor rating system[C]//Proceedings of the First International Symposium on Logistics. Nottingham， UK: The University of Nottingham， 1993:321－328.

[2]Najla Aissaoui etc. Supplier selection and order lot sizing modeling: A review[J]. Computers Operations research， 2007， 34:3516-3540.

[3]Choy K.L.， Lee W.B. A generic supplier management tool for outsourcing manufacturing[J]. Supply Chain Management， 2003，8(2):140-154.

[4]楊瑾，尤建新，蔡依平. 基于案例推理的供應商選擇決策支持系統(tǒng)研究[J]. 計算機工程與應用，2006(19):19-23.

[5]Aamodt， A.， Plaza， E. Case-based reasoning: foundational issues， methodological variations and system approaches[J]. AI Communications， 1994，7(1):39-59.

[6]彭祖贈，孫韞玉. 模糊（fuzzy）數(shù)學及其應用[M]. 武漢：武漢大學出版社，2002.

[7]C. A. Weber， J. R. Current， W. C. Benton. Vendor selection criteria and methods[J]. European Journal of Operational Research， 1991(50):2-18.

[8]Chen， S.-J.， Chen， S.M. Fuzzy risk analysis based on similarity measures of generalized fuzzy numbers[J]. IEEE Transactions on Fuzzy Systems， 2003，11(1):45-56.

[9]Hsieh， C.H.， Chen， S.H. Similarity of generalized fuzzy numbers with graded mean integration representation[C]//Proceedings of the Eighth International Fuzzy Systems Association World Congress， Taipei， 1999，2:551-555.