基于AHP方法的制造企業數字化供應鏈成熟度評估

李 旻 陳曉榮 王紅斌

(上海交通大學 安泰經濟與管理學院，上海 200030)

人工智能、物聯網、大數據、云計算等新興數字技術的成熟和商業應用滲透，推動著全球數字經濟的發展。在日新月異的數字經濟環境中，企業的業務重心正從銷售產品和服務，轉移到如何提供更好的客戶體驗上。例如，提供更具個性化、高質量、創新的產品與服務，更快捷、更靈活的交付模式等。在多變的需求預測、柔性的供應能力、成本與風險控制能力等方面，企業供應鏈管理面臨著巨大的挑戰。

目前，很多制造企業已經將一些數字化技術引入了生產制造環節，例如機器人與3D打印技術、RFID射頻識別技術等。但是，這種提高生產效率的方式仍停留在單個企業內部而不是整條供應鏈，僅僅依靠孤立地提高單個過程的效率并不能實現企業對于市場需求的敏捷響應，因為這還關系到上下游合作伙伴的數字化水平，以及企業與上下游之間的信息交互程度。因此，學術界和產業界都意識到，數字化供應鏈將是今后制造企業發展的必然趨勢。根據MHI新一代供應鏈2017年度調研報告,80%的企業受訪者認為數字化供應鏈在接下來的五年中將成為主導模式。Stan Aronow etc.指出新興數字化商業化模式是影響供應鏈發展的一個趨勢，實現制造工廠與其他供應鏈職能、上游供應商以及客戶端的數字同步化，將使企業價值倍增。

數字化供應鏈相比于傳統供應鏈，核心就在于數據的收集與使用。工業4.0時代，工業價值鏈從以往的生產端向消費端、從上游向下游推動的模式轉變為從用戶端的價值需求出發提供定制化的產品和服務。而洞察用戶需求、為用戶提供定制化的產品和服務并且能夠實現靈活快速的交付都離不開對數據的分析和挖掘。

針對數字化供應鏈的具體范疇，一些研究將其認定為“數字化技術”+“供應鏈各流程模塊”。例如，2018年羅戈研究院及京東物流聯合發布的數字化供應鏈綜合研究報告認為數字化供應鏈是以客戶為中心的平臺模型，通過多渠道實時獲取，并最大化利用數據，實現需求刺激、匹配、感知與管理，以提升企業業績，并最大限度降低風險，并將數字化供應鏈框架劃分為數字化計劃、數字化采購、數字化生產及數字化物流。本文認為，數字化供應鏈是由客戶需求驅動的供應鏈平臺，通過數字化、信息化的手段實時獲取供應鏈各環節(計劃、采購、生產、物流等)業務數據，對數據進行深入分析，產生支持供應鏈管理和決策的洞見，以提升企業運營績效和最大限度降低供應鏈風險。

數字化水平的提升可以提高企業供應鏈各個環節的運營效率，甚至創造出新的商業模式和新的形式，這對于轉變目前我國制造企業處于全球價值鏈中低端的格局、實現產業升級具有重要意義。要想實現供應鏈的數字化，企業必須找到一條適合自身發展的數字化轉型之路。但是，通過對國內多家企業中高層運營管理者的調研發現，大多數企業對數字化供應鏈轉型的整體概念、自身供應鏈的數字化水平以及發展方向尚比較模糊。因此，本研究旨在構建一套簡明、實用的制造企業數字化供應鏈成熟度評估模型，以幫助制造企業評估其數字化供應鏈的實施水平，了解自身數字化供應鏈建設中的不足，并為企業進一步規劃數字化供應鏈的實施路徑提供有價值的參考。

