基于MCDM模型的汽車行業第三方逆向物流供應商的選擇

潘愛娟

（江南大學 商學院，江蘇 無錫 214000）

基于MCDM模型的汽車行業第三方逆向物流供應商的選擇

潘愛娟

（江南大學 商學院，江蘇 無錫 214000）

基于多標準決策，提出基于熵方法、接近理想值法（TOPSIS）和灰色關聯分析的整合模型。熵決策得到最初的權重，TOPSIS和灰關聯分析得到最終的排序。并根據汽車行業確定和總結了評價標準，以一家中國的汽車制造商案例證明了模型的可行性和有效性。

第三方逆向物流供應商；MCDM模型；熵；逼近理想值法；灰色關聯

1 引言

第三方逆向物流（3PRL）是將部分或全部逆向物流活動外包給第三方物流服務供應商，意味著產品從終端客戶流向最初制造商。汽車行業繁榮導致環境污染、資源浪費和汽車制造商內部激烈的競爭。隨著國家綠色立法的頒布，可持續發展意識的深入人心，逆向物流的復雜性和物流追蹤設備先進性要求，越來越多汽車制造商外包逆向物流給第三方物流供應商，選擇合適的第三方逆向物流供應商成為物流外包過程中至關重要的一步。

國內外學者對于供應商、供應鏈選擇的評價進行了廣泛的研究，其研究范圍主要為供應商的評價與選擇，供應鏈模式的剖析選擇以及供應鏈中逆向物流供應商評價與選擇的方法研究。文獻[1]-[2]運用綜合方法對物流服務供應商進行了評價選擇，基于層次分析法(AHP)構建了包括四個一級指標和11個子指標的評價體系，并通過修正灰關聯法改善了指標之間的差異型[1]-[2]。供應鏈的運營模式由于供應商和供應鏈的不確定性而存在高度復雜性。倪明等（2012）運用Multi-Agent技術結合Anylogic仿真軟件，構建了四種逆向物流事件合作伙伴動態仿真模型，協調了供方與需方的需求，識別了影響逆向物流事件的主要因素指標[3]。與此同時，逆向物流供應商選擇由于環保意識、綠色立法及其自身復雜性等問題引起了高度重視，其主要研究方向是指標體系的構建和評價方法的選擇及指標的敏感性分析。文獻[4]-[8]構建了包括成本、環境、服務能力和企業發展概況等在內的指標體系，Kannna，Devika（2012）補充了第三方物流服務（3PLs）、逆向物流功能（RLF）、組織角色（OR）、顧客滿意度（US）、3PL應用影響（IU3PL）、組織性能標準（OPC）和網絡應用（IT）七種評價標準。對于逆向物流供應商的評價方法主要歸類于多標準決策法，并且多數文獻基于不同的評價指標進行了敏感性分析。文獻[9]-[10]發現公司為了成本節約和生態友好發展逆向物流，然而逆向物流外包過程中在質量、數量和回收時間上存在不確定性。運用層次分析法（AHP）和理想值逼近法（TOPSIS）提出了模糊環境下供應商選擇與評價。Ramesh等（2014）認為評價和選擇最有效的逆向物流承包商這一挑戰性的任務對于成本節約、運輸、庫存至關重要。決策的過程是不確定或模糊的，文章在不確定環境下，運用層次分析法（AHP）和模糊接近理想值法（TOPSIS），敏感性分析確認穩定性是必要的[11]。

汽車行業繁榮雖然引起了學者們的高度重視，國內汽車行業第三方逆向物流供應商的指標體系構建以及評價仍然障礙重重。文獻[12]-[13]強調汽車物流可以分為整車物流和零部件物流，零部件物流遠復雜于整車物流，閉環由正向供應鏈和逆向供應鏈構成的供應鏈也變得越來越復雜，再循環供應商由于復雜性成為當今最主要的問題。自主創新薄弱限制了汽車行業的可持續發展，由于管理技術、先進設施、專家的缺乏和供應鏈的復雜性，企業不能集中于核心競爭力的發展以及復雜供應鏈的運營[14]。逆向物流由于資源減少和環境破壞獲得世界范圍發展契機。逆向物流發展存在四個重要障礙：管理、金融、政策和設施，外包逆向物流的最終目的是發展核心優勢和降低成本，企業不僅需要獲得利潤也要保護環境和保護資源[15-16]。

本文基于上述文獻，分析了汽車行業物流外包現存問題，構建相應評價標準體系，呈現由熵、接近理想值法（TOPSIS）和灰色關聯分析的混合模型，同時將這一模型與汽車行業3PRLP選擇算例相結合，目的在于為汽車行業選擇最合適的逆向物流供應商。文章基于專家對比矩陣，從戰略規劃角度得到最終的排序，將3PRLP問題與實踐相結合，并運用了新型的模型評價選擇方法，結果更加客觀可靠，且實用性強。

