基于供應鏈金融視角與背景依存DEA-Copeland方法的供應商選擇*

□ 王亞東，孫樹壘，李 剛，張正勇

(1.南京財經大學 管理科學與工程學院，江蘇 南京 210023;2.博世汽車部件蘇州有限公司，江蘇 蘇州 215021)

20世紀80年代，供應鏈管理理念的興起使得采購商與供應商的關系發生變化，確定供應商不再僅以低價優質作為主要標準，而是建立了一套嚴格的標準選擇一個或者少量供應商進行長期合作。供應商選擇已經從單純的獲取某種資源發展到謀求供需雙方的長期伙伴關系[1]。建立長期合作伙伴關系的需要使得采購商選擇供應商的范圍變小，因此單一供應商可能成為供應鏈上至關重要的環節。供應鏈中多數供應商為中小型企業，而中小企業風險承受能力較弱，應對突發事件造成的沖擊能力較差。受新冠肺炎疫情影響，僅有9.27%的中小企業賬上現金余額能維持生存6個月以上[2]。越發嚴酷的市場環境表明，企業與企業之間的競爭是供應鏈與供應鏈間的競爭，而供應商選擇是企業供應鏈管理的關鍵。成功選擇供應商，與供應商進行協作，是對采購商能力的一種支持，并產生雙贏的效果，從而提高整個供應鏈的效率[3]。

以往供應商選擇評價指標集中在產品的質量、價格、交付和售后服務上，較少考慮供應商的財務狀況。企業的財務狀況直接影響到企業生產運營活動，供應商不良的財務狀況帶來的風險可能對采購商生產運轉產生極其不利的影響。在準時交貨、供應連續性越發重要的背景下，將供應鏈金融指標納入供應商選擇評價體系變得尤為重要。供應商評價與選擇的模型方法眾多，數據包絡分析(Data Envelopment Analysis,DEA)是常見方法之一，DEA是根據多項投入指標和多項產出指標，利用線性規劃對具有可比性的同類型單元進行相對有效性評價的一種方法[4]。傳統DEA模型無法區別有效決策單元，Seiford和Zhu提出背景依存DEA，將效率較低的決策單元作為評價背景，計算出效率較高決策單元相對于效率值較低單元的吸引值，從而對有效決策單元進一步排序；同樣地，將效率高的決策單元作為背景，計算出效率較低決策單元相對于該背景的欠缺度，進一步對效率較低的決策單元作更準確的區分[5]。本文從供應鏈金融視角出發，利用背景依存DEA方法對供應商進行評價與選擇。第一部分梳理有關供應商評價指標體系相關文獻，然后基于文獻整理分析構建基于供應鏈金融視角的供應商選擇評價指標體系；第二部分介紹背景依存DEA和Copeland方法；第三部分基于博世汽車部件蘇州公司的實際數據，驗證方法的可行性；第四部分總結全文。

1 供應鏈金融視角下的供應商選擇指標體系

供應商評價與選擇是多目標決策問題。在選擇供應商時追求的目標并非僅有一個，而是從多個方面考核供應商，如產品價格、質量、交貨的穩定性與及時性等。關于供應商選擇評價指標的研究最早可追溯到美國學者Dickson G.W.[6]。他在1966年對273名代理商和管理人員進行訪問調查后，總結出23條供應商選擇指標并根據重要性進行排序，其中質量、交貨和歷史業績是供應商選擇時最重要的3個指標。1991年Weber等檢索了1966-1991年發表的關于供應商選擇與評價方面的74篇重要文獻[7]，2003年Zhang等回顧了1992-2003年的49篇有關文獻[8]。通過統計分析后發現，隨著時代的變遷，Dickson提出的供應商選擇指標的排序和權重因市場經營環境因素發生了一些變化，質量、價格、交貨期、生產設備與產能、技術等仍然是供應商選擇的重要評價因素，但企業財務狀況的權重則從Weber等研究中的9%上升到Zhang等研究中的29%[9]。

文中查找到篇名中含有“供應商選擇(supplier selection)”的文獻共計218篇。通過篩選對包含供應商選擇準則或指標的83篇文獻進行統計分析，統計結果如表1所示。

表1 供應商選擇指標

83篇文獻中有41篇供應商選擇準則中包含財務指標，而Weber統計的74篇文獻中僅有7篇含有財務指標，進行雙樣本比率檢驗，本文文獻計量財務指標出現概率顯著(顯著性水平0.05)高于Weber的文獻計量統計。本次文獻計量財務指標的統計量雖低于袁宇所做的2000-2012年的文獻計量中的財務指標數量，但是雙樣本比率檢驗顯示該差異并不顯著(顯著性水平0.05)[10]。由此可見，供應商財務狀況越來越受到采購商的重視。