1 制造企業數字化供應鏈成熟度評估模型指標體系構建

1.1 評估模型指標體系

本研究提出制造企業數字化供應鏈成熟度評估模型指標體系，共包括3個一級指標，8個二級指標及27個三級指標，如表1所示。

表1 制造企業數字化供應鏈成熟度評估模型指標體系

1.2 具體指標來源及解釋

1.2.1數字化供應鏈實施的戰略和組織支持

數字化供應鏈實施的戰略和組織支持指標A可以細化為數字化供應鏈戰略A1和組織支持A2兩個二級指標。其中，數字化供應鏈戰略指標A1又可細分為數字化供應鏈戰略制定A11和數字化供應鏈戰略匹配A12兩個三級指標。數字化供應鏈戰略制定指標A11反映了企業數字化供應鏈戰略的推進程度。實踐中，有些企業尚未啟動數字化供應鏈項目；或是僅啟動了短期(一年以下)的數字化供應鏈項目，尚未形成中長期的企業數字化供應鏈戰略；或是制定了中長期(一年以上)的數字化供應鏈戰略，在阻力中不斷推進；或是制定了中長期的數字化供應鏈戰略，而且數字化供應鏈戰略的實施已經獲得了成功。數字化供應鏈戰略匹配指標A12反映了企業數字化供應鏈實踐與供應鏈運營實際需求的匹配程度。實踐中，有些企業沒有基于內外部調研對數字化供應鏈的實施進行規劃，數字化供應鏈實踐與供應鏈運營實際需求的匹配度很低；有些企業則通過一定范圍的內外部調研，制定了數字化供應鏈路線圖，數字化實踐與供應鏈運營需求有一定程度的匹配；有些企業通過充分的內外部調研，制定了清晰的數字化供應鏈路線圖，數字化實踐與供應鏈運營需求非常匹配。

組織支持指標A2細分為企業文化A21、高層支持A22、組織架構支持A23、人力資源儲備A24、供應鏈各環節合作意愿A25、IT基礎設施A26及投資水平A27七個三級指標。企業文化指標A21用以反映企業文化的類型是守舊型(認為嘗試新技術只是浪費錢，毫無意義)、穩妥型(更偏愛沿用傳統的規則方法，但會嘗試一些發展相對成熟的新興技術)，還是開拓型(勇于嘗試新技術)，或是介于其間。高層支持指標A22反映了企業數字化供應鏈實踐得到企業高層領導支持的程度。實踐中，有些企業高層基本不關注企業數字化供應鏈實踐的進展；或者給予一定的支持，但比較有限；或者非常支持企業數字化供應鏈實踐，定期召開會議交流關鍵問題，協調解決實施進程中遇到的困難。組織架構支持指標A23反映企業組織架構(例如成立跨部門供應鏈流程管理和優化的團隊或項目等)與數字化供應鏈實踐的匹配程度。人力資源儲備指標A24反映了企業中具有數字化系統開發經驗或熟悉數字化工具使用的員工比例，以及為應對數字化供應鏈項目推進或戰略實施，企業對員工進行宣傳動員、技術培訓、有效溝通和跨職能協調工作開展程度等。供應鏈各環節合作意愿指標A25反映了企業內部各部門、供應商和外部客戶在數字化供應鏈項目推進過程中的協作意愿。IT基礎設施指標A26反映了企業目前IT基礎設施建設對其數字化供應鏈實施的支持程度。有些企業IT基礎設施建設比較差，直接導致了數字化技術完全無法應用，數字化供應鏈項目無法開展；或者處于行業普通水平，為數字化供應鏈實施提供的支持比較有限；或者十分完善，滿足了數字化供應鏈實施所需的硬件、軟件要求。投資水平指標A27反映了至今企業在數字化供應鏈實踐方面的投資水平和投資回報率。

1.2.2數字化技術與平臺應用

新興數字化技術包括虛擬現實、無人駕駛、機器人、大數據分析、機器學習以及3D打印等，應用何種技術以及如何有效應用這些技術是企業把握數字化機遇時無法避免的問題和挑戰。本研究參考了德勤公司發布的2018年數字化技術調研報告以及高德納(Gartner)對未來戰略技術趨勢的預測，選取了目前主流的11種數字化技術和5種數字化平臺，評估這些技術以及平臺在企業數字化供應鏈構建中的應用。