2 建模

2.1 汽車行業3PRLP指標體系構建

本文基于上述文獻綜述，結合我國汽車行業的發展現狀，構建了包括成本、質量、逆向物流服務功能、組織角色、兼容性、風險以及互聯網的7個一級指標和相對應的29個二級指標的汽車行業第三方逆向物流供應商指標體系，囊括了汽車行業在供應商選擇過程中所考慮的關鍵因素，不僅僅是成本、服務質量，也包括信息的暢通及時和服務的完善等。具體的指標體系見表1。

表1 評價指標體系

2.2 基于熵權法的指標權重確定

熵是利用概率論衡量信息不確定性，信息量越大，不確定性越小，熵值越小；反之信息量越小，不確定性越大，熵也就越大。熵權法基于指標所能提供的信息量來確定權重[17]。具體過程如下：

（2）標準化。為了消除指標量綱不同的影響，對評估指標進行標準化處理。當指標j是效益指標時，用式子進行標準化；當指標j是成本指標時，用式子進行標準化，得到標準狀態矩陣Y。

（3）計算評估指標的熵，如下：

（4）計算標準權重。

2.3 基于TOPSIS法的灰色關聯分析的3RLP選擇

接近理想解法（TOPSIS）首先由Hwang&Yoon（1981）提出，根據評價目標與理想方案的接近程度對候選者進行排序的方法，廣泛應用于多標準決策中（MCDM）。1982年鄧聚龍教授提出了灰色理論，其基本觀點是分析和比較系統數據的關聯度。TOPSIS可以揭示目前的位置關系，而灰色關聯度精確地解釋了關聯程度，文章提出了由TOPSIS和灰色關聯相加權的新的評價方法，達到第三方物流供應商的最終排序[18]，具體步驟如下。

（1）賦權標準矩陣。根據熵權法得到初始標準化矩陣Y，用式子 Vij=Yij×wj得到賦權標準矩陣V=[Vij]m×n，i=1,2,···,m; j=1,2,···,n

（3）計算第i個方案分別與理想方案和負理想方案關于第j個指標的距離。

（4）計算賦權灰色關聯度。

則賦權灰色關聯矩陣為：

其中，α1、α2反映了決策者對位置和形狀的偏好程度，并且滿足α1+α2=1，得到方案的相對貼近度為：

新貼近度基于歐式距離和灰色關聯度，同時反映了方案與理想方案和負理想方案之間的位置關系和數據曲線相似性差異。按照貼近度的大小對方案進行排序，貼近度越大方案越優；貼近度越小方案越劣。

3 算例分析

為了說明模型的可行性、實用性，本文選擇了一家汽車制造商作為算例分析對象。公司A是中國東南部的一家汽車制造商，主要生產各種各樣的汽車零配件。公司A運用尖端設備、先進技術、高質量人才對產品進行鑄造、電鍍和焊接等加工。在最近幾年，公司拓展經營規模導致了物流復雜性的增加。在綠色立法頒布和環境保護、資源節約意識加強的背景下，公司A作出了戰略性決定，即為保護環境和滿足顧客需求外包逆向物流。公司A基于供應商評價指標的專家對比矩陣見表2。

表2 供應商一級評價指標原始數據

根據熵權法計算步驟，計算一級評價指標權重見表3。

表3 一級評價指標權重

將一級指標權重賦予二級評價指標，仍然根據熵權法計算出二級指標的權重見表4。

表4 二級評價指標權重

基于熵權法確定的權重，計算第i個方案分別與理想方案和負理想方案關于第j個指標的距離，見表5。

表5 方案分別與理想方案和負理想方案的距離

基于熵權法確定的權重，計算第i個方案分別與理想方案和負理想方案關于第j個指標的關聯度，見表6。

表6 方案分別與理想方案和負理想方案的關聯度

基于熵權法確定的權重，計算加權貼近度，α1、α2取不同的值，得到最終的加權排序，見表7。

表7 加權貼近度

分析的過程說明第三方逆向物流供應商的選擇高度取決于管理者和專家制定的評價標準，確定理想方案和負理想方案非常重要，綜合性的方案可以使外包獲得成功。同時，本文選取了不同的加權貼近度，得到了一致的排序，說明基于熵權法賦權，灰關聯理想點法相結合的第三方逆向物流供應商評價方法的評價效果較為客觀，可以應用于汽車行業這一案例分析中，結果表明A3供應商在成本、質量、逆向物流服務功能以及風險等方面都優于其他供應商，從而為汽車行業成功地選擇了較優的逆向物流供應商。

4 結論

汽車行業實施逆向物流存在許多困難和風險，不僅是制造商選擇合適的第三方逆向物流供應商，同時也是逆向物流供應商承擔可承受的物流活動。供應商需要滿足客戶需求并有效回收廢舊產品。該文為汽車行業選擇第三方逆向物流供應商提出了綜合性的模型。首先，提出基于文獻綜述和專家觀點的評價標準。然后，專家團隊應用綜合性模型為汽車行業候選供應商進行了排序。文章運用熵權法客觀賦權，專家確定理想方案和負理想方案，計算每一方案到它們的距離以及灰色關聯度，加權得到最終的候選者排序。最后，文章應用實例論證了模型的有效性和實用性。

