基于改進DEA模型的供應商的評價與選擇

摘要：供應商的評價選擇是企業構建供應鏈并進行供應鏈管理的前提。針對數據包絡分析（DEA）方法在對供應商評價選擇時無法對供應商進行有效排序的缺點，現在原有的C2R模型的基礎上添加一個虛擬決策單元，對供應商進行重新排序，并據此結合企業案例進行算例分析。

關鍵詞：供應商 評價選擇 數據包絡分析（DEA）

中圖分類號：F123.9文獻標志碼：A文章編號：1673-291X（2011）24-0235-02

一、引言

隨著供應鏈管理時代的到來，供應商的評價選擇越來越重要。供應商處于供應鏈管理的源頭和供應鏈反饋的終點，產品的質量、供貨期和提前期都深受供應商的影響，整條供應鏈的質量也受限于供應商企業的質量[1]。國內外對供應商的評價選擇研究主要集中在兩個方面，一是供應商評價指標體系的研究，二是供應商評價選擇方法的研究。本文選擇數據包絡分析法來對供應商進行評價選擇，主要是因為數據包絡分析能客觀地同時處理多種投入和產出，利用數學規劃模型對供應商的相對效率進行評價。因此，數據包絡分析方法在供應商評價選擇問題上具有十分明顯的優勢。

二、DEA的C2R模型及其改進

數據包絡分析法[2]（DEA）是1978 年由著名運籌學家A.Charnes，W.W.Cooper 和E.Rhodes 首先提出的，用數學規劃模型來評價具有多個輸出的“部門”或者“單位”間的相對有效性。C2R在對供應商進行評價時雖然有很多的優點，但是其只能分辨出DEA有效的決策單元和DEA無效的決策單元，如何利用現有的結果對眾多備選供應商進行排序從而甄選出最佳的供應商，現有的C2R模型則無法做到。針對C2R的上述局限性，現對模型做出以下改進：在原有的n個決策單元的基礎上，添加一個虛擬的決策單元DMUn+1，它的投入指標xij為所有決策單元的最小值，它的產出指標yrj為所有決策單元產出指標的最大值，則傳統的C2R模型變為：

max■μryrj=hj

s.t.wTxj-μTyj≥0，j=1，2，...，n，n+1■wixij=1w≥0，μ≥0

1.數據收集與處理

A公司是國內著名的汽車合資生產商。它對其零配件供應商的評價有一套詳盡的指標體系。結合DEA模型方法，將指標分為投入指標：產品價格（X1）、研發投入力度（X2）、廣告費用（X3）、信息共享資金投入增長率（X4）、送貨及時率（X5）；產出指標：銷售增長率（Y1）、顧客滿意度（Y2）、產品合格率（Y3）、對市場需求的快速響應（Y4）、信息共享程度（Y5）、訂單滿足率（Y6）、產品交貨期（Y7）、準時交貨率（Y8）。表1是12家供應商各類指標的原始數據。為降低數據間信息相互重疊給評價帶來的干擾，現分別對投入指標和產出指標進行主成分分析，為下一步的DEA分析提供數據。利用SPSS軟件計算出各投入指標的特征值和累計貢獻率，我們提取兩個主成分。根據投入指標的因子載荷矩陣，第一主成分主要表達的是產品價格、研發投入力度、廣告費用的情況，它是企業基本的經營業務的投入。第二主成分表達的是信息共享資金投入增長率、送貨及時率，綜合起來就是加速訂單響應的投入。對于產出指標我們提取三個主成分。根據產出指標因子載荷矩陣，第一主成分主要表達的是顧客滿意度、對市場需求的快速響應、訂單滿足率、產品交貨期、準時交貨率，它體現的是供應商提供服務的質量和速度以及顧客對此的滿意度；第二主成分主要表達的是銷售增長率、產品合格率，它體現的是產品質量優異的情況下銷售的增長；第三主成分主要表達的是信息共享程度，它體現的是企業間信息的共享。用SPSS繼續求每個供應商的主成分得分，再用極差標準化方法對數據進行處理，得到可以直接用DEAP軟件進行處理的數據，標準化后為0的數據用1×10-6來代替。

2.基于改進DEA模型的供應商評價結果分析

用DEAP2.1軟件對已經處理的數據進行運算，得到供應商的DEA指數（如表2所示），可以看出，在未添加虛擬變量前處于生產前沿面的7家供應商現在只剩下DMU6和DMU9，決策的可參考價值大大提升了。三、小結

本文針對DEA傳統C2R模型在進行評價選擇時不能對備選方案進行有效排序的缺點，在傳統模型的基礎上添加一個虛擬決策單元，對數據進行兩次排序，提高了DEA方法在對供應商評價選擇時的參考價值。若企業想對DEA有效的供應商進行更深一步的分析的話，還可以利用DEA給出的分析結果做更進一步的對比，找到各供應商的優劣勢，并與企業的要求結合起來，更全面的衡量供應商。針對合作伙伴型的供應商，企業還能找到其與同行之間的差距，從戰略合作的角度提出解決方案，實現企業和供應商戰略合作關系的雙贏發展。參考文獻：

[1]馬士華，林勇.供應鏈管理：第2版[M].北京：機械工業出版社，2005.

[2]魏權齡.評價相對有效性的DEA方法[M].北京：中國人民大學出版社，1987.

[責任編輯 王玉妹]