本文將數字化技術與平臺應用指標B細化為兩個二級指標：數字化技術應用B1和數字化平臺應用B2。數字化技術應用指標B1評估了企業數字化供應鏈實踐中是否應用了云計算和存儲、人工智能、物聯網、大數據分析、機器人和自動化、傳感器和自動識別、可穿戴設備和移動技術、3D打印技術、無人駕駛車輛/無人機、增強現實/虛擬現實和區塊鏈技術。數字化平臺應用指標B2評估了企業數字化供應鏈實踐中是否應用了ERP企業資源計劃系統、EDI電子數據交換系統、PDM產品數據管理、MES制造企業生產過程執行系統以及數字化采購平臺。對于上述每種數字化技術和平臺應用，評估問卷中都給出了相應的應用場景，便于企業進行自評。

1.2.3數字化供應鏈實施效果

本文將數字化供應鏈實施效果指標C細化為數據收集與處理C1、供應鏈互聯與自動化C2、供應鏈可視化與實時監控C3及供應鏈的優化舉措C4四個二級指標。

數據收集與處理指標C1下設三個三級指標：數據收集的全面性C11，用以評估企業是否收集存儲了供應鏈全環節的數據；數據收集的實時性C12，用以評估企業是否能夠實時收集供應鏈各環節的數據；數據處理能力C13，用以評估企業供應鏈數據分析能力對提升常規供應鏈管理水平和風險管控的支持程度。

供應鏈互聯與自動化指標C2下設四個三級指標：端到端互聯C21，用以評估企業整條供應鏈端到端的互聯程度；制造過程互聯與自動化C22，用以評估企業制造過程中設備互聯和自動化控制水平；倉儲自動化C23，用以評估企業倉儲管理的自動化水平；采購自動化C24，用以評估企業采購工作的自動化水平。

供應鏈可視化與實時監控指標C3下設四個三級指標：生產可視化與實時監控C31，用以評估企業是否通過數字化技術手段實時收集所有相關數據信息(如設備運行狀況、產品質量參數、外界環境信息等)，實現對生產全流程的可視化監控；質量問題追溯C32，用以評估企業在產品質量出現問題時，能否通過數字化技術手段及時追溯到供應商、生產車間、制造設備、零件批次等，以便及時找到問題根源；庫存可視化與實時監控C33，用以評估企業對供應鏈各環節中庫存情況進行實時監控的程度；運輸可視化與實時監控C34，用以評估供應商供貨及產品運輸過程中的運輸狀態可視化和實時監控的程度。

供應鏈的優化舉措指標C4下設七個三級指標：結構配置規劃C41，用以評估企業是否對整個供應鏈進行了科學合理的結構配置規劃(例如節點布局、運輸線路設計、容量配置等)；實時動態優化C42，用以評估企業是否能夠利用數字化技術手段對整個供應鏈中的物料、產品的流動實現實時動態優化；生產排產優化C43，用以評估企業能否根據客戶需求變化實現生產排產優化；設備預測性維護C44，用以評估企業能否基于收集到的設備運營數據實現設備的預測性維護；配送效率優化C45，用以評估企業是否應用運輸路徑規劃算法以實現配送效率優化；倉儲布局優化C46，用以評估為了提高坪效或出入庫效率，企業是否采用優化算法對倉儲物品擺放位置進行優化；采購決策優化C47，用以評估為了降低采購成本和提高采購效率，企業是否應用了預測模型/算法來實現更智能的采購決策。

2 基于AHP方法的制造企業數字化供應鏈成熟度評估模型

本研究提出基于AHP方法的制造企業數字化供應鏈成熟度評估模型。AHP方法的基本思想是通過構建有序的評估指標層次結構，并將各層指標進行兩兩比較判斷其重要性，從而評估各指標重要性的總順序，得到權重分。相比于專家咨詢法這類主觀賦權手段，AHP方法能夠大幅提高評估結果的可靠性與有效性。

