基于AHP-TOPSIS算法的整車零部件供應商的優化決策

趙濤,劉琳

(中汽數據(天津)有限公司，天津 300300)

0 引言

21世紀后經濟全球化發展進程開始逐步加快，隨之而來的是傳統產業結構的轉型，全球制造業在其影響下進入新的發展階段。同時，創新技術的地位逐步得到了制造業的重視，隨著應用范圍的擴大，在世界范圍內受到許多國家的關注，甚至被納入國家發展戰略規劃當中。對于工業發達國家來說，智能制造作為創新技術的重點，對制造業起到引領發展趨勢的作用。歐盟作為世界經濟的重要組織，為了積極促進制造業與科技創新的融合，加大了各方面的投入力度，如人才和資金等；德國作為制造業大國，為推進工業的進一步發展,在2013年推出《德國工業 4.0 戰略》和《高技術戰略 2020》，引領了世界工業發展方向，同時，積極倡導工業4.0的思想，為德國制造業的變革提供了思想基礎；與此同時，美國在加速制造業發展的過程中，率先提出“先進制造業伙伴計劃”，并以此為基礎，針對制造業頒布一系列法案，如《先進制造業國家戰略計劃》等，在大力發展工業的過程中，充分利用互聯網的優勢，希望在傳統制造業中融入互聯網技術，目的是加速制造業的轉型，最終實現“工業互聯網”的目標；英國作為歐洲大國，針對制造業的發展方向發布《未來的制造》，并在國內建立多個“高價值制造推動研發中心”，加速了發展目標的實現；日本的側重點與其他國家不同，將發展重點放在人工智能和3D技術上，開啟了“機器人革命”的新篇章；法國結合自身發展現狀，致力于打造具有新型工業，這次改革代表了法國第四次工業革命的開始，也是國家的重要發展戰略；我國將智能制造作為工業發展的方向，充分利用互聯網技術，并提出《智能制造發展規劃》和《中國制造2025》。

本文作者在研究的過程中，一方面依托國內外汽車產業智能制造和企業供應商選擇等領域的相關研究成果；另一方面深入調研智能制造，并圍繞汽車生產企業的實際表現，對其特征進行總結，以這兩方面的研究為基礎，針對汽車生產企業供應商選擇問題，建立能夠滿足智能制造要求的評價指標體系，其中，評價指標權重需要依靠層次分析法來獲得，并在選擇供應商環節中使用AHP-TOPSIS 評價方法進行決策的優化，保證決策的準確性，為了驗證模型的應用效果，選取國內某新能源汽車生產企業進行現場的驗證。

1 汽車智能制造

所謂的“智能制造”是一種涵蓋生產、設計及管理等所有產業鏈的生產制造方式，但不同的是，它在供應鏈的所有環節融入了信息技術，如云計算、人工智能及大數據等，與其他制造方式相比，不僅技術先進，而且制造的規模較大，實現了生產與智能技術的融合。除此之外，能夠根據社會發展趨勢而不斷地進行自我改進和完善，具備獨立處理問題的能力，使所有的生產環節形成一個整體，通過智能化進行協調和控制。

智能制造是汽車產業鏈轉型的方向，轉型成功對于汽車產業的發展有著多方面的影響，對于整車和零部件企業來說，智能化的實現能夠從根本上降低其運營成本，機械化制造能夠極大地提升產品的質量和生產效率。趙霞通過對汽車智能制造的分析，總結出智能主要體現在4個方面，除了產品和生產智能之外，還包括基礎和模式的智能，只有充分地將智能化融入這些環節當中，建立專門的產業群，才能實現汽車產業的全面智能化。劉宗巍等[1]認為智能汽車和制造是實現汽車智能制造重點面臨的領域，也是改革工作開展的重要場所，同時，產業鏈條間的互聯與協作在汽車智能制造實現的過程中起到決定性作用。陳雪峰[2]認為建設智能工廠是實現智能汽車制造的必備條件，這要求企業保證生產環節中信息化和智能化的全面應用，同時，還要促進信息共享的實施，確保各環節獲得信息的實時性和準確性；不同的汽車制造領域應用的技術也就不同，例如，機器人工藝在汽車整車制造領域得到普遍應用；而智能機床和信息化設備等技術被廣泛應用于汽車零部件制造領域。周福禮等[3]通過對汽車智能制造的深入研究，認為智能戰略和工藝是主要切入點，對應的實際表現也就不同，其中，智能工廠、開發物聯網技術等都屬于智能戰略的范疇；而智能工藝則涉及智能焊接、智能涂裝等。

2 供應商評價理論

對供應商實施評價的目的在于對其實際能力進行全面地了解和評估，評估的內容涉及產品、服務及技術等多個方面，進而分析其供應商的能力，這也是核心企業選擇供應商的依據[4]。對于汽車供應鏈來說，供應商是組成供應鏈的基礎，其能力和水平會直接影響到下游企業，因而具有重要的地位。