過往研究企業財務狀況多僅考慮供應商自身的財務狀況，王學良和金偉等將財務指標作為公司實力的體現[11-12]；韋慧認為財務狀況是冷鏈供應商的顯性競爭力，作為大多數客戶選擇冷鏈物流供應鏈供應商時首要考慮的維度[13]；裴艷紅認為供應商的財務狀態直接影響到產品交付和性能，供應商若出現財務問題就會影響供給，甚至出現嚴重的供貨危機[14]。從供應鏈角度，僅考察供應商自身的財務狀況是不全面的，還應關注涉及供應商的整個供應鏈的金融狀況，如銀行的授信金額、有無第三方金融支持、上游企業的財務狀況。鑒于財務金融指標在供應商選擇準則中愈發重要，本文基于供應鏈金融視角提出了供應商選擇指標體系，如表2。

表2 供應商選擇評價指標體系

2 背景依存DEA-Copeland方法

2.1 DEA效率評價

將n家待選擇的供應商視作n個決策單元(Decision Making Units，DMU)，以DMUj(j=1,2,…,n)表示。評價指標區分為m個輸入型指標和s個輸出型指標。n個決策單元j(j=1,2,…,n)的輸入型指標評價值可表示為Xj=(x1j,x2j,…,xmj)，輸出型指標評價值可表示為Yj=(y1j,y2j,…,ysj)。

DEA方法的經典模型為C2R模型，分為Input-C2R模型與Output-C2R模型：

其中，ω為對應輸入型指標的m維權重向量，μ為對應輸出型指標的s維權重向量；Xb和Yb分別為決策單元b(b∈{j=1,2,…,n})的輸入型指標評價值和輸出型指標評價值。

如果μTY0=ωTX0=1，則稱決策單元b為弱DEA有效；如果μTY0=ωTX0=1，并且ω>0，μ>0，則稱決策單元b為DEA有效。

為了更容易區分決策單元的有效性與弱有效性，往往使用C2R模型的對偶問題求解。Input-C2R模型與Output-C2R模型的對偶問題分別為：

2.2 背景依存DEA方法

背景依存DEA方法首先進行決策單元的分層(即分類)，然后計算不同層中每個決策單元相對于較低層的吸引力與相對于較高層的欠缺度。吸引力與欠缺度為區分、評價和選擇不同的決策單元提供了依據。

①分層。

分層的基本思想是：首先，對給定的所有決策單元用C2R模型(使用Input-C2R模型、Output-C2R模型、Input-Dual模型或Output-Dual模型；本文使用Input-Dual模型，故以下討論沿用Input-Dual模型的表示符號)計算得到DEA有效決策單元。若以J1={DMUj,j=1,2,…,n}表示n個決策單元的集合，那么這些DEA有效決策單元構成的集合可以表示為E1={DMUb∈J1|θ*(b)=1}，非DEA有效決策單元構成的集合為J2=J1-E1。然后，將J2作為考察對象，再次應用C2R模型計算得到DEA有效決策單元。類似的，DEA有效決策單元構成的集合表示為E2={DMUb∈J2|θ*(b)=1}，非DEA有效決策單元構成的集合為J3=J2-E2。將此工作進行下去，直到沒有決策單元剩下。

若依次得到的DEA有效決策單元集合為El(l=1,2,…,L)，意味著n個決策單元被分成了L類，即L層，并且規定先得到的層的級別高于后得到的層的級別。若有k,l∈{1,2,…,L}，且k

②吸引力。

所謂吸引力是以級別較低的層El作為評價背景，以級別較高的層Ek中的決策單元b作為評價對象，使用C2R模型計算得出的效率值A*(b,k,l)，表示為如下的Attractiveness模型：

其中，DMUb∈Ek，且k

A*(b,k,l)越大，DMUb越有吸引力。Ek層中的決策單元可以依據各自的吸引力大小進行排序，從而找出它們當中最好的那一個。吸引力為同一層中的決策單元的的進一步區分提供了方法。

③欠缺度。

所謂欠缺度是指以級別較高的層Ek作為評價背景，以級別較低的層El中的決策單元b作為評價對象，使用C2R模型計算得出的效率值的倒數P*(b,l,k)，表示為如下的Progress模型：