2.1 AHP方法的具體步驟

(1)構造層次結構模型。通過梳理指標間的相互關系，可以將各等級指標劃分成目標層、準則層，得到如圖1所示的層次結構模型。

圖1 數字化供應鏈成熟度評估層次結構模型

(2)構建判斷矩陣。依照1—9標度法，以上一層指標Xk為準則，請專家評判Xk下屬層級兩兩指標間的相對重要程度fij，即指標xki相對于指標xkj的重要性，重要性等級對應的分值見表2。對指標Xk可以獲得一個判斷矩陣F=(fij)l*l,其中1≤i≤l，1≤j≤l,l為指標Xk下屬層級指標個數。

表2 1—9標度意義表

(3)一致性檢驗。由于僅靠專家判斷可能會產生一定偏差，需要對判斷矩陣進行一致性檢驗。當一致性指標C.R.<0.1時，認為該判斷矩陣的一致性可以接受，當C.R.≥0.1時，則不符合要求。一致性指標C.R.的計算公式如下：

(1)

其中：

(2)

λmax為矩陣F的最大特征值。

而R.I.值與矩陣階數有關，可通過查閱表3得到。

表3 平均隨機一致性指標R.I.

(4)獲得指標權重。計算矩陣F的最大特征值λmax對應的單位特征向量W，即FW=λmaxW，且|W|=1，則W=[ω1,ω2,…,ωl]T即為本層級指標xk1,xk2,…,xkl對其隸屬上一層級Xk的對應權重。

2.2 指標權重確定

本研究邀請了五位制造企業中高層運營管理專家對指標的相對重要性進行評判，通過一致性檢驗后確定的各指標權重見表4。

表4 制造企業數字化供應鏈成熟度指標權重表

由表4可以看出，指標權重可以反映出專家們達成的一些共識。例如，在一級指標中，數字化供應鏈實施效果C的權重最高，權重占比達到46%，相比其他一級指標該指標最能表征現階段供應鏈的數字化成熟度。在其對應的二級指標中，數據收集和處理C1的權重最高，因為數據的收集和處理能力是數字化供應鏈的核心，是實現自動化、可視化及優化舉措的基礎。在其對應的三級指標中數據收集的全面性C11是進行數據處理的基礎，權重分值最高。在一級指標中，數字化供應鏈實施的戰略和組織支持A的重要性僅次于指標C，權重占比達到39%。這是因為有效的數字化供應鏈戰略A1和足夠的組織支持A2是數字化供應鏈實施成功的前提條件。值得注意的是，高層支持A22和投資水平A27在組織支持A2下屬的三級指標中重要程度最高。由于數字化供應鏈涉及上下游企業以及企業內部不同組織的協同，如果缺乏高層支持與大量資金投入，就難以確保數字化供應鏈項目的推進。此外，專家們似乎并不認為數字化技術與平臺應用B的水平對于企業的數字化供應鏈成熟度有較大貢獻。新興數字化技術應用的確會帶來一定的效果，但并不是決定因素，且企業能否最大限度地發揮新技術的優勢，也是現階段管理者面對的一個問題。此外，相比于單個數字化技術應用B1，專家們認為數字化平臺的應用B2更有助于數字化供應鏈的建設。

2.3 綜合評估計算方法

假設有某制造企業，其一級指標A的三級指標得分分別為aij(i=1,2，…,m;j=1,2,…,n)。m為二級指標個數，n為三級指標個數。已知權重為ωij(i=1,2，…,m;j=1,2,…,n),則二級指標得分為

(3)

指標A的得分為

(4)

同理，可以計算出指標B、C的得分。則該制造企業數字化供應鏈成熟度最終得分為

M=A+B+C

(5)

3 實證分析

根據上文提出的評估模型設計了一份調查問卷，為確保問卷可以準確衡量企業數字化供應鏈的實施水平，針對各個三級指標分別設立了評估問題。針對每一個問題，被試都需要根據描述從五個選項中選出最符合企業現狀的選項，從而獲得該指標的得分(0～4分)。表5給出了一個評估問題示例。