企業在開展選定供應商工作之前，應當進行比較全面的前期調查工作，而后根據初選結果對入選的供應商做進一步調查，調查要全面、具體，在這一過程中需要用到各種評價方法或模型，保證審核結果的準確性，最終與符合企業要求和發展方向的供應商進行合作。

在供應鏈的生產過程當中，供應商的質量對生產水平起到決定性的作用。因此，需要對供應商選擇環節進行規范，保證其科學性和準確性。常用的方式除了定性和定量兩種方式之外，還包括二者相結合。

2.1 定性方法

(1)直觀判斷法。是一種能夠對供應商展開綜合分析的一種方法，主要的分析方式為調查和查詢。其優勢在于簡單易操作，節省了操作的時間，劣勢是極易受到人為因素的影響，缺乏一定的科學性，對于非關鍵零部件供應商的選擇比較適用，針對選擇關鍵零部件的供應商應當選擇其他有效的方法。

(2)招標法。這種方式在供應商數量較多，且采購數量和規模較大的情況下適用。根據供應商各方面條件和能力進行初步的篩選。但這種方式存在一定的缺陷，不僅主觀性較強，而且招標環節較多，延長了整體進程，面對緊急采購情況不適用。

(3)協商選擇法。此方法是將所有滿足生產條件的供應商匯集到一起，采用對比的方式選取出對企業最為有利的供應商，并與之進行協商，選擇能夠促進企業發展，且與企業發展目標相一致的供應商建立合作關系。

2.2 定量方法

(1)采購成本法。它所指的是企業對供應商在進行相關產品提供時的交貨率與品質予以優先考慮的前提條件之下，再對采購成本(也就是涵蓋了銷售、運輸以及采購等一系列費用的綜合性成本)進行考慮，如果某一個供應商給出相對比較低的綜合采購成本，則企業將會更加傾向選其作為自身的合作伙伴。這一個方法在單項目問題的解決上有良好的適用性。

(2)線性權重法。該法主要是將權重分配到各個評價指標上，由此將其重要性確定下來；通過供應商來評出有關評價指標的相應分值，再將其乘以對應的權重，由此得到最終的結果，如果該結果具有最高的分值，則企業將會認定這一供應商為最理想的。此法在單資源問題上具有良好的適用性，然而不足之處為受直觀因素的影響顯著，同時，該法的實用價值也不夠。

(3)DEA 分析法。它也就是所謂的數據包絡分析方法，屬于一類數理分析法，主要是以管理學及運籌學的理論作為基礎來評價樣本的基本數據，對備選方案所具備的實際投入產出比進行客觀地衡量，從而判斷它的有效性[5]。在分析研究多輸入(出)的同類型供應商效率問題上，它有良好的適用性，然而它僅可針對有效單元進行分類。

2.3 定性與定量相結合的方法

(1)AHP分析法。它就是所謂的層次分析方法，通常是通過比較少的定量指標來進行決策。在多目標、多準則等相關問題的研究上具有良好的適用性，其誤差較小、可靠性高，然而不足之處是需要比較復雜的計算過程。

(2)模糊評價法。該法屬于一類綜合性的評價法，它有效地轉化定性指標，從而得到相應的定量指標。它可針對有關的評價結果來開展優劣性的排序，然而需要涉及比較多的指標，在權重的確定上也較為復雜。

(3)TOPSIS法。它也就是所謂的逼近理想求解方法，主要針對當前的備選方案來開展最劣及最優供應商的綜合性排序，由此將最優供應商最終確定下來。這種方法的主觀性太強，同時在實際應用時逆序問題明顯。

由上述分析可知，目前已經發展了一系列的供應商評價方法，它們各具特色。在文中將會對這些方法進行綜合考慮及分析，由此提升所得結果的科學有效性。

3 基于AHP-TOPSIS的汽車生產企業供應商優選

3.1 基于層次分析法的評價指標權重確定

深入梳理相關問題，將總體的目標確定出來，同時進行層次化結構模型的有效構造，其中，該層次結構將會涉及下述不同的層次：其最底層、中間層以及最高層分別為措施層、準則層以及目標層，需要指出的是，處于上一層次的元素將會支配處于下一層次的元素。圖1詳細地描述了具體的層次結構圖。

圖1 層次結構分析模型

該結構體現出了不同指標間所存在的關聯性，在運用層次分析方法時，對從1—9的一系列數字和它們的倒數進行引用，由此用作其對應的標度方法，以使各指標對應的比重得以明確；此時，需對比處于同一個層次之中的相關評價指標，然后進行評分，針對所得的結果來獲得判斷矩陣。比如說，可在目標層A中以兩兩的方式來對比B1、B2及B3，由此獲得表1中的判斷矩陣。

表1 A-Bj判斷矩陣

判斷矩陣標度法定義及含義如表2 所示。

表2 判斷矩陣準則

出于將指標體系里不同的指標權重值合理地確定下來的目的，此處采用前文所提出的指標體系來作為參考依據，并將調查問卷發放到各專家手中，由后者進行評分并且匯總，然后將評價指標所對應的權重值確定下來。