其中，DMUb∈El，且l>k。Progress模型與Input-Dual模型的不同之處在于評價對象來自El層的某個決策單元DMUb，而評價背景為Ek層的所有決策單元。定義d=l-k，則稱P*(b,l,k)為決策單元DMUb的d級欠缺度。

P*(b,l,k)越大，DMUb的欠缺度越大。El層中的決策單元可以依據各自的欠缺度大小進行排序，從而找出它們當中最好的那一個。欠缺度為同一層中的決策單元的的進一步區分提供了另一種途徑。吸引力度量了同一層中決策單元的優勢大小，而欠缺度度量了同一層中決策單元的不足程度。

2.3 統計檢驗

計算出決策單元在自身所在層的超效率后，可以在不同的背景層，按照決策單元的效率值給出決策單元排序，L層得到L種排序。為利用不同背景層下的供應商排序進行供應商選擇，我們首先面臨兩個問題：不同分層之間的排序是否存在一致性，決策單元之間是否存在顯著差異。為解決上述兩個問題，本文選用方差分析(ANOVA)來檢驗。

首先檢驗不同分層之間排序是否具有一致性，將背景記作L，假設其有r層，記作L1,L2,L3,…,Lr。n個決策單元視作n個處理。在每個背景下考察的決策單元可以看作一個整體，每個背景Li下的總體都獲得n個實驗結果。假定：

①每個水平下Li的總體均為正態分布，記作yi～N(ui·σ2),i=1,2,3,…,r。

②各總體的方差相同。

③從每一總體中抽樣的樣本是相互獨立。

提出以下假設：

H0：u1=u2=…=ur

如果H0成立，即背景層L的r個層之間的排序沒有顯著差異；反之，背景層L的r個層之間的排序有顯著差異。

其中，MSi表示均方和，fi表示離差平方和。

將上式作為H0的統計量。對于給定的顯著性水平α，若F>Fα(r-1,n-r)，則否定H0，反之，則接受H0。同理也可以檢驗決策單元之間是否存在差異。

2.4 Copeland計分排序法

Copeland積分排序法是一種非參數排序方法，在計算“優”次數的同時還要計算“劣”的次數[15]。假設yij為決策單元xi在第Li層中的排序值，首先比較每層決策單元的得分Cij，若xi>yj，表明決策單元i優于j，賦值為1；若xi

3 案例應用

3.1 博世(BOSCH)蘇州公司供應商管理

作為世界級的汽車零部件公司，截至2019年年底，博世在全球擁有超過40萬名員工，銷售額達777億歐元。博世業務劃分為四個領域：汽車與智能交通技術、工業技術、消費品以及能源與建筑技術領域。在中國，博世汽車相關的生產基地已經超過23家，有超過6,580名研發人員。博世汽車部件(蘇州)有限公司(以下簡稱博世蘇州)是博世在中國的一家子公司，主要負責汽車部件及各個系統的生產與研發。

博世蘇州公司發展迅速，供應商的數量從最初的十幾家增加到現在的幾十家。但是供應商的廣泛管理和控制并無改善，供應商評估方法仍處于業務部門發展的初期，無法滿足現階段供應商管理的需求。經過分析發現博世蘇州公司主要面臨以下問題：一是博世蘇州公司以前只關注與供應商的交易關系，不關注供應商的經營狀況和環境評估水平。一旦供應商的經營狀況不穩定，有破產風險，將極大影響生產計劃與研發進度；二是評估方法不夠科學，按比例分配權重，由各部門對供應商進行打分，難以獲得供應商足夠的信息。

作為多標準決策問題，供應商選擇指標隨行業和市場環境動態變化，在解決具體問題時，每一個采購商都應該根據自己的戰略需求構建準則體系。前文我們構建了基于供應鏈金融視角的一般性指標，其提供了全方位的考量，針對博世蘇州公司所處行業和企業實際需求，我們選定以下6個指標構建供應商選擇與指標體系。