然而，文章提出的評價標準主要基于文獻綜述和專家意見，也沒有討論標準之間的相互關系。盡管如此，文章的模型仍可應用于除了制造商和逆向物流供應商之外的其他領域。未來仍可做許多研究，如可采用敏感性研究討論每一標準權重的穩定性，也可提出更加復雜的模型分析多標準的相互關系。

[1]Jharkharia S,Shankar R.Selection of logistics service provider: An analytic nerwork process(ANP)approach[J].Omega,2007, 35:274-289.

[2]Hsu C C,Liou J H,Chuang Y C.Integrating DANP and modified grey relation theory for the selection of an outsourcing provider[J].Expert Systems with Applications,2013,40:2 297-2 304.

[3]倪明,陶雙雙,郭軍華.企業逆向物流外包合作伙伴動態選擇模型研究[J].工業工程與管理,2012,(5):21-28.

[4]Govindan K,Palaniappan M,Zhu Q H,Kannan D.Analysis of third party reverse logistics provider using interpretive structural modeling[J].International Journal of Production Economics,2012,140:204-211.

[5]Cheng Y H,Lee F.Outsourcing reverse logistics of high-tech manufacturing firms by using a systematic decision-making approach:TET-LCD sector in Taiwan[J].Industrial Marketing Management,2010,39:1 111-1 119.

[6]賀團英,馬天山.基于可拓法的報廢汽車逆向物流供應商選擇與評價模型研究[J].武漢理工大學學報(社會科學版), 2009,(6):52-57.

[7]Guarnieri P,Soberiro VA,Nagano M S.The challenge of selection and evaluating third-party reverse logistics providers in a multicriteria perspective:a Brazilian case[J].Journalof Cleaner Production,2015,96:209-219.

[8]Xi F,Jiang W Q.Study on Scrap Automobile Manufactures Reverse Logistics Partners Based on Evaluation Engineering[J]. Systems Engineering Procedia,2012,2 211(3 819),213-221.

[9]Jayant A,Gupta P,Garg S K,Khan M.TOPSIS-AHP Based Approach for Selection of Reverse Logistics Service Provider:A Case Study of Mobile Phone Industry[J].Procedia Engineering, 2014,97:2 147-2 156.

[10]Kannan G,Pokharel S,Kumar P S.A hybrid approach using ISM and fuzzy TOPSIS for the selection of reverse logistics provider[J].Resources,Conservation and Recycling,2009,54: 28-36.

[11]Senthil S,Srirangacharyulu B,Ramesh A.A robust hybrid multi-criteria decision making methodology for contractor evaluation and selection in third-party reverse logistics[J]. Expert systems with Applications,2014,41:50-58.

[12]曾娟,張國方.中國汽車零部件物流與整車物流的比較分析[J].武漢理工大學學報(信息與管理工程版),2006,01:112-115.

[13]Dhouib,D.An extension of MACBETH method for a fuzzy environment to analyze alternatives in reverse logistics for automobile tire wastes[J].Omega,2014,42:25-32.

[14]楊沿平,唐杰,周俊.我國汽車產業自主創新現狀、問題及對策研究[J].中國軟科學,2006,(3):11-16.

[15]孟麗君,張寶友,黃祖慶.資源與企業逆向物流能力間關系的實證研究:以浙江省為例[J].物流技術,2014,07:226-228.

[16]Abdulrahman M D,Gunasekaran A,Surbramamian N.Critical barriers in implementing reverse logistics in the Chinese manufacturing sectors[J].Production Economics,2014,147: 460-471.

[17]谷麗麗,曹翠芬,崔利華.淺析供應商選擇中熵權法的不足與改進[J].物流技術,2009,(1):95-96+111.

[18]錢吳永,黨耀國,熊萍萍,王正新.基于灰色關聯定權的TOPSIS法及其應用[J].系統工程,2009,(8):124-126.

Selection of Automobile Third Party Reverse Logistics Suppliers Based on MCDM

Pan Aijuan
(School of Business,Jiangnan University,Wuxi 214000,China)

In this paper,based on the multi-standard decision-making process,the TOPSIS and the grey correlation analysis model, we arrived at the initial weighting of the indexes in the selection of the automobile third party reverse logistics suppliers and their final ranking,then summarized and finalized the corresponding evaluation standard,and at the end,proved the feasibility and validity of the model through an empirical case.

3PRLP;MCDM;entropy;TOPSIS;grey correlation

F253;F224.0

A

1005-152X(2017)01-0117-04

10.3969/j.issn.1005-152X.2017.01.025

2016-10-24

潘愛娟（1991-），女，江蘇鹽城人，在讀碩士，主要研究方向：供應鏈管理、逆向物流、第三方物流。