采用AHP法進行計算，獲得汽車制造企業供應商在處于智能制造背景之下選擇相應的評價指標的權重值,如表3所示。

表3 汽車生產企業供應商選擇評價指標權重(部分)

3.2 逼近理想解評價方法

設評價多指標的方案為M=(M1,M2,…,Mm)指標集為C=(C1,C2,…,Cn)，方案Mi對指標Cj的值為zij，形成多目標決策矩陣為Z=(zij)m×n。

(1)

評價指標對判斷矩陣所具有的衡量標準起到決定性的作用，也就是說，它將會對如何評價判斷矩陣起到重要的影響，因此，有必要針對判斷矩陣開展相關的量綱一化處理。

當評價指標為正向指標時，標準化公式為：

(2)

當評價指標為負向指標時，標準化公式為：

(3)

由此，構建標準化決策矩陣V=(vij)m×n。

(4)

式中:vij是第i個方案的第j個指標的標準化值。

將經過量綱一化處理過的決策矩陣與權重相乘，能得到加權決策矩陣R=(rij)m×n。

rij=wjvij(i=1,2,…,m;j=1,2,…,n)

(5)

式中:wj是每個指標的權重值，由層次分析法確定。

(6)

(7)

利用Ci值來開展方案Mi的優劣性排序，如果得到較小的Ci值，就意味著Mi比較差；如果Ci值比較大，則意味著Mi和理想方案比較接近。

(8)

3.3 案例分析

文中參考W汽車生產制造公司相關調查數據信息，根據其實際情況采用方法進行考證。

2015年W汽車生產制造公司初始建立完成，現如今該公司已發展成為我國技術領先的創新型汽車制造企業，重點制造研發新能源汽車。2016年，W汽車制造公司單獨建立了用于新能源汽車研發的人工智能科技工業園區，該園區提倡以下幾點作為產品研發的重要思想：一是產品必須實現智慧和能力的結合；二是產品實現自動化生產；三是產品的研發要生成相關要求的質量保證體系。W 公司致力于成為新能源汽車生產研發企業中智能制造領域的行業領先者，必須做到以下幾點要求：(1)智能交通方面必須擁有完善的企業配套資源；(2)必須具備能夠整合國際領先技術水平的產品生產標準。

為了完成該研究，特聘請行業內資深技術員，參考相應的評價標準制度，針對W汽車生產研發企業的A、B、C三家供應商進行相關數據要求的評分，準確把握評價標準的各項最佳數值，再針對三家供應商的相關數據計算最佳數值的偏離程度，如表4所示。

表4 整車制造企業部分供應商的相對接近度

依據A、B、C三家供應商偏離最佳數值的程度，可以得到各項數據的相對接近度，根據這個數據大小能夠進行三家公司的優勝對比，結果發現：A公司相對接近度最高，其次是B公司，最后是C公司，說明A公司是最接近W企業的評價要求的供應商，B公司緊隨其后，C公司最差。

文中結合W公司的真實數據調查論證，針對其A、B、C三家供應商根據評價規則得出的結果進行研究剖析，證明依據研究成果對W企業供應商的評價結果與其最終的優選結果是相同的。

4 結論

現階段的工業化改革不僅促進國際產業構成的優化，還帶動了各個產業技術水平保持穩步提升的趨勢[6]。汽車生產制造行業相較其他制造行業是適應時代發展轉變提升發展的先驅者。在現階段工業化改革的影響下，開始轉向以下3個發展方面：(1)汽車生產結合了智慧與能力的提升；(2)生產技術信息化發展；(3)響應國家要求和號召，堅持較少的能源利用等[7]。汽車整個生產過程中，采購工作決定了汽車產業鏈的技術水準和競爭力，是最重要的業務領域之一。智能化生產有利于汽車企業的生產組織形式的優化。文中不僅參考智能化生產手段，還依據現階段汽車行業的特征，在能夠滿足時代的智能化發展要求下，為汽車企業提供供應商選評模型，并且以我國W汽車新能源企業實際情況為研究依據，為汽車研發企業選評供應商帶來參考價值。

文中的最終研究結果不僅能夠為汽車制造行業提供正面的指導意見，還幫助汽車企業明確了，在結合時代智能化的發展要求下，如何智慧優選供應商。文中的相關理論研究不僅能夠對國內汽車研發行業在供應鏈管理階段起到補充作用，還能為國內汽車開展人工智能與實際生產相結合提供參考根據。針對汽車企業選評供應商的全部階段進行了相關的調查分析，特殊情形下，企業可以對評選指標和辦法進行改進以滿足自身的發展需求。文中并沒有對汽車產業鏈中的所有過程進行調研分析，只特別研究了汽車研發環節中供應商的選評過程，應在以后的研究中對其他方面進行調研，以實現對汽車全生命周期的探索。