資質與管理(C1)：主要對供應商的長期戰略、合作意愿、社會責任、環保體系、職業安全與健康等相關資質與管理水平進行全面評估；相關數據由采購部門和質量部門負責采集。

價格與成本(C2)：主要對供應商的產品價格水平、價格波動性、成本控制、成本透明度等進行評價；相關數據由采購部門負責采集。

技術與設施(C3)：主要對供應商的生產技術、生產設施、測試設施、技術潛力等進行整體評估；相關數據由采購部門負責采集。

物流與交付(C4)：主要對供應商的物流質量、交貨可靠性、交付靈活性、交付中的溝通與合作等進行評價；相關數據由物流部門負責采集。

質量與服務(C5)：主要對供應商交付產品的合格率、投訴率、質量保證情況，以及供應商內部的廢品率、質量控制、流程標準化等進行全面考核；相關數據由質量部門進行采集。

財務違約(C6)：主要對供應商的現金流量、應收賬款、短期債務和長期債務、銀行信貸金額、上游供應企業財務狀等進行考察；相關數據由委托的第三方金融機構負責采集。

某時期內對博世蘇州公司的30家供應商按照以上6類指標進行評價，評價結果如表3所示。其中將C1、C2、C3三類指標作為背景依存DEA模型的投入，將C4、C5、C6作為產出；S1，…，S30代表30家供應商，作為背景依存DEA模型的決策單元。

表3 供應商評價的投入與產出數據

3.2 評價與分析

使用MATLAB對有效前沿面進行分層，可得到5個分層，其中第一級分層E1={S12,S13,S14,S15,S18,S24}，第二級分層為E2={S2,S3,S7,S11,S17,S20,S21,S27,S28,S30}，第三級分層為E3={S8,S9,S10,S22,S26}，第四級分層為E4={S1,S4,S5,S16,S23,S25,S29}，第五級分層為E5={S6,S19}；然后，以每個分層依次作為背景，計算每個決策單元在背景層中的吸引力、欠缺度或超效率得分；最后給出不同背景層下決策單元按照效率得分的增序排序，結果如表4所示。以供應商(決策單元)S1為例，其所在層級為4，表示在使用Input-Dual模型對30個決策單元計算效率得分，將有效決策單元作為背景層1并對其他決策單元再次使用Input-Dual模型，再將有效決策單元作為背景層2，……，直到得到S1屬于背景層4。以層級較低的層5，應用Attractiveness模型，可以得出S1對于背景層5的吸引力A*(S1,4,5)=1.1832。同樣地，分別以層級較低的層1、層2和層3作為背景，應用Progress模型，可以得出S1對于背景層1的欠缺度P*(S1,4,1)=0.8024，對于背景層2的欠缺度P*(S1,4,2)=0.9718，對于背景層3的欠缺度P*(S1,4,3)=0.9980。顯然，級別相差越大，低級別層背景4的決策單元S1對高級別層背景1的決策單元越具有欠缺度，效率得分越低，即P*(S1,4,1)

表4 供應商分層、吸引力、欠缺度或超效率得分及排名

將供應商在5個背景下的排序作為輸入數據，利用SPSS24分別判斷不同背景層下的排序是否具有一致性和決策單元之間排序是否存在差異。在0.05的置信水平下，檢驗統計量結果表明接受不同背景層下的排序具有一致性的假設，拒絕決策單元之間排序存在一致性的假設。這說明不同背景層下的排序存在統計意義上的一致性；決策單元之間排序存在差異。利用Copeland積分排序法計算求的結果見表4最后一列，得分最高為供應商S14。圖1為供應商Copeland得分的散點圖。

圖1 供應商Copeland得分散點圖

背景依存DEA的特點是可以將決策單元劃分為不同的層級，因此采購商可以依據結果對供應商實現分級管理。依據二八法則，企業若是選擇多個供應商進行供應，應該重點關注排名前20%的企業。在本文中，即重點關注位于第一層中的S12,S13,S14,S15,S18,S24，即圖1虛線上部。對于同一層級的不同企業也可通過Copeland得分進行排序，引導供應商不斷提升自己的產品質量和服務水平，以期得到更多的訂單份額。

對于吸引力和欠缺度的計算，能快速識別供應商的優勢與不足，獲得供應商的完整畫像，從而可以采取有針對性的管理方案與激勵措施。同時也讓供應商明確了其在供應商庫中所處位置，有利于供應商設定目標對象，確定改善方向。

4 結語

對近2年有關供應商選擇相關文獻整理分析后，發現財務指標在供應商選擇指標體系中越來越受到重視，基于此本文構建了基于供應鏈金融視角的供應商選擇評價指標體系。由于DEA無法對評價值為1的有效決策單元進行區分，本文利用背景依存DEA-Copeland方法對供應商進行劃分、排序。為驗證評價指標體系與背景依存DEA在供應商選擇中的有效性，我們結合博世蘇州公司的實際情況，基于供應鏈金融視角提出了六個維度的評價指標體系，利用背景依存DEA-Copeland方法分析后，發現分層結果良好，求解結果貼合實際。