表5 制造企業數字化供應鏈評估問卷示例

為了確保調查問卷的文字便于理解，不會產生歧義，多位被試被邀請參與了預調研。根據預調研的反饋結果，對調查問卷進行了進一步的修改，隨后將最終調查問卷發放給國內制造企業中高層運營管理人員。根據收到的107家制造企業的反饋數據，計算出各家企業的數字化供應鏈成熟度得分，并依照得分結果將企業分成四個等級：[3,4]為優，[2,3)為良好，[1,2)為中，[0,1)為差。

根據統計結果發現，計算機、通信及其他電子設備行業在數字化供應鏈上表現最佳，10%的受訪企業數字化供應鏈成熟度得分達到優秀，65%的評價等級為良好。其次是汽車及其零部件制造行業,近40%的受訪企業數字化供應鏈成熟度等級為良好及以上，具體評估結果見表6。此外，一些大型快速消費品企業在此次調查中也有不錯的表現，評價等級基本達到良好，但由于樣本量較少，未單獨列出。本次調查結果與一些權威咨詢機構發布的調查結果基本吻合，如2018年全球數字化運營調研和《埃森哲中國企業數字轉型指數報告》中都提到電子行業和汽車行業的企業具備相對較高的數字化運營水平，而大型快速消費品企業如寶潔、聯合利華等，一直擁有較為成熟的供應鏈管理體系。

表6 各行業制造企業數字化供應鏈成熟度評估結果

針對不同數字化供應鏈成熟度等級的制造企業，圖2展示了其各個二級指標的平均得分情況。從雷達圖可以看出，除數字化技術應用B1與數字化平臺應用B2兩個指標以外，不同成熟度等級之間各項指標的差距基本分布均勻。大部分制造企業還未能很好地將新興數字化技術與平臺應用到自身的供應鏈管理流程中去，即使是總體表現優秀的企業也是如此。對于成熟度等級為優和良好的制造企業來說，數字化供應鏈戰略A1、組織支持A2及數據收集與處理C1是二級指標中評分最高的三個指標，且明顯高于其他指標，說明這些企業已經開展或試圖開展數字化供應鏈工作并具有一定的實施基礎。而成熟度等級為中和差的企業在數字化供應鏈戰略A1這一項得分相對較低，這些企業在數字化供應鏈實施工作中需要提高自身數字化供應鏈意識，制定合理的戰略規劃。

圖2 不同數字化供應鏈成熟度等級企業的二級指標分值比較

在受訪企業中，企業S的數字化供應鏈成熟度評分最高，綜合評估為3.47分。企業S是全球領先的網絡設備供應商，也是最早進行數字化轉型的制造企業之一，在Gartner等供應鏈知名榜單中多次名列前茅。一直以來，企業S都非常注重其IT基礎架構的建設，甚至成立了專屬機構進行數字化轉型的研究。圖3是企業S二級指標得分的雷達分布圖，可以看到企業S的確擁有極為清晰的數字化戰略并將其付諸于實踐，在數字化供應鏈戰略A1指標上拿到滿分，且在供應鏈互聯與自動化C2、供應鏈可視化與實時監控C3及供應鏈的優化舉措C4三個指標的表現要明顯好于圖1中等級為優的其他企業。在數字化技術與平臺應用指標B上，企業S得分雖然不高，但也處在行業內中上水平，目前已經將云計算、虛擬現實等技術用于產品的協同研發，在生產及物流運輸中使用物聯網、大數據分析技術來提高運營效率。

圖3 S企業二級指標分值

4 結論

本文通過廣泛的調研，并結合過往學術界和產業界的研究經驗，構建了制造企業數字化供應鏈成熟度評估模型，并將其用于國內制造企業數字化供應鏈成熟度的評估。實證結果表明，本研究提出的數字化供應鏈成熟度評估模型具有科學性和規范性，達到了良好的評估效果。中國制造企業可以依據這一數字化供應鏈成熟度評估模型，評估自身數字化供應鏈的實施水平，從而進一步有效地規劃數字化供應鏈的實施路徑。